Amazon Bedrock AgentCore Runtime: 관리형 세션 스토리지 및 셸 명령 실행 기능 출시

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

핵심 요약

Amazon Bedrock AgentCore Runtime에 에이전트의 파일시스템 상태를 유지하는 관리형 세션 스토리지와 셸 명령을 직접 실행하는 기능이 추가됐다. 기존 에이전트 세션은 microVM 종료 시 생성된 코드나 의존성이 모두 삭제되는 휘발성 문제가 있었으나, 이제 `/mnt` 경로를 통해 데이터를 최대 14일간 보존할 수 있다. 또한 InvokeAgentRuntimeCommand를 통해 테스트나 빌드 같은 결정론적 작업을 LLM을 거치지 않고 microVM 내부에서 직접 수행한다. 이 두 기능의 결합으로 에이전트가 코드를 작성하고 직접 검증하며 상태를 유지하는 완전한 개발 워크플로 구현이 가능해졌다.

배경

Amazon Bedrock AgentCore Runtime에 대한 기본 지식, AWS SDK for Python (Boto3) 사용 경험, Docker 컨테이너 및 셸 스크립트 작성 능력

대상 독자

Amazon Bedrock을 사용하여 자율형 코딩 에이전트나 복잡한 워크플로를 구축하는 개발자

의미 / 영향

이 기능은 AI 에이전트가 단순한 챗봇을 넘어 실제 소프트웨어 엔지니어링 작업을 수행할 수 있는 실질적인 인프라를 제공합니다. 특히 영구 스토리지와 직접 명령 실행의 결합은 에이전트의 운영 비용을 낮추고 복잡한 다단계 작업의 성공률을 획기적으로 높일 것입니다.

섹션별 상세

에이전트 세션의 휘발성 파일시스템 문제는 장기적인 작업 수행의 큰 병목이었다. AgentCore Runtime은 각 세션을 격리된 microVM에서 실행하므로 세션이 타임아웃되거나 중단되면 설치된 의존성과 생성된 코드가 모두 삭제된다. 이로 인해 에이전트가 다시 호출될 때마다 환경 구축에 불필요한 컴퓨팅 자원과 시간을 소모해야 했다. 영구적인 저장소 없이 체크포인트 로직을 직접 구현하는 방식은 코드 복잡도를 높이는 원인이 됐다.

관리형 세션 스토리지는 세션 중단 후에도 지정된 디렉토리의 데이터를 보존하여 에이전트의 연속성을 보장한다. 에이전트 생성 시 filesystemConfigurations 설정을 통해 `/mnt/workspace`와 같은 마운트 경로를 지정하면 해당 폴더의 모든 변경 사항이 스토리지에 기록된다. 세션이 종료된 후 동일한 세션 ID로 다시 호출하면 새로운 microVM이 기존 스토리지를 자동으로 마운트하여 이전 상태를 복구한다. 최대 1GB의 데이터를 지원하며 14일의 유휴 기간 동안 데이터를 유지하여 다일간의 워크플로를 지원한다.

InvokeAgentRuntimeCommand 기능은 LLM의 추론 없이도 microVM 내부에서 셸 명령을 직접 실행할 수 있게 한다. npm test나 git push와 같이 결과가 명확한 결정론적 작업을 LLM 도구 호출로 처리하면 토큰 비용과 지연 시간이 발생하고 비결정론적인 오류가 섞일 위험이 있다. 이 API를 사용하면 에이전트가 사용하는 동일한 컨테이너 환경에서 bash 프로세스를 실행하고 stdout 및 stderr 출력을 실시간으로 스트리밍한다. 이는 에이전트의 창의적 작업과 시스템의 기계적 작업을 분리하여 전체 시스템의 신뢰성을 높인다.

영구 스토리지와 셸 실행 기능의 통합은 에이전트가 스스로 코드를 수정하고 검증하는 자율적 루프를 완성한다. 에이전트가 InvokeAgentRuntime으로 코드를 작성하면, 시스템은 InvokeAgentRuntimeCommand로 테스트를 실행하고 그 결과에 따라 다음 동작을 결정한다. 모든 작업 결과물이 동일한 파일시스템에 저장되므로 에이전트와 셸 명령 간에 별도의 데이터 동기화 과정이 필요하지 않다. 이러한 구조는 에이전트가 추론하고 셸이 실행하며 파일시스템이 기억하는 효율적인 협업 모델을 제공한다.

실무 Takeaway

에이전트의 작업 결과물을 /mnt/workspace와 같은 관리형 경로에 저장하여 세션 재시작 시 발생하는 환경 재구축 비용을 제거해야 한다.
테스트, 빌드, Git 운영처럼 결과가 예측 가능한 작업은 InvokeAgentRuntimeCommand를 사용하여 LLM 토큰 비용을 절감하고 실행 속도를 높여야 한다.
세션 데이터는 최대 1GB까지 지원되며 14일간 보존되므로, 대규모 데이터 처리 시에는 별도의 Amazon S3 연동 전략을 병행해야 한다.

언급된 리소스

GitHubExecute command tutorial and samples on GitHub

GitHubManaged session storage via FileSystem on GitHub