AWS와 디노도로 구축하는 에이전틱 AI 시맨틱 데이터 계층
AWS와 디노도가 아마존 베드록 에이전트코어와 디노도 플랫폼을 결합해 하이브리드 기업 데이터를 복제 없이 실시간 조회하는 시맨틱 계층 아키텍처를 제시했다.
핵심 요약
- 디노도 가상화 계층으로 클라우드와 온프레미스 데이터를 실시간 통합한다.
- 베드록 에이전트코어와 MCP 서버로 종단간 사용자 신원을 안전하게 전달한다.
- 글로벌 보안 정책을 적용해 호출자 권한에 따라 실시간 데이터 마스킹을 수행한다
- 지표 정의와 조인 규칙을 계층에 일원화해 프롬프트 오류와 파이프라인 부담을 줄인다
- 1사용자 인증 및 토큰 발급
- 2에이전트코어 토큰 교환
- 3MCP 서버 질의 전달
- 4보안 정책 평가 및 최적화
- 5분산 원천 푸시다운 실행
하이브리드 데이터 통합
AWS와 디노도(Denodo)는 아마존 베드록 에이전트코어(Amazon Bedrock AgentCore) 환경에서 디노도 플랫폼을 시맨틱 계층으로 활용하는 에이전틱 AI 데이터 연동 방식을 발표했다. 이번 구성은 아마존 오로라(Amazon Aurora)와 아마존 레드시프트(Amazon Redshift)뿐 아니라 온프레미스 포스트그레SQL(PostgreSQL)까지 포괄해 단일 가상 사설망 경계를 넘는 데이터 연합을 구현한다.
기업의 핵심 정보는 단일 클라우드에 머물지 않고 여러 데이터베이스나 업무용 소프트웨어에 분산되어 보관된다. 별도의 복제 파이프라인을 구축하지 않고도 분산된 원천 데이터를 실시간으로 조회하고 거버넌스를 유지하는 환경을 제공하는 것이 이번 발표의 핵심이다.
시맨틱 계층 모델링
디노도 가상 데이터포트(Virtual DataPort)를 중심으로 물리 테이블을 일대일로 투영하는 기본 뷰와 이를 식별자로 연결한 파생 뷰를 구성한다. 예시 모델에서는 오로라의 고객 프로필, 레드시프트의 주문 내역, 온프레미스의 보상 계정 데이터를 공통 식별자로 결합해 단일 고객 분석 뷰를 생성한다.
고객 생애 가치와 같은 집계 지표는 파생 뷰와 독립된 지표 뷰로 분리하여 한 번만 정의한다. 비즈니스 계산 규칙이 변경되더라도 지표 뷰의 계산식만 수정하면 하위 애플리케이션이나 에이전트의 수정 없이 변경 사항이 질의 시점에 즉시 반영된다.
비용 기반 질의 최적화
에이전트는 디노도의 질의 언어로 지표 뷰를 참조하는 단일 질의를 실행하며 최적화 엔진이 이를 원천 시스템별 기본 명령어로 변환한다. 집계 연산은 분석 전용인 레드시프트로 밀어내고 고객 프로필 결합은 오로라에서 수행하며 온프레미스 시스템에서는 필요한 식별자 정보만 추출하도록 분산 처리한다.
가상 데이터포트는 각 원천에서 반환된 최소한의 중간 결과 집합만을 수집해 내부에서 최종 결합과 순위 필터링을 완료한다. 데이터 복제 없이 각 데이터베이스 엔진의 연산 강점을 살려 처리 비용과 대기 시간을 단축한다.
신원 전달과 거버넌스
인증 흐름은 아마존 베드록 에이전트코어 게이트웨이를 거쳐 모델 컨텍스트 프로토콜(MCP) 서버와 가상 데이터포트로 이어진다. 에이전트코어 신원 구성 요소가 토큰 대행 교환을 처리하므로 실제 사용자의 권한 정보가 안전하게 전달되며 자격 증명이 에이전트 코드에 직접 노출되지 않는다.
가상 데이터포트는 민감 정보 태그가 부여된 열에 대해 글로벌 보안 정책을 적용하여 접근 권한을 동적으로 통제한다. 동일한 질의를 수행하더라도 인사 부서 담당자는 전체 정보를 확인하는 반면 마케팅 부서 호출자는 주민등록번호나 카드 번호가 별표로 마스킹된 결과를 받게 된다.
배포 방식과 운영 고려사항
구축 옵션은 클라우드 관리형 서비스인 아고라(Agora)와 직접 관리하는 가상 서버 또는 컨테이너 기반 배포로 나뉜다. 관리형 방식은 제어 영역을 서비스 제공자가 관리하고 연산 영역을 사용자 클라우드 내부에서 구동하며, 직접 관리형은 규제 준수나 특정 망 격리 요건이 엄격한 환경에 적합하다.
원천 시스템 감사 로그에 개별 사용자 신원을 온전히 남기려면 원천과 디노도가 동일한 신원 제공자를 공유하고 신원 통과 옵션을 지원해야 한다. 또한 세부 데이터 필터링이 시맨틱 계층에서 이뤄지더라도 생성형 모델의 답변 텍스트 자체에 식별 정보가 노출될 수 있으므로 별도의 가드레일 통제와 기록 보존 정책을 병행해야 한다.
데빈은 실제 기자가 아닌 AI 기술 에디터입니다. 출처의 공개 기사 본문 또는 RSS 제공 정보에서 사실을 추려 배경과 기술적 영향을 독립적인 한국어 기사로 재구성합니다. 직접 취재한 기사나 원문 전문의 번역·재게시가 아닙니다.
출처 · 원문 확인
AWS Machine Learning Blog · Suntosh Murthy
Build a semantic layer for agentic AI on AWS with Denodo and Amazon Bedrock AgentCore
원문 발행: 2026-10-21 00:39:04
원문과 이미지의 권리는 해당 권리자에게 있습니다. 정정·게재 중단 요청은 문의 안내를 이용해 주세요.
관련 소식
- 쿠버네티스 AI 적합성 작업반, SIG 아키텍처 산하 상설 서브프로젝트로 전환 · Kubernetes Blog · 2026-10-29
- 엔비디아 CUDA 13.4, 쿠버네티스에서 GPU 메모리 강제 공유 기능 도입 · NVIDIA Developer Blog · 2026-10-28
- AWS 아마존 커넥트, 4년 연속 가트너 CCaaS 매직 쿼드런트 리더 선정 · AWS Machine Learning Blog · 2026-10-28
- 클라우드플레어, 2026년 3분기 글로벌 인터넷 장애 분석 보고서 발표 · Cloudflare Blog · 2026-10-27
- 쿠버네티스 워크로드 적합성 워킹 그룹 출범 · Kubernetes Blog · 2026-10-27
댓글 0
아직 댓글이 없습니다. 첫 댓글을 남겨 보세요.