아마존 ECS 파게이트 기반 서버리스 MCP 서버로 구축한 AI 에이전트 데이터 레이크 게이트웨이

중앙 게이트웨이 기반 데이터 접근

아마존 북미 분류 센터 운영 조직이 아마존 일래스틱 컨테이너 서비스와 파게이트를 결합한 서버리스 모델 컨텍스트 프로토콜 서버를 구축했다. 이번에 구축된 서버는 인공지능 에이전트와 기업 데이터 레이크 사이에서 중립적인 중앙 게이트웨이 역할을 수행하며 질의 처리를 일원화한다. 신규 데이터셋을 추가할 때 별도의 연동 코드를 개발할 필요 없이 메타데이터 설정 파일 하나만 등록하면 자동 동기화를 통해 즉시 연결된다.

기존에는 다수의 부서에서 독자적인 인공지능 비서를 구축하면서 데이터베이스와 응용프로그램 인터페이스에 직접 연결하는 방식을 사용했다. 이로 인해 에이전트마다 질의 생성 로직과 스키마 정보, 연결 처리 코드가 중복 구현되었고 데이터 스키마가 변경될 때마다 모든 에이전트를 개별 수정해야 했다. 접근 제어가 여러 지점으로 파편화되어 감사 추적이 어려웠으며 테이블 하나를 새로 연동하는 데에도 며칠에 걸친 개발 작업이 소모되었다.

4단계 계층 분리와 질의 흐름

새로운 아키텍처는 클라이언트 계층, 프로토콜 서버 계층, 도구 계층, 지식 기반 갱신 계층의 네 부분으로 책임을 분리해 독립적인 배포와 확장이 가능하도록 설계되었다. 사용자가 웹 대화창이나 협업 도구에서 질문을 전송하면 공용 부하 분산기와 사용자 인증 서비스를 거쳐 세션 상태를 저장하는 클라이언트 서비스로 전달된다. 이후 내부 부하 분산기를 통과한 요청은 프로토콜 서버 계층에서 인공지능 파운데이션 모델 서비스를 통해 의도를 분석하고 적절한 도구를 선택해 실행한다.

도구 계층에서는 아마존 아테나와 레드시프트를 통한 정형 데이터 조회뿐 아니라 베드록 지식 기반을 활용한 문서 및 정책 검색을 함께 제공한다. 에이전트는 사전에 정의된 메타데이터 카탈로그를 참조해 스키마와 열 세부 설명, 예시 데이터를 바탕으로 엔진 호환 질의문을 생성하고 유효성을 자동 검증한다. 질의 범위를 관련 테이블로 한정하는 문맥 매핑 구성을 적용한 환경에서 전체 상호작용 지연 시간은 15초에서 20초 수준을 유지했다.

보안 통제 체계와 다중 테넌트 지원

시스템 전반에는 인공지능 안전 가드레일이 적용되어 유해 콘텐츠를 차단하고 근거 확인과 프롬프트 주입 공격 방어를 수행한다. 아테나 질의 도구 수준에서 읽기 전용 조회만을 허용하도록 강제하여 데이터 레이크에 쓰기 작업이 유입되는 경로를 사전에 차단했다. 모든 도구 호출 기록은 구조화된 로그 형식으로 클라우드 감시 서비스에 남겨져 보안 부서가 단일한 감사 지점에서 데이터 접근 이력을 추적할 수 있다.

표준화된 프로토콜 접속 지점을 채택하여 특정 언어 모델이나 오케스트레이션 프레임워크에 종속되지 않고 다양한 클라이언트 에이전트가 동일한 도구를 호출할 수 있다. 프로토콜 서버의 실행 작업은 상태를 내부에 유지하지 않는 무상태 방식으로 동작하며 대화 이력은 별도 분산 데이터베이스에 영구 보관된다. 컨테이너 서비스 자동 확장 정책은 중앙처리장치 사용률 50퍼센트 도달이나 메모리 임계치에 따라 작동하여 트래픽 급증에도 유연하게 대응한다.

운영 생산성 향상과 향후 과제

이번 구조 도입으로 데이터 연동 작업이 코드 개발 방식에서 설정 중심 방식으로 전환되었다. 테이블 업무 설명과 열 단위의 구체적 값 패턴이 담긴 메타데이터를 등록하면 파이프라인 동기화를 통해 벡터 임베딩으로 변환되고 즉시 지식 기반에 반영된다. 이를 통해 서로 다른 특화 에이전트들이 단일 대화 안에서 정형 데이터 분석 수치와 비정형 문서 분석 내용을 결합해 복합적인 답변을 생성할 수 있게 되었다.

현재 이 아키텍처는 아마존 베드록과 관련 지식 기반 서비스가 제공되는 아마존 웹 서비스 리전에서 적용할 수 있다. 시스템 구축팀은 향후 권한 그룹별로 민감한 열을 제한하고 모델이 질의문 생성 시 해당 열을 자동으로 제외하도록 하는 세분화된 접근 제어를 추가할 계획이다. 아울러 질의 실패나 신뢰도 저하가 발생했을 때 패턴을 수집해 메타데이터 설명과 질의 힌트 개선을 유도하는 피드백 루프 구축을 과제로 제시했다.