클라우드 정책 관리, AI 에이전트로 자동화하세요!
분산된 클라우드 정책 데이터 관리의 어려움 해소를 위해 데이터 수집 자동화 및 자연어 기반 검색 필요성 대두
Amazon MWAA를 활용한 정책 수집 자동화 및 Amazon S3 Vectors를 통한 시맨틱 검색 구현
MCP 표준 기반의 Strands Agent를 Amazon Bedrock AgentCore Runtime에 서버리스 배포하여 역할별 AI 에이전트 제공
DevOps, SecOps, Compliance, FinOps 팀이 각자의 관점에서 클라우드 정책 데이터를 효율적으로 분석 및 활용 가능
분산 클라우드 정책 관리의 복잡성 및 해결 과제
수백 개의 계정과 리전에 걸쳐 분산된 IAM 정책, 보안 그룹, 스토리지 설정 등 클라우드 정책 데이터의 복잡성은 DevOps, SecOps, Compliance, FinOps 팀 모두에게 큰 부담을 야기함.
데이터 수집의 비효율성: 팀별로 상이한 수동 스크립트 및 CLI 사용으로 인한 데이터 파편화(Data Fragmentation) 및 교차 분석의 어려움 발생.
다양한 분석 관점: 각 팀의 요구사항이 달라 단일 인터페이스로 지원하기 어려우며, 정책 변경 이력 추적의 어려움이 운영 한계에 도달하게 함.
이러한 문제를 해결하기 위해 데이터 수집의 완전 자동화, 자연어 기반 정책 검색, 표준 프로토콜 기반 확장성 및 서버리스 운영이라는 세 가지 설계 기준을 수립함.
Amazon MWAA 기반 정책 수집 자동화 및 부분 실패 복원력 확보
Amazon MWAA는 DAG(Directed Acyclic Graphs) 기반 워크플로우 관리로 복잡한 정책 수집 파이프라인을 자동화함.
스케줄링 및 재시도 기능: 매일 정해진 시간에 정책 수집을 자동화하고, 실패 시 자동으로 재시도하여 수집 안정성(Collection Stability) 확보.
부분 실패 복원력(Partial Failure Resilience): 특정 계정이나 리전의 수집 실패가 전체 파이프라인 중단을 방지하여 데이터 누락 최소화.
교차 계정 및 타사 클라우드 연동: STS AssumeRole 및 Workload Identity Federation을 활용하여 다양한 환경의 정책 데이터를 통합 수집함.
Amazon S3 Vectors를 활용한 시맨틱 검색 구현
별도 클러스터 관리 없이 벡터 임베딩 저장 및 시맨틱 검색을 제공하는 Amazon S3 Vectors를 선택하여 자연어 기반 정책 검색을 구현함.
데이터 품질 결정: Bedrock Titan Embed v2 모델을 사용하여 정책 데이터를 벡터화하며, 텍스트 변환 품질이 검색 정확도에 직접적인 영향을 미침.
클라우드별 인덱스 분리: AWS와 GCP 등 클라우드 제공자별로 별도 인덱스를 생성하여 검색 효율성 및 관리 용이성 증대.
메타데이터 활용: 검색 결과에 원본 S3 키, 클라우드 정보 등 메타데이터를 포함하여 데이터 추적성(Traceability) 강화.
MCP 표준 기반 Strands Agent와 AgentCore Runtime의 역할
MCP(Model Context Protocol) 표준은 AI 에이전트 도구의 입력/출력을 표준화하여 다양한 AI 도구와의 재사용성 및 확장성을 높임.
Strands Agent: 정책 검색, 상세 조회, 비교, 변경 이력 추적 등 6가지 MCP 도구를 구현하여 CMDB 데이터 접근 계층 제공.
Amazon Bedrock AgentCore Runtime: 에이전트 배포, 실행, 스케일링을 관리형으로 제공하여 서버리스 운영 환경 지원 및 운영 부담 감소.
2단계 민감 정보 익명화: 모든 도구 응답에 민감 정보 마스킹을 적용하여 데이터 보안 강화 및 익명화된 상태에서도 관계 파악 가능.
역할별 에이전트 구성 및 접근 제어 전략
각 역할(DevOps, SecOps, Compliance, FinOps)에 맞춤화된 에이전트 설정을 통해 데이터 접근 권한 및 분석 관점 제어.
시스템 프롬프트 및 허용 카테고리: 각 에이전트의 시스템 프롬프트와 허용된 카테고리 설정을 통해 특정 역할에 필요한 데이터만 접근하도록 제한 (예: SecOps는 compute, storage 미접근).
도구별 접근 권한 분리: 프로덕션 환경에서는 IAM 정책을 활용하여 도구별 접근 권한을 더욱 세밀하게 제어하는 방식을 권장함.
맞춤형 분석 제공: 동일한 CMDB 데이터를 기반으로 하더라도, 각 에이전트는 역할에 맞는 관점에서 분석 결과를 제공하여 팀별 효율성 증대.
