Amazon Bedrock AgentCore와 LangChain Deep Agents로 컨텍스트가 풍부한 연구 에이전트 구축하기

섹션별 상세

연구 에이전트는 다수의 웹 페이지를 읽고 분석할 때 컨텍스트 윈도우 부족과 리소스 경쟁으로 인해 성능 저하가 발생한다.

python

model = ChatBedrockConverse(
    model="us.anthropic.claude-sonnet-4-6",
    region_name="us-west-2",
    config=BotoConfig(read_timeout=300),
)

Claude Sonnet 모델을 사용하는 오케스트레이터 설정

LangChain Deep Agents와 Amazon Bedrock AgentCore의 아키텍처 흐름도 — Diagram오케스트레이터가 서브 에이전트를 생성하고, 각 서브 에이전트가 격리된 MicroVM에서 브라우저 및 코드 인터프리터 툴을 사용하는 데이터 흐름을 보여준다.

LangChain Deep Agents는 오케스트레이터 역할을 수행하며, specialized ephemeral 서브 에이전트를 생성하여 작업을 분산한다.

python

for company_name, company_url in COMPETITORS:
    browser_toolkit, browser_tools = create_browser_toolkit(region="us-west-2")
    browser_toolkit.session_manager.session_wait_timeout = 60.0
    toolkits_to_cleanup.append(browser_toolkit)
    research_subagents.append({
        "name": f"research-{company_name.lower()}",
        "description": f"Researches {company_name} by browsing {company_url}.",
        "system_prompt": RESEARCHER_PROMPT,
        "tools": browser_tools,
    })

각 경쟁사별로 브라우저 서브 에이전트를 생성하는 루프

AgentCore Browser MicroVM을 이용한 병렬 연구 작업의 실행 로그 — Screenshot각 연구 서브 에이전트가 독립적인 MicroVM 세션에서 병렬로 실행되는 과정을 보여주며, 연구 효율성을 시각적으로 확인 가능하다.

Amazon Bedrock AgentCore는 각 서브 에이전트에 필요한 격리된 MicroVM 환경을 제공하여 브라우저 연구와 파이썬 코드 분석을 독립적으로 실행한다.

python

ci_toolkit, ci_tools = await create_code_interpreter_toolkit(region="us-west-2")
toolkits_to_cleanup.append(ci_toolkit)
analyst_subagent = {
    "name": "data-analyst",
    "description": "Analyzes competitor data, generates charts and reports.",
    "system_prompt": ANALYST_PROMPT,
    "tools": ci_tools,
}

데이터 분석을 위한 코드 인터프리터 툴킷 생성

연구 단계에서 3개의 브라우저 서브 에이전트가 병렬로 경쟁사 웹사이트를 탐색하고 구조화된 데이터를 반환한다.

데이터 분석 단계에서는 별도의 분석가 서브 에이전트가 AgentCore Code Interpreter를 사용하여 차트와 보고서를 생성한다.

python

result = await agent.ainvoke(
    {"messages": [{"role": "user", "content": "Compare pricing for GitHub, GitLab, and Bitbucket"}]},
    config={"configurable": {"thread_id": "session-1", "actor_id": "research-agent"}},
)

에이전트 실행 및 연구 요청 호출

근거

Sequential processing of the same research would take up to 3x longer. — Step 5: Create and run the agent

AgentCore Memory를 통해 장기 기억을 관리하고, CloudWatch 또는 LangSmith를 사용하여 전체 워크플로의 추적과 디버깅이 가능하다.

용어 해설

마이크로 가상 머신(MicroVM): — 경량화된 단일 목적 가상 머신으로, 에이전트 작업 시 격리된 실행 환경을 제공하여 보안과 리소스 효율성을 높인다.
오케스트레이션(Orchestration): — 여러 에이전트의 작업 흐름을 관리하고, 서브 에이전트 생성 및 생명주기를 제어하여 전체 시스템의 목표를 달성하는 과정.
컨텍스트 윈도우(Context Window): — LLM이 한 번에 처리할 수 있는 텍스트 양의 제한으로, 연구 에이전트가 많은 데이터를 처리할 때 이 공간을 효율적으로 관리하는 것이 중요하다.