AI Agent Data Access Enhancement with Serverless MCP Server on AWS Fargate

AI 에이전트의 데이터 접근 향상 — AWS Fargate 기반 서버리스 MCP 서버의 소개

인공지능(AI)을 도입한 기업들은 대규모 언어 모델(LLM) 에이전트가 엔터프라이즈 데이터 레이크에 접근할 수 있도록 하는데 어려움을 겪고 있습니다. 보통 새로운 데이터 셋이 추가되면 각 에이전트나 애플리케이션이 접근을 위한 별도의 코드를 작성해야 하므로, 관리와 확장에 많은 부담이 따릅니다. 이런 문제를 해결하고자 Amazon은 AWS Fargate를 활용하여 서버리스 모델 컨텍스트 프로토콜(MCP) 서버를 구축했습니다.

본 MCP 서버는 AI 에이전트와 기업 데이터 레이크 사이에 애플리케이션에 구애받지 않는 중심 게이트웨이 역할을 하며, 새로운 데이터 셋을 추가하는 작업을 단순히 메타데이터 파일을 작성하는 것으로 간소화합니다.

문제 상황과 설계 목표

데이터 접근의 파편화와 비효율적인 온보딩 모델은 시스템 설계의 주요 과제로 작용했습니다. AI 에이전트는 각자 데이터베이스 및 API에 연결되어 각기 다른 접근 통제 및 SQL 생성 로직을 탑재하고 있어, 스키마 변경이 있을 때마다 모든 에이전트를 개별적으로 업데이트해야 했습니다.

이러한 문제를 해결하기 위한 설계 목표는 다음과 같습니다:

1. 구성 주도의 데이터 레이크 접근: 데이터셋 추가 시 코드 대신 메타데이터 파일만 필요합니다.
2. 에이전트에 종속되지 않는 도구 인터페이스: 모든 MCP 호환 클라이언트가 동일한 도구를 호출할 수 있습니다.
3. 중앙집중식 접근 통제: MCP 서버 레이어에서 접근 권한이 관리됩니다.
4. 확장 가능한 인프라: AI 워크로드 증가에 따라 시스템이 확장됩니다.

솔루션 개요

MCP 서버는 네 가지 레이어로 구성되어 있습니다: 클라이언트, MCP 서버, 도구, 지식-베이스 갱신. 메타데이터 카탈로그가 도구 레이어를 뒷받침하며, 이는 에이전트가 SQL을 생성할 때 참조하는 스키마 설명, 컬럼 수준 의미 및 테이블 관계를 저장합니다.

아키텍처 설명

서버리스 MCP 서버 아키텍처는 클라이언트 애플리케이션에서 데이터 레이어로의 요청 흐름을 보여줍니다. 사용자는 클라이언트 애플리케이션을 통해 쿼리를 제출하고, 이 요청은 Amazon Route 53을 통해 DNS를 해결한 다음 AWS WAF와 HTTPS로 구성된 Application Load Balancer로 전달됩니다.

MCP 서버는 Amazon ECS Fargate 클러스터에서 독립적으로 운영되며, Amazon Route 53과 내부 Application Load Balancer를 통해 접근이 가능합니다. 서버는 전체 오케스트레이션을 처리하며, 쿼리 분석, 도구 선택, 실행 및 응답 생성의 과정을 수행합니다.

적용 사례 및 확장

이 아키텍처는 단순 질의 응답을 넘어 다양한 패턴을 지원합니다. 데이터 레이크 쿼리와 문서 검색을 결합하여 복잡한 질문에 대답하거나 여러 에이전트가 하나의 MCP 서버를 통해 공동 프로토콜을 사용해 데이터를 검색할 수 있도록 지원합니다.

결론

AWS Fargate를 기반으로 구축된 중앙집중식 MCP 서버는 AI 에이전트와 기업 데이터 레이크 간의 확장 가능한 보안 게이트웨이 역할을 합니다. 이러한 메타데이터 기반 접근 방식은 데이터셋 통합 코드를 제거하고, 모든 MCP 호환 클라이언트가 커스텀 어댑터 없이 연결할 수 있게 합니다. 구성 문제를 코드 문제 대신 취급함으로써 온보딩 절차가 가속화됩니다.

[1] https://aws.amazon.com/blogs/machine-learning/serverless-mcp-server-for-ai-agent-data-lake-access-on-amazon-ecs-fargate/