에이전트 데모에 일주일이 걸렸습니다. 프로덕션에 적용하기까지는 6개월이 소요됩니다.
하지만 그럴 필요가 없습니다. 다른 팀들이 어떻게 에이전트를 신속하고 안전하게 프로덕션에 적용하는지 알아보세요.
다음 중 귀하를 방해하는 것은 무엇인가요? 곧 진행될 웨비나에서 전문가의 도움을 받아보세요.
에이전트를 대규모로 구축하고 실행하는 거의 모든 조직에서 흔히 발생하는 문제입니다. 해결 방법은 다음과 같습니다.
프로덕션의 격차
한 에이전트의 정체성, 메모리, 관찰성 구축에 몇 달이 걸립니다. 그러면 다음 팀이 다시 또 시작합니다. 관리형 플랫폼은 첫날부터 이러한 기반을 제공하므로 더 빠르게 배포할 수 있습니다.
거버넌스 사각지대
작동하는 데모라고 해서 신뢰할 수 있는 시스템인 것은 아니며 거버넌스 격차는 프로덕션 환경에서만 드러납니다. 각 에이전트의 액세스 및 작업 권한을 적용한 다음, 에이전트의 행동을 입증할 수 있도록 추적하고 평가하세요.
에이전트 스프롤
팀이 늘어날수록 에이전트는 사람이 추적할 수 있는 속도보다 빠르게 증가합니다. 중앙 집중화된 보기가 없으면 무엇이 존재하는지, 누가 소유하는지, 누가 액세스할 수 있는지 알 수 없습니다. 하나의 레지스트리로 거버넌스와 재사용을 위한 가시성을 제공합니다.
예측 불가능한 비용
어디에 사용됐는지 파악할 수 없는 에이전트 지출은 통제할 수도 없습니다. 팀, 프로젝트, 에이전트 활동별로 모든 에이전트 관련 비용을 추적하세요. 지출 내역을 정확히 파악하면서 사용량을 늘리세요.
종속 우려
단 하나의 컨트롤 세트를 사용하여 Anthropic, OpenAI, 주요 오픈 소스 옵션 등의 주요 모델로 빌드하세요. 운영 중인 에이전트 수에 관계없이 플랫폼을 재구성하지 않고도 어떤 모델 또는 프레임워크든 교체할 수 있습니다.
격리된 코딩 에이전트
코딩 에이전트는 강력하지만 개발자 컴퓨터에 격리되어 있습니다. 코딩 에이전트가 지속적으로 실행되고, 컨텍스트를 공유하고, 팀의 지침을 준수할 수 있도록 클라우드 런타임과 공유 메모리를 제공하세요.
선구적인 팀들이 에이전트를 배포하고 제공하는 방법
스타트업부터 글로벌 기업에 이르기까지 여러 팀은 에이전트를 프로토타입에서 프로덕션으로 대규모 전환하기 위해 AWS를 신뢰합니다. 그 이유를 알아보세요.
Amazon Bedrock
AI 애플리케이션 및 에이전트를 안전하게 구축하고 확장하기 위한 포괄적인 플랫폼
대규모로 AI 에이전트 배포 시작
Amazon Bedrock
신뢰할 수 있는 AI 구축 기반.
Amazon Bedrock AgentCore
인프라가 아니라 에이전트를 배포하는 것입니다.
실제로 제공할 수 있는 AI 에이전트 배포
자주 묻는 질문
FAQ
모두 열기AWS 기반 AI 에이전트를 구축하는 과정은 Amazon Bedrock에서 모델을 선택하는 것부터 시작됩니다. Anthropic과 OpenAI를 비롯한 선도적인 프론티어 및 오픈 소스 모델 중에서 선택합니다. 그런 다음 Amazon Bedrock AgentCore를 사용하여 원하는 프레임워크(LangGraph, CrewAI, Strands, OpenAI Agents SDK 또는 사용자 지정)에 에이전트 로직을 배포할 수 있습니다. AgentCore가 관리형 런타임, 메모리 및 도구 연결을 제공하므로, 고객은 인프라가 아닌 에이전트 로직에 집중할 수 있습니다.
Amazon Bedrock AgentCore는 AI 에이전트를 위한 런타임, 메모리, ID, 관찰성 및 도구 통합을 제공하는 관리형 플랫폼입니다. 모든 프레임워크(LangGraph, CrewAI, Strands, OpenAI Agents SDK 또는 사용자 지정)에서 에이전트 로직을 작성하고, Amazon Bedrock의 모델에 연결하고, 처음부터 인프라 계층에 보안이 적용된 AgentCore의 관리형 런타임에 배포하면서 프로덕션 에이전트를 배포합니다.
프로덕션 격차가 존재하는 이유는 에이전트가 단 한 번이라도 작업을 수행하려면 먼저 운영 인프라(런타임, 메모리, ID, 보안, 관찰성)를 구축해야 하기 때문입니다. AgentCore는 인프라 계층에서 프로덕션급 보안이 적용된 관리형 플랫폼을 제공하여 이러한 문제를 해결합니다. 팀은 아키텍처를 재구성하지 않고도 로컬 개발 단계에서 에이전트 배포 단계로 진행할 수 있습니다.
AgentCore는 모든 도구 호출 시 평가되고 자동 추론을 통해 검증되는 Cedar 정책을 사용하여 인프라 계층에 보안을 적용합니다. Amazon S3와 AWS IAM에 사용되는 바로 그 기술입니다. 자격 증명은 게이트웨이에서 관리되며 에이전트 루프에 들어가지 않습니다. 따라서 에이전트가 추론을 통해 우회할 수 없는 결정론적 정책 적용을 보장합니다.
AWS의 에이전트 및 추론 비용은 IAM 위탁자별로 에이전트당 할당되며, 기존 AWS 청구서에서 확인할 수 있습니다. Amazon Bedrock은 프롬프트 캐싱, 지능형 라우팅, 모델 증류, 배치 추론 기능을 통해 비용을 자동으로 최적화합니다. 에이전트별 비용 할당은 다른 워크로드를 관리하는 것과 동일한 방식으로 AI 지출을 예측, 예산 책정, 설명할 수 있게 해줍니다. 별도의 AI 청구 시스템은 필요하지 않습니다.
예. AgentCore는 모델과 프레임워크에 구애받지 않습니다. Bedrock에서 Anthropic, OpenAI, Amazon Nova 등의 프론티어 모델을 실행할 수 있습니다. LangGraph, CrewAI, Strands, OpenAI Agents SDK 또는 사용자 지정 프레임워크를 사용하여 에이전트를 빌드할 수 있습니다. 에이전트를 리팩토링하지 않고도 모델을 교체할 수 있습니다. 플랫폼은 API 수준뿐만 아니라 인프라 계층에서도 결합을 분리합니다.
오늘 원하는 내용을 찾으셨나요?
페이지의 콘텐츠 품질을 개선할 수 있도록 피드백을 보내주세요.