아마존 베드록 에이전트코어 서버리스 MCP 프록시 실행 방법

아마존 베드록 에이전트코어 런타임에서 서버리스 MCP 프록시 실행하기

인공지능 에이전트가 모델 컨텍스트 프로토콜(MCP)을 통해 도구와 연결되면 데이터베이스 쿼리, API 호출, 파일 작업 등 다양한 기능에 접근할 수 있습니다. 이러한 기능을 프로덕션 환경에서 사용하기 위해서는 조직의 보안 정책과 일치하는 적절한 관리와 통제가 필요합니다. 이를 가능하게 하기 위해 아마존 베드록 에이전트코어 런타임에서 서버리스 MCP 프록시를 배치하는 방법을 소개합니다.

MCP 프록시의 배치 및 활용

Amazon Bedrock AgentCore Gateway는 중심 관리와 에이전트-도구 통합을 위한 정책 시행을 제공합니다. 이러한 Gateway에 람다 인터셉터 지원 기능이 추가되어 코드 검증, 변환, 필터링을 AWS Lambda 함수로 실행할 수 있습니다. 그러나 내부 라이브러리나 온프레미스 규정 준수 시스템과 밀접하게 연결된 고유한 MCP 필터링 논리를 재사용하고자 하는 조직에서는 MCP 프록시를 통해 더욱 독립적이고 이동 가능한 통제를 실현할 수 있습니다.

AgentCore Runtime은 AI 에이전트 및 MCP 서버 배포를 위한 완전 관리형 컴퓨팅 환경을 제공합니다. 서버리스 인프라를 통해 자동 확장, 내장된 관찰 가능성을 제공하며 MCP 프록시를 MCP 트래픽에 맞춰 커스텀 제어를 추가할 수 있습니다.

아래는 이러한 MCP 프록시를 구현하고 배치하는 일반적인 아키텍처의 개요입니다. 이 프록시는 AgentCore Runtime에서 서버리스 작업 부하로 실행되며, 맞춤형 논리가 적용된 도구를 다시 노출하고 요청을 투명하게 전달합니다.

실제 사례 및 배포 가이드

우리는 오픈 소스 GitHub 구현을 기반으로 MCP 프록시를 구축하고 배포하는 과정을 설명합니다. 시작부터 끝까지 자동화된 스크립트를 통해 프록시를 배포하고 샘플 에이전트를 이용해 전체 흐름을 테스트합니다. 이를 통해 AgentCore Runtime을 활용하여 MCP 트래픽에 커스텀 제어를 추가하는 배포 패턴을 얻을 수 있습니다.

결론

본 게시물에서는 아마존 베드록 에이전트코어 런타임에서 서버리스 MCP 프록시를 배치하여 MCP 트래픽에 커스텀 제어를 추가하는 방법을 설명했습니다. 이러한 프록시는 위 흐름에서 도구 로직을 투명하게 적용하고 에이전트 및 도구 통합의 전체 환경을 향상시킵니다.

[https://aws.amazon.com/blogs/machine-learning/run-custom-mcp-proxies-serverless-on-amazon-bedrock-agentcore-runtime/]