[AWS]

Fire Up! GenAl on AWS : Agent Day 세미나 후기

미냠 2025. 6. 30. 21:56
반응형

 

AWS에서 주최한 Agentic AI와 MCP 세미나에 다녀왔습니다

평소 AI 기술에 관심이 많아서 참석했는데, 생각보다 훨씬 흥미로운 내용들이 많더라고요.

특히 AI가 이제 단순히 답변만 하는 게 아니라 스스로 생각하고 행동하는 수준까지 와 있다는 점이 인상적이었습니다.

 

🔍 Agentic AI란 무엇인가?

 

세미나 초반에 발표자가 설명한 Agentic AI의 정의가 흥미로웠어요.

기존의 생성형 AI(Generative AI)와는 완전히 다른 개념으로,

스스로 사고하고 기억하며, 복잡한 작업을 계획하고 실행할 수 있는 AI 시스템이라고 하더군요.

 

단순히 명령에 반응하는 것이 아니라,

목표 중심적으로 능동적인 문제 해결을 수행한다는 점이 핵심이었습니다.

 

발표 중에 AI 발전 과정을 정리해주는 부분이 있었는데, 되돌아보니 정말 빠르게 발전했더라고요:

  • 2012년: 인공지능이 천만 장의 사진을 3일간 학습해 이미지 인식 달성
  • 2015년: 물체 인식 기술 발전
  • 2017년: 알파고 등장 
  • 트랜스포머 등장: 여기서 패러다임이 바뀜. '정답 예측'에서 '문맥 속 추론'으로 중심축 이동

생성형 AI vs Agentic AI 비교

구분 생성형 AI Agentic AI
주된 기능 콘텐츠 생성 목표 중심 문제 해결
방식 정적 응답 능동적 계획 및 실행
적응성 없음 실시간 적응
사용자 상호작용 지시 대기 능동적 도구 활용 및 실행

특히 Gartner 예측이 흥미로웠는데,

2028년까지 일상 업무 의사결정의 15%가 Agentic AI에 의해 자동화될 것이라고 하더라고요.

 

🧩 Agentic AI의 핵심 - CoT와 ReAct

 

세미나에서 가장 인상 깊었던 부분 중 하나가 Agentic AI가 어떻게 '생각'하는지에 대한 설명이었어요.

Chain of Thought (CoT)

  • AI가 단계별로 사고하며 문제 해결 과정을 텍스트로 표현
  • 신기하게도 "잘 생각해봐"라고 지시하는 것만으로도 정확도가 향상된다고 하네요

Reasoning + Action (ReAct)

  • 추론과 실행을 결합한 방식
  • 예시로 "Strawberry에 'r'이 몇 개 있는가?" 질문에서 대소문자 구분까지 고려해서 답변한다고 했어요

 

🎯 Agentic AI의 4가지 핵심 패턴

발표자가 정리해준 4가지 패턴이 체계적이어서 정리해봤어요:

Reflection Actor가 실행 → Evaluator가 평가 → Self-reflection으로 개선
Planning Task → 계획 수립 → 단계별 실행 → 동적 재계획
Tool-Use 외부 API 호출, 웹 검색, 코드 실행 등 도구 사용
Multi-Agent 여러 에이전트 간 협업. 중복, 충돌 최소화 전략 필요

 

🔌 MCP - AI를 위한 USB-C 포트

세미나에서 가장 흥미로웠던 기술 중 하나가 MCP(Model Context Protocol)였어요.

발표자가 "AI 앱을 위한 USB-C 포트"라고 비유하더라고요.

MCP의 핵심 가치

  • 표준화된 인터페이스: LLM이 외부 툴, 데이터에 접근할 수 있도록 표준화
  • 동적 업데이트: MCP 서버가 새로운 툴 정보를 갱신해서 코드 수정 없이 최신 기능 활용
  • 개발 효율성: 통합 솔루션으로 개발 비용과 시간 절약

실제 사례로 외부 API 형식이 변경되었을 때,

기존에는 직접 수정해야 했지만 MCP를 쓰면 AI가 자동으로 처리한다고 하니 정말 편리할 것 같아요.

MCP 구조

  • Hosts: MCP로 데이터에 접근하려는 프로그램 (Cursor, Claude Desktop, Q 등)
  • Clients: MCP Server와 1:1 연결하는 클라이언트
  • Servers: 실제 호출 대상 (Slack, Notion, Figma 등)

 

💻 Amazon Q Developer - 개발자를 위한 Agentic AI

 

개발자로서 가장 관심 있게 들었던 부분이에요.

Amazon Q Developer의 발전 방향이 정말 인상적이더라고요.

  • 2028년: 엔지니어의 75%가 AI 코딩 어시스턴트 사용 예상
  • 2025년 Y Combinator 스타트업 중 25%가 코드의 95% 이상을 AI로 생성
  • 비결정적(non-deterministic) 프로그래밍 방식이 확산될 것

바이브 코딩과 새로운 개발 패러다임

"바이브 코딩"이라는 용어가 새로웠는데,

LLM에 프롬프트로 문제 해결을 요청하는 방식이라고 하네요.

현재 Eclipse 지원 + KIRO (Cursor-like IDE)도 개발 중이라고 합니다.

Q Developer의 에이전트들

  1. /dev: 프로젝트 코드 개발
  2. /test: 유닛 테스트 코드 생성
  3. /review: 보안 취약점 및 코드 리뷰
  4. /doc: 문서 생성 및 업데이트
  5. /transform: 코드 컨버팅 (Java 8/11 → 21 같은)

 

📊 QuickSight - 자연어로 BI 대시보드 만들기

 

QuickSight 데모도 인상적이었어요.

자연어로 "4월 매출 추이 분석해줘", "매출 감소 원인 찾아줘" 같은 요청을 하면

자동으로 대시보보드를 생성하고 분석 결과까지 제공한다고 하더라고요.

 

🎯 Amazon Bedrock Agent와 멀티 테넌시

Bedrock Agent 동작 방식

  1. 질문 분석
  2. 필요한 데이터 수집 (Knowledge base/API 등)
  3. 응답 생성

Foundation Model과 Lambda 함수를 조합해서 외부 작업을 실행하는 구조라고 설명해주더라고요.

멀티 테넌시 구현

세미나에서 보안 관련해서 강조했던 부분인데, 테넌트(각 사용자/조직)별로 완전히 격리해야 한다는 점이었어요.

Pooled 리소스를 여러 테넌트가 공유
Siloed 각 테넌트별 완전 격리
Mixed 두 방식의 절충안

Amazon Bedrock이 stateless 서비스라서 외부 API Gateway와 Lambda로 사용자 컨텍스트를 유지한다고 하네요.

IAM 정책도 동적으로 생성해서 보안을 강화한다고 합니다.

 

💡 실무에서 MCP 활용하기

SaaS 통합의 혁신

발표자가 보여준 활용 사례가 정말 실용적이었어요:

  • Slack, Notion, 내부 시스템 연동으로 자동 회의 요약
  • 코드 리뷰 자동화
  • 문서 자동 생성
  • 고객 문의 자동 응답

"고객이 문의를 남기면 답변을 노션에 자동으로 작성해줘" 같은 요청이 가능하다니 정말 편리할 것 같아요.

MCP 서버 개발 팁

  • Smithery 같은 사이트에서 기존 MCP 서버들 활용 가능
  • Python으로 직접 개발할 때는 FastMCP 추천
  • AWS와의 통합은 InlineAgent SDK나 Strands Agents 활용

 

🚀 개발 꿀팁

세미나 마지막에 발표자가 알려준 실무 팁들이 유용했어요:

# MCP 서버 샘플 가져오기
git clone .../mcp-sample

# Q Chat에서 MCP 서버 생성
/context add .../mcp-sample/*

Q Chat에게 "mcp server 만들 건데"라고 하고 위 컨텍스트를 추가하면 뚝딱 만들어준다고 하네요!

주의사항

  • 에이전트는 10개 미만으로 제한 (성능 이슈)
  • Python MCP 서버 개발시 FastMCP 적극 활용

 

🎯 세미나를 마치며

 

오늘 세미나를 들으면서 AI 기술의 발전 속도에 다시 한번 놀랐습니다.

단순히 질문에 답하는 AI에서 스스로 계획하고 실행하는 AI로의 변화가 생각보다 빠르게 진행되고 있더라고요.

특히 MCP를 통한 시스템 통합의 간소화와 Amazon Q Developer의 실무 적용 사례들을 보면서,

개발자로서도 이런 도구들을 적극 활용해야겠다는 생각이 들었습니다.

 

안그래도 요즘 MCP 활용한 업무 자동화에 대해 푹 빠져있는데

다음 블로그는 그 내용에 대해 정리해볼까 합니다 

반응형