AWS AgentCore와 MCP Bridge를 통한 AI 에이전트 연결법

AWS AgentCore와 MCP Bridge를 통한 AI 에이전트 연결법

AWS는 고급 AI 에이전트 실행을 위한 다양한 플랫폼을 제공하고 있습니다. 그중에서도 Amazon Bedrock AgentCore와 MCP 브리지를 결합하여 클라우드 기반 AI 에이전트가 로컬 데이터를 사용할 수 있게 하는 방법에 대해 알아보겠습니다. 이번 포스트에서는 MCP 브리지를 활용해 AgentCore-호스팅 에이전트가 로컬 MCP 도구에 액세스하는 과정을 소개합니다.

주요 내용 및 사례

MCP(Model Context Protocol) 소개
MCP는 AI 모델이 외부 데이터 및 도구와 연결하는 표준 프로토콜입니다. 주로 클라이언트-서버 아키텍처를 따르며, 로컬 프로세스 간 또는 원격 서버와의 통신을 지원합니다. 이러한 특징은 금융 관리자 및 분석가들이 로컬 파일과 웹상의 데이터를 동시에 활용하며, Excel과 같은 로컬 파일을 클라우드 기반의 AI 에이전트가 조작하도록 할 수 있습니다.

개발 사례: 금융 AI 어시스턴트
AgentCore에 배포된 에이전트는 사용자의 로컬 환경에서 MCP 서버를 구동하고, 로컬 MCP 서버와의 통신을 WebSocket 및 네이티브 메시징을 통해 연결합니다. 이를 통해 자체 개발한 금융 AI 어시스턴트는 1년 동안 41,000회 이상의 대화를 처리했습니다.

아키텍처 개요
AgentCore 런타임은 클라우드 내의 호스트로 MCP 클라이언트로 작동합니다. 브라우저 확장 프로그램은 양방향 중계 역할을 하며, MCP 브리지를 통해 로컬 MCP 서버와 연결합니다.

전송되는 메시지는 JSON-RPC 형식으로 Wrapping되고 Unwrapping되어, 클라이언트와 MCP 서버 간의 효율적인 통신을 가능하게 합니다.

결론

MCP 브리지를 활용하여 클라우드 기반의 AI 에이전트를 로컬 데이터와 연결함으로써 AI 시스템의 유연성을 극대화할 수 있습니다. 이 과정에서 사용자는 중요한 데이터를 안전하게 관리하며 실제 비즈니스 시나리오에 적합한 솔루션을 배포할 수 있습니다. 해당 솔루션을 통해 쉽고 간단하게 에이전트를 배포하고 관리할 수 있으며, 필요시 새로운 기능을 추가하여 확장할 수 있습니다.

더 많은 정보를 원하신다면 AWS 문서를 통해 Amazon Bedrock AgentCore와 Model Context Protocol 사양을 확인하세요.

[1] https://aws.amazon.com/blogs/machine-learning/how-we-built-an-mcp-bridge-to-give-our-agentcore-hosted-ai-agent-access-to-local-mcp-tools/