아마존 베드록 에이전트코어 기반 7계층 모듈형 에이전트 참조 아키텍처 공개

상용화 전환을 위한 아키텍처

아마존 베드록 에이전트코어를 기반으로 다중 에이전트 인공지능 애플리케이션을 상용 규모로 운영하기 위한 7계층 모듈형 참조 아키텍처가 발표되었다. 이번 발표는 단순 개념 검증 단계를 넘어 수천 건의 동시 요청을 안전하고 신뢰성 있게 처리하려는 기업의 요구를 반영한다. 각 계층은 명확한 역할과 안정적인 계약 규격을 바탕으로 분리되어 필요에 따라 다른 기술로 교체할 수 있다.

많은 인공지능 에이전트 프로젝트는 초기 시험 단계를 통과한 뒤 실제 운영 환경에 적용되는 과정에서 중단되곤 한다. 각 개발팀이 요청 라우팅, 안전장치, 관측성 체계를 매번 처음부터 별도로 구축하면서 유지 관리 부담이 커지기 때문이다. 이번 프레임워크는 사후 보완 방식에서 벗어나 보안과 운영 체계를 설계 단계부터 결합한 공통 기반을 제공한다.

데이터·모델·오케스트레이션

프레임워크의 기반인 데이터 및 지식 계층은 질의를 받아 에이전트에게 필요한 최신 문맥 정보를 제공한다. 아마존 베드록 지식 기반, 아마존 오픈서치 서버리스 벡터 엔진, 아마존 에스쓰리 벡터, 아마존 다이나모디비 같은 데이터 저장소가 정형 및 비정형 정보 검색을 담당한다. 모델 및 추론 계층은 하드코딩 대신 설정 기반으로 동작하며, 프록시 계층을 두어 비즈니스 로직 수정 없이 모델을 교체하도록 구성한다.

오케스트레이션 계층은 단일 에이전트가 모든 작업을 맡는 구조를 피하고 감독 에이전트가 세부 작업 에이전트에 역할을 위임하도록 설계한다. 도구와 지시문이 과도하게 쌓이면 문맥 창이 커져 지연 시간이 늘어나고 원치 않는 도구 오용 위험이 발생하기 때문이다. 스트랜즈 에이전트와 에이전트코어 하네스를 결합하고 모델 컨텍스트 프로토콜이나 에이전트 간 통신 규격을 통해 중앙 레지스트리에서 에이전트를 탐색하고 호출한다.

보안·애플리케이션·관측 운영

보안 및 가드레일 계층은 외부 입력을 기본적으로 신뢰하지 않는 원칙을 적용해 프롬프트 주입과 도구 오용, 데이터 오염 위험에 대응한다. 에이전트코어 아이덴티티를 통해 모든 요청을 인증하고 세분화된 접근 제어로 도구 실행 권한을 확인하며 영구 자격 증명 대신 임시 자격 증명을 발급한다. 민감 정보 마스킹과 변경 불가능한 감사 기록, 중대한 결정에 대한 사람 승인 절차 및 이상 동작 차단기를 배치한다.

애플리케이션 계층은 비즈니스 로직을 배제한 얇은 계층으로 유지하며 가벼운 결정 모델을 두어 범위 초과 요청이나 사람 개입 여부를 빠르게 점검한다. 관측성 계층은 아마존 클라우드워치와 오픈텔레메트리를 활용해 로그, 지표, 분산 추적, 첫 토큰 도달 시간, 토큰당 비용을 상시 수집한다. 운영 계층은 배포 이후에도 세션별 정확성과 안전성을 지속적으로 채점해 품질 저하를 방지한다.

소매 고객 지원과 적용 한계

프레임워크의 동작을 검증하기 위해 주문 상태 조회와 환불 자격 판정을 다루는 소매 고객 지원 참조 구현이 함께 제시되었다. 감독 에이전트가 환불 요청을 받으면 다이나모디비를 조회하는 주문 에이전트와 지식 기반의 회원 등급 정책을 확인하는 환불 에이전트에 작업을 위임한다. 모든 호출은 게이트웨이의 세분화된 정책 검사를 거치며 전 구간 분산 추적을 통해 계산 오류가 발생한 지점을 즉각 확인할 수 있다.

개발팀은 공개된 샘플 저장소와 워크숍 스튜디오 실습 환경을 통해 도메인 로직을 단계별로 교체하며 시스템을 구축할 수 있다. 다만 제공된 참조 구현은 설계 원리를 설명하기 위한 출발점이며 상용 배포를 위한 보안 강화와 정밀 테스트를 대체하지 않는다. 실제 운영 환경에 올리기 전 조직의 요구에 맞춘 심층 보안 점검과 지속적인 평가 파이프라인 검증이 필수적으로 수반되어야 한다.