AWS, ‘아마존 베드록 에이전트코어’ 신규 기능 발표…차세대 에이전틱 AI 개발 가속

아마존웹서비스(Amazon Web Services, 이하 AWS)가 AWS 리인벤트 2025(AWS re:Invent 2025)에서 기업이 대규모 환경에서도 안전하게 AI 에이전트를 구축·배포할 수 있도록 지원하는 플랫폼인 ‘아마존 베드록 에이전트코어(Amazon Bedrock AgentCore)’의 새로운 기능들을 발표했다.

새롭게 추가된 폴리시 인 아마존 베드록 에이전트코어(Policy in Amazon Bedrock AgentCore) 기능은 에이전트가 도구를 사용해 수행 가능한 작업의 범위를 설정할 수 있도록 지원하며, 에이전트코어 이밸류에이션(AgentCore Evaluations) 기능을 통해 에이전트가 실제 환경에서 어떻게 성능을 발휘할지 이해하도록 돕는다. 또한 AWS는 에이전트가 경험을 통해 학습하고 시간이 지날수록 성능을 개선해 고객에게 보다 맞춤화된 인사이트를 제공하는 향상된 메모리 기능도 함께 선보였다.

스스로의 능력과 한계를 인식하는 엔터프라이즈 AI 에이전트 개발

에이전트는 스스로 추론하고 행동할 수 있는 능력으로 강력한 도구가 될 수 있지만, 동시에 기업은 비인가 데이터 접근, 부적절한 상호작용, 비즈니스 운영에 영향을 줄 수 있는 시스템 수준의 오류를 방지하기 위해 강력한 통제 장치를 마련해야 한다. 아무리 정교하게 프롬프트를 구성하더라도, 에이전트는 실제 환경에서 심각한 결과를 초래할 수 있는 실수를 저지를 수 있다.

오늘 출시된 폴리시 인 아마존 베드록 에이전트코어 기능은 기업이 에이전트가 수행할 수 있는 행동의 범위를 명확하게 설정하도록 지원한다. 팀은 자연어를 사용해 에이전트가 접근할 수 있는 도구와 데이터, 어떤 행동을 어떤 조건에서 수행할 수 있는지 등을 정의함으로써 에이전트에게 경계를 부여할 수 있다. 이러한 도구에는 API, 람다(Lambda) 함수, MCP 서버 그리고 세일즈포스(Salesforce) 및 슬랙(Slack)과 같은 타사 서비스가 포함될 수 있다.

폴리시 기능은 에이전트가 신속성과 반응성을 확보할 수 있도록 에이전트코어 게이트웨이(AgentCore Gateway)에 통합되어 에이전트의 행동이 정책에 부합하는지 밀리초 단위로 즉시 검사한다. 이를 통해 에이전트가 자율적으로 작동하면서도 기업이 설정한 범위 안에서만 행동하도록 보장한다.

자연어 기반 정책 작성 기능은 고객이 복잡한 정책 코드를 작성하는 대신 자연어로 규칙을 설명하는 것만으로도 세밀한 정책을 쉽게 구성할 수 있도록 지원한다. 예를 들어 "1,000달러를 초과하는 고객 환불 요청은 모두 차단한다”와 같은 정책도 자연어로 손쉽게 정의하고 일관되게 적용할 수 있다. 이는 아마존의 ‘신뢰하되 검증한다(trust, but verify)’ 원칙에 따라 에이전트가 적절한 감독을 유지하면서 자율적으로 작동할 수 있게 한다.

데이터 보안 솔루션을 제공하는 선도기업 드루바(Druva)의 데이비드 길데아(David Gildea) 제품 AI 부문 부사장은 "일반적으로 고객은 백업에 실패하면 수십 개 시스템의 로그를 수작업으로 확인하는 데 수 시간씩 소요한다”며, “하지만 드루바의 AI 에이전트는 즉각적인 분석과 단계별 복구 조치를 제공한다. 폴리시 인 에이전트코어 기능은 고객이 백업 시스템, 보안 로그, 모니터링 대시보드와 같은 내부 도구 및 데이터에 접근하는 에이전트의 범위를 명확하게 설정하는데 도움이 될 것으로 기대한다. 적절한 정책이 마련되면, 개발자는 에이전트가 정의된 컴플라이언스 기준 내에서 작동한다는 확신을 가지고 자신 있게 혁신을 추진할 수 있다. 이를 통해 엔터프라이즈 고객이 기대하는 엄격한 보안 기준을 유지하면서 에이전트 플랫폼을 확장할 수 있다"고 말했다.

AI 에이전트의 행동과 결과에 대한 완전한 가시성 확보

기존 소프트웨어 메트릭과 달리 AI 에이전트의 품질을 평가하려면 복잡한 데이터 사이언스 파이프라인, 주관적 평가, 지속적인 실시간 모니터링이 필요하다. 에이전트가 업데이트되거나 모델이 변경될 때마다 이러한 어려움은 더욱 복잡해진다.

에이전트코어 이밸류에이션 기능은 정확성(correctness), 유용성(helpfulness), 도구 선택 정확도, 안전성, 목표 성공률, 컨텍스트 관련성과 같은 일반적인 품질 측면에 대해 13개의 사전 구축된 평가기를 제공하여 복잡한 프로세스를 간소화하고 복잡한 인프라 관리를 제거한다.

또한 개발자는 선호하는 대규모 언어 모델(LLM)과 프롬프트를 사용해 자체 맞춤형 평가기를 직접 작성할 수 있는 유연성을 갖는다. 이전에는 평가 시스템만 구축하는 데 수개월의 데이터 사이언스 작업이 필요했다. 신규 서비스는 실시간 에이전트 상호작용을 지속적으로 샘플링해 정확성, 유용성, 안전성과 같이 사전에 정의한 기준에 따라 에이전트 행동을 분석한다. 개발팀은 테스트 단계뿐 아니라 운영 환경에서도 평가 기능을 활용해 사전 품질 모니터링을 위한 알림을 설정할 수 있다. 예를 들어 고객 서비스 에이전트의 만족도 점수가 8시간 동안 10% 하락하면 시스템이 즉각 알림을 보내 고객 경험에 영향을 미치기 전에 신속하게 대응할 수 있다.

유전자 검사 및 진단 분야의 선도기업 나테라(Natera)의 미르코 부홀저(Mirko Buholzer) 소프트웨어 엔지니어링 리드는 "나테라는 AI 에이전트를 통해 종양학 환자 치료 방식을 혁신하고 있다"며 "현재 나테라에서는 엄격한 헬스케어 컴플라이언스 기준을 충족하면서 AI 에이전트 전반의 일관된 품질과 성능을 유지하기 위해 상당한 노력을 기울이고 있다. 에이전트코어 이밸류에이션은 정확성, 유용성, 환자 만족도와 같은 필수 지표를 기반으로 에이전트의 성능을 지속적으로 모니터링함으로써 이러한 작업에 핵심 역할을 할 것이다. 이러한 실시간 품질 인텔리전스를 통해 문제를 사전에 신속하게 파악하고 해결할 수 있을 것으로 기대한다. 에이전트코어 이밸류에이션을 통해 높은 기준을 유지하고 신뢰할 수 있는 에이전트를 안정적으로 배포해 더 많은 환자들에게 혁신적인 치료 경험을 제공할 것”이라고 말했다.

상호작용마다 더 똑똑해지는 에이전트 구축

오늘날 대부분의 AI 에이전트는 핵심적인 메모리 기능이 부족하다. 일반적으로 메모리는 새로운 상호작용마다 재설정되는 단기 컨텍스트 윈도우로 제한되어 있어 프로덕션 환경에서의 성공이나 실패 경험을 학습해 축적할 수 없기 때문이다.

에이전트코어 메모리(AgentCore Memory)는 이러한 핵심 기능을 제공해 에이전트가 시간에 따라 사용자에 대한 일관된 이해를 구축할 수 있도록 한다. 이번에 신규 정식 출시된 에피소딕(episodic) 메모리 기능은 에이전트가 과거 경험을 학습하고 이를 향후 상호작용에 적용하도록 지원한다. 이 기능은 컨텍스트, 추론 과정, 행동, 결과를 구조화된 ‘에피소드’ 형태로 저장하고, 또 다른 에이전트가 이를 자동으로 분석해 의사결정 패턴을 개선한다. 에이전트가 유사한 작업을 접할 때 관련 이력을 빠르게 조회해 처리 시간을 단축하고 불필요한 맞춤 지침 없이도 더 나은 결정을 내릴 수 있다.

예를 들어 혼자 여행할 때는 비행 45분 전에 공항 교통편을 예약했던 에이전트가 세 달 후 같은 목적지로 아이들과 함께 여행할 때는 이전 가족 여행의 어려움을 기억하고 자동으로 두 시간 전에 차량을 예약하는 식이다. 이러한 학습 기반 접근 방식은 사전에 정해진 가이드라인에 의존하지 않고 실제 성과 데이터에 기반해 더 일관된 결정을 내릴 수 있도록 돕는다.

기관 투자자와 은행, 기업에 인사이트와 선도적 데이터 및 기술 솔루션을 제공하는 S&P글로벌마켓인텔리전스(S&P Global Market Intelligence)의 아스티에 헬렌(Astier Helen) MI 엔터프라이즈 기술 및 지속가능성 부문 기술 책임자는 "최근 사내 범용 에이전틱 워크플로우 플랫폼인 아스트라(Astra)를 개발했지만, 분산된 조직 전반에 복잡한 멀티 에이전트 워크플로우를 조율하는 데 어려움을 겪었다"며 "수백 개의 전문 에이전트가 등장하면서 각 에이전트의 상태를 관리하고 일관된 컨텍스트를 유지하는 것이 점점 더 어려워졌고, 이를 해결하기 위한 통합 메모리 레이어의 필요성이 커졌다. 아마존 베드록 에이전트코어 메모리는 멀티 에이전트 오케스트레이션 스택 전반에 걸쳐 중앙 집중형 상태 체크포인트 기능을 원활하게 제공해 문제를 해결했다. 새로운 에피소딕 메모리 기능을 통해 에이전트가 이전 분석 결과를 학습해 더욱 지능적인 인사이트를 도출할 수 있게 됐다. 이전에는 아스트라 플랫폼에 에이전트를 배포하는 데 수 주가 걸렸지만, 이제 에이전트코어를 통해 수 분 내에 에이전트나 MCP 서버를 생성하고 배포할 수 있다"라고 말했다.

이번 신규 기능들은 고객이 AI 기반 인프라 구축보다는 혁신에 집중할 수 있도록 설계된 에이전트 인프라를 제공한다.