AWS를 활용한 다계정 AI 에이전트 아키텍처 구축 가이드

AWS를 활용한 다계정 AI 에이전트 아키텍처 구축 가이드

최근 기업들은 각 AWS 계정에 산재한 데이터를 중앙화하지 않고도 관리할 수 있는 AI 에이전트를 원하는 경향이 증가하고 있습니다. Amazon Bedrock AgentCore Gateway와 Model Context Protocol (MCP)을 활용하면 이러한 요구를 충족하면서도 안전하게 다계정 AI 에이전트 아키텍처를 구축할 수 있습니다.

핵심 내용 및 사례

회사의 각 부서 소유 계정에 데이터와 도구를 분산 배치하고, 중앙 플랫폼 계정에서 에이전트를 운영하는 다계정 아키텍처를 구축합니다. LOB 계정들은 자신의 데이터를 MCP 서버로 노출하고, 플랫폼 계정의 AgentCore Gateway는 이 서버들을 통합하여 에이전트가 다양한 데이터를 효율적으로 쿼리할 수 있는 통합된 방법을 제공합니다.

플랫폼 계정 – 에이전트 제어 플레인

AgentCore Runtime을 통해 에이전트가 구동되며, API 호출에 대한 인증과 정책이 AgentCore Identity 및 Cedar Policy를 통해 관리됩니다. 성능과 비용은 Amazon Bedrock을 통해 단일 청구 경계로 추적됩니다.

LOB 계정 – 데이터 및 도구

LOB 계정의 각 데이터는 MCP 서버로 래핑되고 AgentCore Runtime에서 구동됩니다. 데이터 소유자는 노출할 도구와 비즈니스 로직을 조정하고 시행 중인 MCP 도구 인터페이스에 영향을 미치지 않고도 구현을 변경할 수 있습니다.

크로스 계정 통합: 게이트웨이와 Identity로 계층 연결

AgentCore Gateway는 각 MCP 서버를 단일 엔드포인트로 집계합니다. OAuth 2.0 M2M 자격 증명을 활용하여 요청을 적절한 LOB MCP 서버로 전달하고 Okta를 통한 인증을 시작합니다.

결론

Amazon Bedrock AgentCore와 MCP를 사용하여 데이터가 분산되어 있으면서도 중앙에서 에이전트를 운영할 수 있는 다계정 아키텍처를 구축하였습니다. LOB 계정은 자신의 데이터를 MCP 서버로 제공하며, 플랫폼 계정의 Gateway는 도구 검색과 호출을 위한 통합 인증된 엔드포인트를

제공합니다. 이 패턴은 확장이 용이하며, 새로운 비즈니스 라인을 추가할 때 게이트웨이 타겟만 추가하면 됩니다. 이 아키텍처는 중앙화된 에이전트 운영과 데이터 분산의 이점을 동시에 제공합니다.

[1] 원문 URL: https://aws.amazon.com/blogs/machine-learning/build-a-multi-account-ai-agent-with-agentcore-gateway-and-mcp/