Amazon CloudWatch Application Signals, AI 기반 합성 디버깅 기능 추가
애플리케이션 성능 모니터링(APM)을 위한 Amazon CloudWatch Application Signals Model Context Protocol(MCP) 서버가 CloudWatch Synthetics 카나리 모니터링을 감사 프레임워크에 직접 통합하여 합성 모니터링 실패에 대한 자동화된 AI 기반 디버깅을 지원합니다. DevOps 팀과 개발자는 이제 Amazon Q, Claude 또는 기타 지원되는 AI 어시스턴트에서 '왜 내 체크아웃 카나리가 실패하나요?'와 같은 자연어 질문을 사용하여 새로운 AI 기반 디버깅 기능을 활용하고, 카나리 인프라 문제와 실제 서비스 문제를 신속하게 구분할 수 있습니다. 이를 통해 신뢰할 수 있는 합성 모니터링 유지 관리에 수반되는 방대한 수동 분석이라는 중대한 과제를 해결할 수 있습니다.
이번 통합은 Application Signals의 기존 다중 신호(서비스, 운영, SLO, 골든 신호) 분석 기능이 포괄적인 카나리 진단을 포함하도록 확장됩니다. 이 새로운 기능은 지능형 감사 파이프라인을 통해 카나리 장애를 서비스 상태 지표, 추적 및 종속성과 자동으로 연관시킵니다. 사용자의 자연어 프롬프트를 시작으로, 시스템은 네트워크 문제, 인증 실패, 성능 문제, 스크립트 오류, 인프라 문제, 서비스 종속성 등 6가지 주요 영역에 걸쳐 다층적 진단 분석을 수행합니다. 이 분석에는 HTTP 아카이브 또는 HAR 파일의 자동 비교, CloudWatch 로그 분석, S3 아티팩트 검사, 구성 검증이 포함되어, 합성 모니터링 문제를 식별하고 해결하는 데 소요되는 시간을 크게 단축합니다.
고객은 지원되는 AI 어시스턴트와 자연어로 상호 작용하여 이러한 인사이트를 얻을 수 있습니다.
이 기능은 Amazon CloudWatch Synthetics가 제공되는 모든 상업용 AWS 리전에서 사용할 수 있습니다. AI 기반 디버깅 기능을 활용하려면 고객이 Amazon Q, Claude 또는 기타 지원되는 AI 어시스턴트와 같은 호환 가능한 AI 에이전트에 액세스할 수 있어야 합니다.
합성 모니터링을 위해 AI 기반 디버깅을 구현하는 방법은 CloudWatch Application Signals MCP 서버 설명서에서 자세히 알아볼 수 있습니다.