본문으로 건너뛰기
AWS ML Blog조회 1회

Amazon Bedrock AgentCore 업데이트: 지식 확장과 지속적 학습을 통한 에이전트 구축

Amazon Bedrock AgentCore가 RAG, 웹 검색, 유료 콘텐츠 연동 및 지속적 학습을 위한 최적화 루프를 통해 에이전트 개발과 운영을 지원한다.

섹션별 상세

Amazon Bedrock Managed Knowledge Base는 복잡한 데이터 파이프라인 구축 없이 SharePoint, S3 등 다양한 소스의 데이터를 에이전트가 활용하도록 지원한다. 에이전트 기반 검색(Agentic Retrieval)을 통해 단순 매칭을 넘어 다중 쿼리 계획과 결과 재순위화를 수행하여 더 정확한 답변을 생성한다.
AgentCore의 세 가지 지식 계층(Managed Knowledge Base, Web Search, Paid Content)을 보여주는 다이어그램.
Diagram에이전트가 어떻게 다양한 데이터 소스에 접근하는지 구조를 보여준다. 관리형 지식 베이스, 웹 검색, 유료 콘텐츠가 게이트웨이를 통해 통합되는 과정을 설명한다.
근거
  • Bedrock Managed Knowledge Base는 복잡한 데이터 파이프라인 구축 없이 다양한 소스의 데이터를 에이전트가 활용하도록 지원한다. — Organizational knowledge layer 섹션
Web Search 기능은 AWS 보안 경계 내에서 실시간 웹 정보를 에이전트가 활용하게 하여 최신 시장 동향이나 사실 확인이 필요한 작업의 정확도를 높인다. 이는 Amazon의 검색 인프라를 기반으로 하며, 공공 웹 정보와 Amazon의 지식 그래프를 결합하여 구조화된 엔티티 데이터를 제공한다.
AgentCore payments와 WAF AI traffic monetization은 유료 데이터나 프리미엄 API를 에이전트가 안전하게 결제하고 사용할 수 있는 생태계를 구축한다. 이를 통해 에이전트는 무료 정보에 국한되지 않고 전문적인 유료 리소스를 활용하여 더 높은 품질의 답변을 제공한다.
새로운 최적화 루프는 생산 환경의 에이전트 동작을 분석하여 실패 패턴을 식별하고, 데이터에 기반한 프롬프트 및 도구 설명 개선안을 제안한다. 배치 평가와 A/B 테스트를 통해 변경 사항을 검증한 후 배포함으로써, 추측에 의존하던 기존의 에이전트 개선 방식을 데이터 기반의 지속적 개선 프로세스로 전환한다.
에이전트 성능 개선을 위한 최적화 루프(Insights, Recommendations, Evaluation, A/B Testing) 프로세스 다이어그램.
Diagram실패 패턴 분석부터 개선안 제안, 검증, 배포로 이어지는 지속적 개선 프로세스를 시각화한다. 데이터 기반의 에이전트 운영 방식을 설명한다.
근거
  • 최적화 루프는 생산 환경의 에이전트 동작을 분석하여 실패 패턴을 식별하고, 데이터에 기반한 프롬프트 및 도구 설명 개선안을 제안한다. — Agents that learn from every interaction 섹션
Bedrock Guardrails 통합은 프롬프트 인젝션, 유해 콘텐츠, 민감 정보 노출을 게이트웨이 계층에서 결정론적으로 차단한다. 에이전트의 코드 외부에서 보안 정책을 적용하여 에이전트가 우회할 수 없는 강력한 안전 장치를 제공한다.
AgentCore harness는 에이전트의 오케스트레이션 루프, 도구 실행, 상태 관리 등을 관리형으로 제공하여 개발자가 인프라 구축 대신 에이전트 정의에 집중하게 한다. 특정 모델에 종속되지 않는 구조로 설계되어 필요에 따라 모델을 교체하거나 코드로 내보내어 커스텀 오케스트레이션을 구현할 수 있다.

이미지 분석

에이전트 아키텍처의 핵심 구성 요소(Model, Knowledge Base, Compute, Tools 등)를 보여주는 다이어그램.
Diagram

에이전트가 모델을 중심으로 다양한 리소스와 어떻게 연결되는지 보여준다. AgentCore의 통합적 아키텍처를 설명한다.

에이전트 아키텍처의 핵심 구성 요소(Model, Knowledge Base, Compute, Tools 등)를 보여주는 다이어그램.

용어 해설

검색 증강 생성(RAG)
— 외부 데이터를 검색하여 LLM의 컨텍스트에 주입함으로써 모델의 답변 정확도와 최신성을 높이는 기술이다. 본문에서는 Managed Knowledge Base를 통해 이를 자동화한다.
에이전트 기반 검색(Agentic Retrieval)
— 단순한 벡터 유사도 검색을 넘어, 에이전트가 쿼리를 계획하고 여러 지식 소스를 연결하며 결과를 재순위화하는 지능형 검색 방식이다.
프롬프트 인젝션(Prompt Injection)
— 사용자가 악의적인 입력을 통해 AI 모델의 지시사항을 무시하고 의도치 않은 동작을 수행하게 만드는 보안 공격 기법이다.
A/B 테스트(A/B Testing)
— 두 가지 이상의 버전 중 어떤 것이 더 나은 성과를 내는지 비교하는 실험 방법이다. 본문에서는 에이전트 버전 간 성능을 비교하는 데 사용된다.

기술

  • Amazon Bedrock
  • AgentCore
  • Bedrock Guardrails
  • SharePoint
  • S3

활용 사례

  • 기업용 지식 어시스턴트
  • 고객 서비스 자동화
  • 소프트웨어 개발 자동화
  • 시장 조사 에이전트
AI 분석 전체 내용 보기

AI 요약 · 북마크 · 개인 피드 설정 — 무료

출처 · 인용 안내

원문 발행 2026. 06. 18.수집 2026. 06. 18.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.