Amazon Nova와 LangGraph로 구축하는 여행 계획 자동화 AI 시스템

여행 계획을 자동화하는 차세대 AI 에이전트 구축 가이드: Amazon Nova 기반 활용 사례

여행은 즐겁지만, 계획 과정은 복잡하고 시간이 많이 소요됩니다. 항공권 예매, 숙소 선택, 교통편 확보, 관광지 스케줄링 등 다양한 요소를 고려해야 하며, 그에 따른 사용자의 부담감도 상당합니다. 이러한 문제를 해결하기 위해 최근 AI 기술, 특히 생성형 AI(Generative AI)의 활용이 주목받고 있습니다. AWS는 Amazon Nova와 LangGraph를 기반으로 한 새로운 유형의 자동화된 여행 계획 시스템을 통해 이러한 과제를 해결하고자 합니다.

이 글에서는 Amazon Bedrock 상에서 Amazon Nova 모델을 활용해 Agent 기반의 워크플로우를 구성하고, 여행 계획을 자동화하는 과정을 소개합니다. 이를 도움으로 사용자 맞춤형 경험을 제공하고, 운영비용을 최소화하면서도 높은 성능을 확보할 수 있습니다.

AI 에이전트를 활용한 여행 플래너 시스템 구성

이번 활용 사례에서 핵심이 되는 기술 요소는 Amazon Nova입니다. Amazon Nova는 고성능 LLM을 합리적인 가격으로 제공하는 생성형 AI 기반 모델로, Amazon Bedrock을 통해 액세스할 수 있습니다. 특히 Nova Lite와 Nova Pro 두 가지 모델로 구성되어 있으며, 요구되는 복잡도에 따라 유연하게 선택할 수 있습니다.

시스템은 총 3개의 계층 구조로 구성되어 있습니다. 프론트엔드 인터페이스 → 처리 로직 → API 통합 계층으로 이어지며, Docker 기반의 AWS Lambda 서버리스 아키텍처에 배포되었습니다. 중요한 점은 LangGraph라는 상태 기반 오케스트레이션 프레임워크를 통해 각 구성 요소가 동적으로 연결된다는 것입니다.

에이전트 중심의 워크플로우 구성 방식

여행 요청을 처리하는 에이전트는 총 14개의 액션 노드로 구성되어 있으며, 에이전트 라우터가 사용자의 질문을 분석한 뒤 어떤 노드가 실행되어야 할지를 결정합니다. 이 때 상황에 따라 다음과 같이 모델이 구분됩니다:

• Nova Lite: 기본적인 텍스트 분석, 콘텐츠 생성, 실시간 응답 처리
• Nova Pro: 복잡한 다단계 논리 처리, 세부 일정 추천, 맞춤화 등

이러한 구성은 사용자의 질의에 최적화된 노드를 선택함으로써 처리 성능을 최적화하며 동시에 비용을 절감할 수 있는 자동화 전략입니다. 예를 들어, 날씨 조건을 분석한 뒤 여행지 추천에 반영하거나, 예약 가능한 상품 정보를 API를 통해 실시간으로 가져오는 것도 가능합니다.

통합 서비스 구성 (Integration Layer)

이 시스템은 다양한 외부 API와 연결됩니다. 아래 표는 주요 활용 API입니다:

• Amazon Product Advertising API: 여행 관련 상품 추천 자동화
• Google Custom Search API: 목적지 정보 실시간 검색
• OpenWeather API: 기상 예보 데이터 분석
• Amazon DynamoDB & S3: 사용자 프로필, 대화 이력, 문서 정보 저장 및 관리

API Key 및 보안 관리는 모두 AWS Secrets Manager를 통해 수행되며, 외부 노출을 막고 보안성을 강화합니다. 또한 Amazon Bedrock Knowledge Base를 활용하면 특정 여행지에 필요한 지역 정보도 더욱 정교하게 분석할 수 있습니다.

아래 그림은 실시간 사용자 인터페이스와 데이터 흐름을 시각화한 것입니다.

배포 방법 및 자동화 활용

Amazon CDK(AWS Cloud Development Kit)를 활용해 모든 리소스를 IaC(infrastructure-as-code) 방식으로 자동화 배포할 수 있습니다. 배포 스크립트를 실행하면 다음과 같은 리소스가 생성됩니다:

• Lambda 함수
• DynamoDB 테이블 3종 (대화 기억, 위시리스트, 프로필)
• API Gateway + Cognito 인증
• Secrets Manager 설정

또한 .env 파일로 환경변수를 구성하고, 필요에 따라 PAAPI(Product Advertising API)를 활성/비활성화 할 수 있어 유연한 기능 확장이 가능합니다.

시연 예시: 개인화된 출장 플래너 응답 흐름

실제 테스트에서는 출장용 고객 프로필을 기반으로 대화 흐름을 시뮬레이션했습니다. 예를 들어, "도쿄 여행 준비물 추천해줘"라는 질문을 통해 먼저 목적지를 인식한 후, 날씨 조건 → 짐 리스트 추천 → 아마존 상품 권장 순으로 연결된 응답이 생성됩니다.

이러한 자동화 흐름은 텍스트, 이미지, 영상 등 복합 콘텐츠를 받아 이해하고, 200개 이상의 언어를 처리할 수 있어 글로벌 확장성에도 매우 유리합니다.

결론 및 활용 전망

Amazon Nova 모델과 LangGraph 프레임워크를 기반으로 구축된 이 자동화 여행 플래너는 복잡한 사용자 요청을 유연하게 처리하는 동시에, 비용 효율성과 응답 성능 모두를 확보하는 데 성공했습니다. 활용 사례는 여행 부문에 국한되지 않으며, 다양한 다중 단계 비즈니스 로직에 적용할 수 있습니다.

추후에는 오케스트레이션의 지능화를 위해 ReAct, AutoGPT 등과의 융합 가능성도 있으며, AWS는 이를 위한 액세스 가이드 및 샘플 프로젝트도 GitHub에 공개하고 있어 개발자 입장에서 매우 유용하게 활용될 수 있습니다.

서비스 자동화, 고급 AI 모델 비교, 생성형 AI 기반 업무 배포 가이드, API 활용 방법 등과 관련된 실질적 사례를 찾는다면, 본 프로젝트의 활용 사례는 매우 실용적인 출발점이 될 수 있습니다.

https://aws.amazon.com/blogs/machine-learning/create-a-travel-planning-agentic-workflow-with-amazon-nova/