본문으로 건너뛰기

Amazon Bedrock AgentCore로 300개 앱 마이그레이션

Amazon Bedrock AgentCore 기반 다중 에이전트가 300개가 넘는 애플리케이션의 AWS 마이그레이션과 운영을 연결합니다.

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

TL;DR

300개가 넘는 애플리케이션을 AWS로 옮길 때 수동 탐색, 애플리케이션별 IaC 작성, 이전 후 장애 대응이 일정과 인력을 압박합니다. AWS Professional Services는 Strands Agents SDK 기반의 Intake, IaC, Migration Intelligence and Governance, SRE Agent를 Amazon Bedrock AgentCore에서 실행해 탐색부터 운영까지 연결했습니다. Intake Agent의 산출물을 AgentCore Memory로 공유하면 IaC Agent가 승인된 보안 패턴에 따라 코드를 만들고, Policy in AgentCore와 AgentCore Identity, Guardrails가 호출과 배포를 통제합니다. 내부 프로젝트 추적 자료 기준 IaC 작성 시간은 애플리케이션당 3–4주에서 몇 분으로 줄었으며, 모든 운영 자동화에는 사람의 승인이 필요합니다.

섹션별 상세

300개가 넘는 애플리케이션을 정해진 회계연도 안에 AWS로 옮기는 과정에서는 수동 탐색, 애플리케이션별 IaC 작성, 이전 후 장애 대응이 병목으로 누적됩니다. AWS Professional Services는 이 반복 작업을 네 종류의 목적별 에이전트로 나누고, Strands Agents SDK로 정의한 에이전트를 Amazon Bedrock AgentCore에서 실행하는 구조를 구성했습니다. 내부 프로젝트 추적 자료 기준으로 IaC 개발 시간은 애플리케이션당 3–4주에서 몇 분으로 줄었지만, 실제 결과는 애플리케이션 복잡도와 조직 요건에 따라 달라질 수 있습니다.
근거
  • 이 프레임워크는 300개가 넘는 애플리케이션 포트폴리오에서 IaC 개발 시간을 애플리케이션당 3–4주에서 몇 분으로 줄였습니다. 본문의 도입부와 측정 가능한 영향 섹션에 내부 프로젝트 추적 자료를 근거로 같은 시간이 제시됩니다.
마이그레이션 여정은 Intake Agent, IaC Agent, Migration Intelligence and Governance Agent가 탐색부터 배포와 포트폴리오 관리까지 연결하고, Operations 여정은 SRE Agent가 이전 후 모니터링과 자동 대응을 맡는 방식입니다. Intake Agent가 온프레미스 문서, 인벤토리, 의존성 자료를 읽어 목표 AWS 아키텍처와 권장 이전 패턴을 만들면, 그 결과가 AgentCore Memory의 공유 컨텍스트를 거쳐 IaC Agent로 전달됩니다. 이 연결은 단계 사이의 수동 인수인계를 줄이면서도 각 작업을 기능별 에이전트와 도구 범위 안에 유지합니다.
Amazon Bedrock AgentCore를 중심으로 Intake, IaC, Migration Intelligence and Governance, SRE Agent가 마이그레이션과 운영 여정을 연결하는 구조도입니다.
Diagram도식은 Wave team과 온프레미스 데이터센터의 문서와 애플리케이션이 Intake Agent로 들어가고, AgentCore Memory의 공유 상태를 거쳐 IaC Agent와 Migration Intelligence and Governance Agent로 이어지는 흐름을 나타냅니다. 이후 SRE Agent가 CloudWatch 기반 운영과 자동 대응을 맡으며, AgentCore Gateway를 통해 Jira, Confluence, Webex, 코드 저장소 같은 협업 도구와 연결되고 AWS DMS와 AWS Transform이 데이터와 애플리케이션 현대화를 보완합니다.
AgentCore 런타임은 서버리스 실행 환경에서 세션 격리와 다중 에이전트 오케스트레이션을 제공하고, Bedrock foundation models는 문서 해석, 코드 생성, 다단계 작업의 추론을 담당합니다. 각 에이전트는 AgentCore Gateway를 통해 기능별 MCP 도구를 호출하며, AgentCore Identity가 제한된 IAM 역할로 호출을 인증하고 AgentCore Memory가 세션 상태와 공유 진행 상황을 저장합니다. Intake Agent가 목표 아키텍처와 의존성 매핑을 기록하면 IaC Agent가 같은 컨텍스트를 읽어 코드 생성을 시작하므로 별도 수동 전달이 필요하지 않습니다.
근거
  • Amazon Bedrock AgentCore는 에이전트를 서버리스 환경에서 실행하고 세션 격리, 다중 에이전트 오케스트레이션, 도구 호출 보안 기능을 연결합니다. 아키텍처 개요와 구성 요소 연결 섹션에서 AgentCore Runtime, Gateway, Identity, Memory의 역할이 이어서 설명됩니다.
IaC Agent는 웨이브 팀의 steering document에서 배포 범위, 컴플라이언스 제약, 승인된 예외를 추출한 뒤 목표 아키텍처 다이어그램의 구성 요소와 의존성을 해석합니다. 이어 조직이 정한 패턴으로 네트워크, 보안 그룹, IAM 역할, CloudWatch 알람, EC2, VPC, 필수 태그와 원격 상태 관리를 포함한 IaC를 만들고, Cedar 규칙을 사용하는 Policy in AgentCore가 도구 호출의 변경 범위와 의존성 충돌을 실행 전에 검사합니다. 실행 plane은 배포 결과를 모니터링하고 AgentCore Observability에 기록하며, 에이전트는 IaC 코드와 테스트, 컴플라이언스 보고서, 배포 런북을 코드 저장소로 전달합니다.
python
import logging
import os
from bedrock_agentcore.runtime import BedrockAgentCoreApp
from strands import Agent
from strands.models import BedrockModel
from strands.tools.mcp import MCPClient
from strands.tools.mcp.mcp_types import MCPClientCredentials

logger = logging.getLogger(__name__)
app = BedrockAgentCoreApp()
REGION = os.environ["AWS_REGION"]

# url+auth lets the SDK run the client_credentials grant and re-mint the
# token on expiry. A statically captured bearer token would go stale.
gateway = MCPClient(
    url=os.environ["GATEWAY_MCP_URL"],
    auth=MCPClientCredentials(
        client_id=os.environ["GATEWAY_CLIENT_ID"],
        client_secret=get_secret("gateway/client_secret"),
        scopes=[os.environ["GATEWAY_SCOPE"]],
    ),
)

model = BedrockModel(
    model_id=os.environ["MODEL_ID"],
    region_name=REGION,
    guardrail_id=os.environ["GUARDRAIL_ID"],
    guardrail_version=os.environ.get("GUARDRAIL_VERSION", "1"),
    guardrail_trace="enabled",
)

@app.entrypoint
def invoke(payload, context):
    prompt = (payload.get("prompt") or "").strip()
    if not prompt:
        return {"status": "error", "error": "missing required field: prompt"}
    try:
        # tools=[gateway]: SDK owns the connection lifecycle and paginates
        # tool discovery, which list_tools_sync() alone does not.
        agent = Agent(
            model=model,
            system_prompt=IAC_AGENT_PROMPT,
            tools=[gateway],
        )
        result = agent(prompt)
        if result.stop_reason == "guardrail_intervened":
            logger.warning("guardrail blocked request, session_id=%s", getattr(context, "session_id", None))
            return {"status": "blocked_by_guardrail"}
        return {"status": "ok", "iac": str(result)}
    except Exception as e:
        logger.exception("invocation failed, session_id=%s", getattr(context, "session_id", None))
        return {"status": "error", "error": str(e)}

if __name__ == "__main__":
    app.run()

Strands Agent를 Amazon Bedrock AgentCore 런타임에 연결하고 MCP 도구, Bedrock 모델, Guardrails 정책을 설정한 뒤 IaC를 반환합니다.

근거
  • IaC Agent는 승인된 조직 패턴을 사용해 IaC, 테스트 사례, 컴플라이언스 보고서, 배포 런북을 생성하고 코드 저장소로 전달합니다. IaC Agent의 다섯 단계 작업 흐름과 출력 산출물 절에 생성 항목과 저장소 전달 과정이 제시됩니다.
  • Policy in AgentCore는 Cedar 규칙으로 도구 호출의 변경 범위와 동시 작업 충돌, 컴플라이언스 창 유효성을 확인합니다. IaC Agent 작업 흐름의 네 번째 단계에서 실행 전 정책 평가 항목이 구체적으로 제시됩니다.
보안은 별도 사후 절차가 아니라 각 에이전트 호출과 배포 단계에 내장됩니다. AgentCore Identity는 런타임에 중앙 자격 증명 공급자에서 비밀을 조회하고 최소 권한 IAM 역할로 호출을 인증하며, 입력 스키마 검증은 잘못된 요청을 경계에서 거부하고 AgentCore Observability와 AWS CloudTrail은 작업을 중앙 감사 기록으로 남깁니다. Amazon Bedrock Guardrails는 프롬프트와 모델 응답에 콘텐츠 필터, 금지 주제, 민감 정보 필터, 컨텍스트 기반 근거 확인을 적용하고, 운영 시스템에 대한 자동 작업은 사람의 명시적 승인을 거칩니다.
근거
  • 모든 에이전트의 운영 자동화는 사람의 명시적 승인을 거치며 에이전트는 운영 시스템에서 독자적으로 행동하지 않습니다. 보안 및 컴플라이언스 절과 Migration Intelligence and Governance Agent 절에서 승인 게이트 원칙이 반복됩니다.
Migration Intelligence and Governance Agent는 AgentCore Gateway를 통해 Jira의 진행 상황과 장애 요인, Confluence의 아키텍처 문서와 런북, Webex의 회의 메모와 조치 항목을 모읍니다. 이를 바탕으로 300개가 넘는 애플리케이션의 상태 보고, Well-Architected 평가, 컴플라이언스 검증, 패턴 준수 추적을 온디맨드로 만들고, 필요한 Jira 작업과 ServiceNow 티켓을 생성할 수 있습니다. Confluence 수정, Jira 작업 생성, 에스컬레이션 티켓 발행은 모두 사람의 승인을 거친 뒤 실행되어 자동화가 의사결정을 대체하지 않도록 설계됐습니다.
SRE Agent는 AWS로 이전된 애플리케이션의 CloudWatch 지표, 성능 자료, 과거 패턴을 계속 관찰해 장애가 운영 환경에 영향을 주기 전에 경고를 내고 공통 장애 패턴에 대한 대응 playbook을 게시합니다. 사람의 승인을 전제로 데이터베이스 클러스터 크기 조정, 성능 튜닝, 스토리지 계층화, 컴퓨팅 확장과 효율화 같은 개선안을 추천합니다. AWS DMS의 Generative AI 기반 스키마 변환과 자동 cutover는 데이터베이스 이전을 보완하고, AWS Transform은 레거시 코드의 애플리케이션별 현대화를 맡아 단순한 인프라 lift-and-shift를 넘어서는 흐름을 구성합니다.
근거
  • SRE Agent는 CloudWatch 자료와 과거 패턴을 바탕으로 사전 경고, 자동 대응 playbook, 운영 효율화 권고를 수행합니다. Phase 3 SRE Agent 절에서 모니터링 입력, 사전 경고, 대응 playbook, 승인 대상 개선 영역이 제시됩니다.

용어 해설

AgentCore Gateway
AgentCore Gateway는 API, AWS Lambda 함수, 기존 서비스를 Model Context Protocol 호환 도구로 연결하는 Amazon Bedrock AgentCore 구성 요소입니다. 각 Agent가 기능별 도구를 호출할 수 있게 하며, 중앙 집중식 인증과 정책 적용을 통해 다중 에이전트 작업의 실행 경계를 관리합니다.
Model Context Protocol
Model Context Protocol은 AI 에이전트가 외부 도구와 서비스를 일정한 방식으로 호출하도록 연결하는 프로토콜입니다. 이 구현에서는 AgentCore Gateway를 거쳐 AWS Lambda, API, 기존 서비스를 도구로 노출하고 Agent별 기능 범위를 제한하는 데 쓰입니다.
Infrastructure as Code
Infrastructure as Code는 서버, 네트워크, 권한 같은 인프라 구성을 코드로 정의하고 배포하는 방식입니다. 이 글의 IaC Agent는 승인된 패턴과 보안 기준을 바탕으로 코드를 만들고 테스트, 컴플라이언스 보고서, 배포 런북까지 함께 생성합니다.
Cedar
Cedar는 정책 규칙을 작성하고 권한이나 작업 범위를 판정하는 정책 언어입니다. Policy in Amazon Bedrock AgentCore는 Cedar 규칙으로 도구 호출의 변경 범위, 동시 작업과의 충돌, 컴플라이언스 창 유효성을 실행 전에 확인합니다.
Human-in-the-loop(human-in-the-loop)
Human-in-the-loop는 AI가 반복 작업과 판단 자료를 처리하되 운영 환경의 실행 결정은 사람이 승인하는 방식입니다. 이 프레임워크는 모든 에이전트의 자동 작업에 명시적 승인을 요구하며, 에이전트가 운영 시스템에서 독자적으로 행동하지 못하게 합니다.

기술

  • Amazon Bedrock AgentCore
  • Strands Agents SDK
  • Amazon Bedrock foundation models
  • Model Context Protocol
  • AgentCore Gateway
  • AgentCore Identity
  • AgentCore Memory
  • AgentCore Observability
  • Policy in AgentCore
  • Amazon Bedrock Guardrails
  • AWS Identity and Access Management (IAM)
  • AWS CloudTrail
  • Amazon CloudWatch
  • AWS Database Migration Service (AWS DMS)
  • AWS Transform
  • Jira
  • Confluence
  • Webex
  • ServiceNow
  • AWS CodeCommit
  • GitLab
  • Bitbucket
  • Cedar

활용 사례

  • 300개가 넘는 애플리케이션의 대규모 데이터센터 종료 마이그레이션
  • 온프레미스 애플리케이션 탐색과 의존성 매핑
  • 조직 표준에 맞춘 AWS 인프라 코드 생성
  • 마이그레이션 포트폴리오 상태 보고와 Well-Architected 평가
  • 이전 후 CloudWatch 기반 사전 모니터링과 자동 대응
  • AWS DMS를 활용한 데이터베이스 스키마 변환과 cutover
  • AWS Transform을 활용한 레거시 애플리케이션 현대화
AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 08. 21.수집 2026. 08. 21.출처 타입 RSS

인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.