본문으로 건너뛰기

Amazon Bedrock AgentCore를 활용한 AI 기반 대시보드 자동화 에이전트 구축

Amazon Bedrock AgentCore와 Strands 프레임워크를 활용해 자연어 기반의 대시보드 검색 및 수정 자동화 에이전트를 구축하는 방법.

섹션별 상세

01
기존 대시보드 수정 프로세스는 IT 팀의 개입이 필요해 수일의 대기 시간이 발생한다. 이 솔루션은 Amazon Bedrock AgentCore와 Strands 프레임워크를 사용하여 자연어 기반의 자가 서비스 대시보드 관리 시스템을 구축한다.
python
@tool
def find_dashboard_tool(dashboard_name: str = "") -> str:
    """Find Quick dashboards by name (supports partial matching)"""
    client = boto3.client('quicksight', region_name=REGION)
    response = client.list_dashboards(AwsAccountId=AWS_ACCOUNT_ID)
    dashboards = response.get('DashboardSummaryList', [])
    # List all dashboards if no search term provided
    if not dashboard_name or dashboard_name.strip() == "":
        all_names = [d['Name'] for d in dashboards]
        return f"All dashboards ({len(all_names)}): {all_names}"
    # Filter using case-insensitive partial matching
    matches = [d['Name'] for d in dashboards if dashboard_name.lower() in d['Name'].lower()]
    return f"Found {len(matches)} dashboards: {matches}"

대시보드 이름으로 검색을 수행하는 도구 함수

02
아키텍처는 오케스트레이터 에이전트, 대시보드 검색 에이전트, 대시보드 수정 에이전트로 구성된다. 오케스트레이터는 사용자 의도를 분석하여 적절한 하위 에이전트로 작업을 라우팅하고, 하위 에이전트는 Amazon Quick API를 호출하여 실제 작업을 수행한다.
python
@tool
def modify_dashboard(dashboard_name: str, action: str, column_name: str) -> str:
    """Modify a dashboard by adding or removing columns"""
    client = boto3.client('quicksight', region_name=REGION)
    info = _get_dashboard_and_dataset_info(dashboard_name)
    # Validation-first: verify column state before making changes
    if action == "add":
        if column_name in info["dashboard_columns"]:
            return f"Column '{column_name}' is already in the dashboard."
        if column_name not in info["dataset_columns"]:
            return f"Column '{column_name}' doesn't exist in dataset."
    elif action == "remove":
        if column_name not in info["dashboard_columns"]:
            return f"Column '{column_name}' is not in the dashboard."

대시보드 수정 전 컬럼 존재 여부를 검증하는 로직

Amazon Bedrock AgentCore 기반의 멀티 에이전트 아키텍처 다이어그램
Diagram오케스트레이터 에이전트가 사용자 입력을 받아 Find Dashboard Agent와 Modify Dashboard Agent로 작업을 라우팅하는 구조를 보여준다. Amazon Nova, 메모리, 관측성 컴포넌트와의 상호작용을 명확히 설명한다.
03
수정 에이전트는 검증 우선 워크플로를 따른다. 컬럼 추가/삭제 시 데이터셋 스키마를 먼저 확인하고, 기존 대시보드를 보존하며 새로운 버전의 대시보드를 생성하여 데이터 무결성과 롤백 가능성을 보장한다.
04
Amazon Bedrock AgentCore는 에이전트 배포, 메모리 관리, 관측성 기능을 제공한다. 개발자는 Strands 프레임워크를 사용하여 에이전트 로직을 코드로 작성하고, 직접 코드 배포 방식을 통해 런타임 환경에 즉시 적용한다.
Amazon Bedrock AgentCore 콘솔의 에이전트 설정 화면
Screenshot배포된 에이전트의 상태(Ready), 엔드포인트(DEFAULT), 버전 정보 및 관측성 메트릭을 확인할 수 있는 대시보드 화면이다.
Amazon Bedrock AgentCore 샌드박스에서의 대시보드 검색 테스트
Screenshot사용자가 자연어로 대시보드 검색을 요청하고 에이전트가 이를 처리하여 결과를 반환하는 과정을 보여준다.
Amazon Bedrock AgentCore 샌드박스에서의 대시보드 수정 테스트
Screenshot사용자가 대시보드에 컬럼 추가를 요청하고 에이전트가 성공적으로 작업을 수행하여 결과를 출력하는 과정을 보여준다.

용어 해설

멀티 에이전트 아키텍처(Multi-Agent Architecture)
특정 작업을 수행하기 위해 여러 에이전트가 협력하는 구조. 오케스트레이터가 사용자 의도를 파악하고 적절한 하위 에이전트에게 작업을 위임하여 복잡한 워크플로를 효율적으로 처리한다.
에이전트 플랫폼(Agentic Platform)
에이전트의 구축, 배포, 운영을 지원하는 인프라. 메모리 관리, 도구 접근 제어, 관측성 등을 제공하여 에이전트의 프로덕션 배포를 가속화한다.
검증 우선 워크플로(Validation-first Workflow)
작업을 실행하기 전에 데이터셋 스키마나 컬럼 존재 여부를 사전에 확인하는 프로세스. 에이전트의 실수로 인한 설정 오류를 방지하고 시스템 안정성을 높인다.

기술

  • Amazon Bedrock AgentCore
  • Strands Agents
  • Amazon Nova
  • Amazon QuickSight
  • Python
  • AWS IAM

활용 사례

  • 대시보드 자동 수정
  • 자연어 기반 데이터 검색
  • API 기반 서비스 자동화
AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 05. 22.수집 2026. 05. 22.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.