Amazon Bedrock AgentCore Gateway로 AI 에이전트 툴 통합을 자동화하는 방법

아마존 Bedrock AgentCore Gateway: 엔터프라이즈 AI 에이전트 통합의 새로운 기준

AI 에이전트는 다양한 툴, 데이터 저장소, 프롬프트 템플릿, 다른 에이전트 등 여러 자산에 접근해야 실제로 유용한 작업을 수행할 수 있습니다. 하지만 엔터프라이즈 환경에서 AI 에이전트와 수백 또는 수천 개의 툴을 손쉽게 연결하는 것은 점점 더 복잡한 일이 되고 있습니다. 이러한 문제를 해결하기 위해 AWS는 새로운 방식의 AI 툴 연동 서비스를 발표했습니다. 바로 Amazon Bedrock AgentCore Gateway입니다.

Amazon Bedrock AgentCore Gateway 살펴보기

Amazon Bedrock AgentCore Gateway는 AI 에이전트와 다양한 툴을 안전하게 연결할 수 있게 해 주는 완전 관리형 게이트웨이 서비스입니다. 이 서비스는 복잡한 보안, 인프라 구성 및 프로토콜 구현 작업을 추상화하므로 AI 시스템 개발자와 기업은 쉽게 에이전트 툴 통합을 자동화하고 확장할 수 있습니다.

이 게이트웨이는 MCP(Model Context Protocol)를 기반으로 하며, AWS Lambda, REST API(OpenAPI, Smithy) 연동을 통해 더욱 유연한 확장이 가능합니다.

핵심 기능

1. MCP 기반 통합 자동화
   기존 API 또는 Lambda 함수 기반의 툴을 MCP 형태로 자동 변환합니다. 개발자는 기존 시스템을 유지하면서도 AI 에이전트와 쉽게 연동할 수 있습니다.

2. 보안 아키텍처
   OAuth 기반의 인바운드, IAM 또는 OAuth 기반의 아웃바운드 인증을 모두 지원합니다. 대상별 인증 설정이 분리되어 있어 명확한 보안 경계를 유지할 수 있습니다.

3. 툴 조합 및 확장성
   하나의 MCP 엔드포인트로 다수의 API, Lambda 함수, 툴을 통합할 수 있어 에이전트가 효율적으로 작업을 실행할 수 있습니다. Smithy 모델, OpenAPI, Lambda와 통합 가능합니다.

4. 인프라 자동 관리
   AgentCore Gateway는 완전히 서버리스로 운영되며, 인프라 관리, 스케일링, 고가용성 등을 자동으로 처리합니다.

5. 의미 기반 툴 검색
   x_amz_bedrock_agentcore_search라는 기본 제공 MCP 툴을 통해 자연어로 툴을 검색할 수 있습니다. 이는 수천 개의 툴 중에서 정확하고 빠르게 필요한 툴을 찾는 데 도움을 줍니다.

보안과 인증 모델

AgentCore Gateway는 이중 보안 모델을 채택하고 있습니다. 게이트웨이 자체에 대한 접근(Ingress)은 OAuth를 기반으로 하며, Amazon Cognito, Okta, Auth0 등 다양한 ID 공급자를 활용할 수 있습니다.

반대로 대상 툴에 대한 아웃바운드 인증(Egress)은 Lambda나 Smithy 모델 경우 IAM Role을, REST API는 API 키 혹은 OAuth 2LO(클라이언트 크레덴셜 방식)를 지원합니다. 이로써 모든 통신은 보안성과 확장성을 유지한 채 자동으로 관리됩니다.

유즈케이스: 실제 연동 가이드

AgentCore Gateway는 AWS SDK, AWS Console, AWS CLI 등 다양한 방법으로 설정할 수 있습니다. Boto3를 통해 Python 코드로 게이트웨이 및 타겟을 생성하는 예시는 다음과 같습니다.

1. Gateway 생성:

   gateway_client = boto3.client('bedrock-agentcore-control')
   response = gateway_client.create_gateway(name='DemoGateway', ...)
   

2. OpenAPI 타겟 등록:

   target = gateway_client.create_gateway_target(name='DemoOpenAPITarget', ...)
   

3. AWS Lambda 통합:

   target = gateway_client.create_gateway_target(name='LambdaUsingSDK', ...)
   

4. LangChain 연동:
   LangChain Framework와도 직접 통합할 수 있으며, JWT 기반 인증과 MCP 프로토콜을 통한 스트리밍 호출을 지원합니다.

5. 의미 기반 툴 검색:

   tool_search(gateway_endpoint, jwt_token, query="날씨 확인하는 툴 알려줘")
   

사용자 사례: 헬스케어 분야 성공 사례

헬스케어 테크 기업인 Innovaccer는 기존의 API를 MCP 툴로 자동 변환하고, AI 에이전트를 통해 의료 데이터와 워크플로우를 안전하게 연동할 수 있도록 Amazon AgentCore Gateway를 채택했습니다. 이를 통해 빠르고 신뢰성 있는 AI 자동화를 실현하면서도 의료 데이터 보호 및 거버넌스를 완벽하게 충족할 수 있었습니다.

활용 가이드 및 배포 전략

효율적인 배포를 위해 다음의 모범 사례를 따르는 것이 중요합니다.

• 도메인 기반으로 MCP 툴을 그룹화해 관리성을 높이십시오.
• API 타입(OpenAPI, Lambda, Smithy)에 따라 정리하고, 아웃바운드 인증 설정을 기준으로 그룹화하십시오.
• semantic 검색 성능을 정기적으로 검토 및 평가하십시오.
• MCP Registry를 활용해 툴 메타데이터를 중앙에서 통합 관리하고, API 문서 품질을 지속적으로 검토하십시오.

결론

Amazon Bedrock AgentCore Gateway는 현대적 AI 시스템 개발과 배포 전략에서 필수적인 컴포넌트로 자리 잡고 있습니다. 복잡한 툴 연결 문제를 단순화하고, 보안을 강화하며, 의미 기반 검색을 통해 스마트한 에이전트 활용을 가능하게 합니다. 기업의 AI 자동화를 실현하려는 조직이라면 이 서비스를 중심으로 AI 에이전트 아키텍처를 설계하는 것이 현명한 선택입니다.

https://aws.amazon.com/blogs/machine-learning/introducing-amazon-bedrock-agentcore-gateway-transforming-enterprise-ai-agent-tool-development/