AWS Lambda 시작하기

이 종합 가이드를 읽고 AWS Lambda를 사용하여 Apache Kafka 스트림을 처리하는 방법을 알아보세요. 자세히 알아보기

스트림 기반 실시간 처리 성능을 개선하려면 AWS Lambda로 Apache Kafka를 처리할 때 확장 개선, AWS Lambda를 사용한 Kafka 이벤트 소스 매핑을 위한 프로비저닝 모드, Avro 및 Protobuf 형식의 Apache Kafka 이벤트에 대한 AWS Lambda의 네이티브 지원을 활용하세요.

AWS Lambda에서 Strands Agents SDK를 사용하여 AI 에이전트를 생성하세요. 샘플 구현에 따라 MCP 서버 기능이 통합된 사용자 인식 AI 에이전트를 구축하세요.

챗봇은 생성형 AI 채택을 위한 즉각적이면서 영향력 있는 진입점을 제공합니다. AWS Lambda는 연중무휴 고객 서비스 자동화, AI 기반 헬프 데스크 지원 또는 정교한 가상 도우미 이용 등 배포 이유에 상관없이 요청과 응답의 사전 및 사후 처리, 프롬프트 엔지니어링, 모델 선택, 가드레일 적용, 지식 베이스 작업과 같이 전체 챗봇 워크플로를 관리합니다. 서버리스 아키텍처를 사용하면 보안 가드레일과 전체 감사 기능을 유지하면서 서로 다른 대규모 언어 모델(LLM) 사이에서 전환할 수 있는 유연성을 갖춘 지능형 및 대화형 솔루션을 신속하게 구현하고 확장할 수 있습니다.

간단한 노코드 마법사로 시작하여 심층적인 AI 전문 지식 없이도 이 솔루션 라이브러리에서 대화형 검색, AI 생성 챗봇, 텍스트 생성 및 텍스트 요약을 위한 AI 애플리케이션을 구축할 수 있습니다. 이 애플리케이션 예제를 참조하여 다양한 대규모 언어 모델(LLM) 공급자를 활용하는 다중 모델 챗봇을 배포하세요.

지능형 문서 처리(IDP)는 다양한 문서 유형에서 정보를 자동으로 추출, 분석 및 검증하여 중요한 기업 문제를 해결합니다. AWS 서버리스 서비스를 사용하면 이벤트 기반 워크플로와 비동기식 처리를 통해 완전한 IDP 파이프라인을 구축하고 관리할 수 있습니다. AWS Lambda는 기본 배치 기능을 사용하여 대규모 문서 처리를 처리하는 반면, Amazon EventBridge와 AWS Step Functions는 복잡한 워크플로를 오케스트레이션하고 대규모 언어 모델(LLM) 및 기존 비즈니스 시스템과 통합됩니다. 이러한 서버리스 접근 방식은 다양한 문서 형식을 효율적으로 처리하는 동시에 정확성과 규정 준수를 유지하는 확장 가능하고 처리량이 높은 IDP 솔루션을 제공합니다.

파운데이션 모델과 통합된 AWS 서버리스 서비스, AWS Lambda, AWS Step Functions 및 Amazon EventBridge가 오류가 발생하기 쉬운 기존의 수동 문서 처리를 모든 문서 유형의 데이터를 추출, 정규화 및 요약할 수 있는 자동화되고 정확하며 확장 가능한 워크플로로 빠르게 전환하는 데 어떻게 도움이 될 수 있는지 이 기술 블로그에서 확인하세요.

이 워크숍을 통해 주요 데이터를 추출하고 PDF 문서에서 요약을 생성하여 수동 문서 처리를 효율적인 워크플로로 전환하는 자동화된 솔루션을 구축하세요. 이를 통해 여러 산업의 조직에서 중요한 비즈니스 정보에 빠르게 액세스하고 이를 분석할 수 있습니다. 이 다단계 워크숍에서는 시간이 오래 걸리는 수동 프로세스를 대체하고 보험 청구, 모기지, 의료 청구, 일반 계약 및 법률 계약과 같은 여러 산업의 복잡한 콘텐츠를 처리할 수 있도록 다양한 문서 형식에서 소중한 정보를 추출하는 AWS AI 서비스를 사용해 자동화되고 확장 가능한 문서 처리 워크플로를 구축하는 방법을 알아봅니다.

콘텐츠 생성은 마케팅 및 미디어부터 소프트웨어 개발 및 기술 문서화에 이르기까지 여러 산업에 걸쳐 가장 수요가 많은 생성형 AI 애플리케이션 중 하나입니다. AWS 서버리스 서비스, AWS Lambda 및 AWS Step Functions를 사용하면 주요 단계에서 사람이 개입하는 검증 및 개선 기능을 통합하는 정교한 프롬프트 체이닝 워크플로를 구축할 수 있습니다. 이러한 서버리스 접근 방식을 사용하면 사람의 감독을 유지하면서 자동화된 콘텐츠 생성이 가능하므로, 일련의 조정된 프롬프트 및 검토 단계를 통해 품질과 브랜드를 모두 뒷받침할 수 있습니다.

TUI Group이 어떻게 콘텐츠 품질을 대규모로 유지 및 모니터링하는지 이 블로그에서 확인하세요. 여러 대규모 언어 모델(LLM)에서 배치 요청을 처리하고, 서드 파티 API를 통해 SEO 점수를 검증하며, 프론트엔드 UI를 사용하여 팀 검토를 위해 Amazon DynamoDB에 고품질 콘텐츠(80% 점수 임계치 초과)를 자동으로 저장하기 위해 AWS Lambda 함수를 조정함으로써 AWS Step Functions를 활용해 정교한 콘텐츠 생성 워크플로를 오케스트레이션하는 방법이 나와 있습니다.

이 애플리케이션 예제에서는 프롬프트 체이닝을 사용하여 대량의 비효율적인 프롬프트를 더 작은 프롬프트로 분해하고 AWS Lambda 및 AWS Step Functions를 사용하여 특별히 구축된 모델을 사용하는 방법을 보여줍니다. 이 예제에서는 애플리케이션의 안전성과 정확성을 개선해야 할 때 사람의 피드백 루프를 포함하는 방법도 보여줍니다.

이 블로그 게시물에서 AWS Step Functions가 복잡한 대규모 언어 모델(LLM) 작업을 관리 가능한 하위 작업으로 나누고, 처리를 위한 AWS Lambda 함수, 작업 토큰을 통한 사람 개입 검토, 확장 가능한 시스템 통합을 위해 Amazon EventBridge를 사용하는 이벤트 기반 아키텍처를 통합하는 정교한 프롬프트 체이닝 워크플로를 조율하는 방법을 알아보세요.

이 애플리케이션 예제에서는 AWS Step Functions(AWS Lambda 함수 및 220개 이상의 AWS 서비스 오케스트레이션용) 또는 Amazon Bedrock Flows(Bedrock 특정 AI 워크플로를 위해 특별히 구축됨)을 통해(이 두 제품 모두 병렬 처리, 조건부 로직 및 사람의 입력 처리와 같은 기능과 함께 서버리스 확장성을 제공함) 프롬프트 체이닝 기술을 사용하여 복잡한 생성형 AI 애플리케이션을 구축하는 방법을 알아보세요.