Amazon Bedrock AgentCore 기반 에이전트 AI로 클라우드 마이그레이션 가속화

에이전트 AI 마이그레이션 패턴

AWS는 Amazon Bedrock AgentCore에서 에이전트 기반 AI를 활용하여 대규모 클라우드 마이그레이션을 확장하는 새로운 패턴을 제시한다. 이 패턴은 300개 이상의 애플리케이션을 대상으로 한 마이그레이션 프로그램에서 IaC(Infrastructure as Code) 개발 시간을 애플리케이션당 3~4주에서 몇 분으로 단축하는 성과를 보였다. 이는 기존 AWS Transform 및 AWS Database Migration Service(DMS)와 함께 작동하는 하이브리드 방식으로, 조직별 요구사항에 맞춰 커스텀 에이전트를 추가하여 마이그레이션 및 현대화 작업을 보완한다.

이 아키텍처는 Model Context Protocol(MCP) 도구를 통해 소스 및 대상 시스템에 접근하는 4가지 목적 지향적 에이전트를 포함한다. AWS Professional Services는 Strands Agents SDK와 Amazon Bedrock AgentCore를 기반으로 구축된 이 에이전트 스위트를 통해 조직의 특정 요구사항을 충족하도록 설계했다. 각 에이전트는 AgentCore Gateway를 통해 노출되는 MCP 도구를 사용하여 소스 및 대상에 연결된다.

변화의 배경과 동인

이번 패턴 도입의 배경에는 대규모 클라우드 마이그레이션 프로그램에서 관리형 서비스가 커버하지 못하는 영역에 대한 효율적인 자동화 필요성이 있었다. 특히, MCP로 연결된 다양한 내부 시스템을 마이그레이션 입력 및 출력 대상으로 사용하는 환경, 조직의 보안 표준을 준수하는 IaC를 내부 모듈 라이브러리를 통해 구성해야 하는 요구사항, 그리고 컷오버 이후의 운영까지 마이그레이션 프로그램 범위에 포함되는 경우가 주요 동인이었다.

수동으로 IaC를 작성하는 방식은 애플리케이션당 3~4주가 소요되어, 300개 이상의 애플리케이션 포트폴리오에서는 수년간의 엔지니어링 노력이 필요했다. 또한, 마이그레이션 서비스는 컷오버 시점에서 완료되므로, 그 이후의 운영 작업은 별도의 관리 영역으로 남아있었다. 이러한 문제들을 해결하고 마이그레이션 프로세스의 병목 현상을 제거하기 위해 에이전트 기반 AI 솔루션이 개발되었다.

에이전트 패턴 동작 상세

이 패턴은 마이그레이션 여정과 운영 여정으로 나뉘어 작동하는 4가지 목적 지향적 에이전트로 구성된다. 마이그레이션 여정 에이전트는 발견부터 배포까지를 담당하며, 운영 여정 에이전트는 마이그레이션 후 모니터링을 처리한다.

**Intake Agent (수집 에이전트)**는 아키텍처 문서, 애플리케이션 인벤토리 목록, 설문지, 의존성 기록 등 마이그레이션 입력을 MCP 도구를 통해 읽어들인다. 이후 대상 AWS 아키텍처, 권장 마이그레이션 패턴, 리소스 크기 사양, 규정 준수 유효성 검사 보고서를 생성한다. 이 출력은 IaC Agent로 직접 전달되어 자동화된 핸드오프를 가능하게 한다.

**IaC Agent (IaC 에이전트)**는 조직의 보안 모범 사례 및 표준을 준수하는 IaC 코드를 생성한다. 이 에이전트는 웨이브 팀의 스티어링 문서를 수집하고, Intake Agent의 출력인 대상 상태 아키텍처 다이어그램을 해석하여 인프라 구성 요소를 식별한다. 이를 기반으로 조직에서 정의된 패턴에 따라 IaC를 생성하며, 필수 태깅 및 모니터링 구성을 추가한다. 실행 전에는 AgentCore의 정책 기능을 통해 Cedar 규칙에 따라 각 도구 호출을 평가하고, 배포 후에는 AgentCore Observability를 통해 결과를 보고한다.

**Migration Intelligence and Governance Agent (마이그레이션 인텔리전스 및 거버넌스 에이전트)**는 300개 이상의 애플리케이션 포트폴리오에 대한 자동화된 온디맨드 인텔리전스 및 거버넌스를 제공한다. Jira, Confluence, Webex 등 고객의 자체 프로그램 도구에서 데이터를 집계하여 스프린트 진행 상황, 아키텍처 문서, 회의록 등을 분석한다. 이를 통해 Well-Architected 평가, 규정 준수 및 거버넌스 유효성 검사, 아키텍처 패턴 준수 추적을 제공하며, Confluence 페이지 업데이트, Jira 작업 생성, ServiceNow 티켓 생성 등의 자동화된 작업을 수행한다.

**SRE Agent (SRE 에이전트)**는 컷오버 후 운영 단계를 담당한다. 이 에이전트는 Amazon CloudWatch 지표, 애플리케이션 성능 데이터 및 과거 패턴을 모니터링하여 문제가 프로덕션에 영향을 미치기 전에 경고를 발생시킨다. 또한, 일반적인 장애 패턴에 대한 자동화된 개선 플레이북을 발행하고 효율성 개선을 권장한다. 데이터베이스 클러스터 크기 조정, 성능 튜닝, 스토리지 계층화, 컴퓨팅 확장 및 효율성 개선 등이 목표 영역에 포함된다.

개발자 및 사용자 영향

이 에이전트 기반 AI 패턴은 개발자와 사용자 모두에게 상당한 이점을 제공한다. 개발자는 IaC 개발 시간이 애플리케이션당 3~4주에서 몇 분으로 단축되어 생산성이 크게 향상된다. 조직의 보안 표준 및 모범 사례가 IaC 생성 과정에 자동으로 통합되므로, 규정 준수 관련 부담이 줄어들고 일관성이 확보된다.

또한, 생성된 코드는 기존 CI/CD 파이프라인에 직접 통합되어 워크플로우 변경을 최소화하며, Strands Agents SDK를 통해 커스텀 에이전트를 구축하고 배포할 수 있는 유연성을 얻는다. 프로젝트 관리자 및 SRE 팀과 같은 사용자들은 마이그레이션 진행 상황과 포트폴리오 전체에 대한 자동화된 온디맨드 보고서를 통해 높은 가시성을 확보한다. Well-Architected 평가 및 거버넌스 작업이 자동화되어 수동 작업에 드는 오버헤드가 크게 감소한다.

컷오버 후에는 SRE Agent를 통해 사전 예방적 운영 및 지속적인 개선으로 전환하여 시스템 안정성과 효율성을 높일 수 있다. 모든 자동화된 작업은 명시적인 사람의 승인을 거치는 'Human-in-the-loop' 설계 원칙을 따르므로, 자동화된 프로세스에 대한 통제력을 유지하면서도 효율성을 극대화할 수 있다.

적용 조건 및 한계

이 에이전트 패턴은 특정 조건에서 가장 효과적이다. 조직이 MCP(Model Context Protocol) 도구를 구축하고 유지 관리하여 마이그레이션 소스 및 대상 시스템에 연결하는 환경에 적합하다. 또한, 생성된 인프라 코드가 조직의 내부 모듈 라이브러리를 구성해야 하는 특정 IaC 요구사항이 있거나, 마이그레이션 컷오버 이후의 운영까지 프로그램 범위에 포함되는 경우에 유용하다. 이 패턴을 활용하려면 AWS 계정, Amazon Bedrock AgentCore 및 Amazon Bedrock 파운데이션 모델에 대한 접근 권한이 필요하며, Strands Agents SDK 및 MCP 서버 패턴, 그리고 조직에서 사용하는 IaC 툴링에 대한 이해가 요구된다.

이 패턴은 AWS Transform 및 AWS DMS와 같은 기존 관리형 서비스를 대체하는 것이 아니라 보완하는 하이브리드 접근 방식이다. 모든 에이전트의 자동화된 작업은 프로덕션 시스템에서 자율적으로 작동하지 않고 명시적인 사람의 승인을 요구하는 'Human-in-the-loop' 설계 원칙을 따른다. 결과는 애플리케이션 복잡성, 팀 규모, 조직 요구사항, 보안 요구사항 및 조직 표준에 따라 달라질 수 있다. 비용 측면에서는 파운데이션 모델 토큰 사용량이 주요 비용 요소이며, Amazon Bedrock AgentCore는 소비량에 따라 과금된다. 또한, AWS DMS Schema Conversion의 생성형 AI 지원 기능은 일부 AWS 리전에서만 일반 공급되므로, 웨이브 계획 시 리전 지원 여부를 확인해야 한다.