aws·2026년 6월 5일·3분 읽기큐레이션 요약

Anthropic 및 OpenAI 호환 API에 최적화된 Amazon Bedrock의 새로운 콘솔 환경을 사용해 보세요 | Amazon Web Services

Amazon Bedrock이 Anthropic 및 OpenAI 호환 API에 최적화된 새로운 콘솔 환경을 공개했습니다. `bedrock-mantle` 엔드포인트를 기반으로 GPT, Claude, 오픈 웨이트 모델을 쉽게 비교·평가하고, 프로젝트 단위로 사용량을 분석하며 애플리케이션 개발까지 이어갈 수 있습니다. 모델 선택부터 SDK 코드 생성, AI 코딩 에이전트 연결까지 하나의 워크플로에서 처리하는 것이 핵심입니다. ## `bedrock-mantle` 기반의 새로운 콘솔 - 최신 GPT, Claude, 오픈 웨이트 모델을 지원합니다. - 다음 API 프로토콜과 호환됩니다. - OpenAI Responses API - OpenAI Chat Completions API - Anthropic Messages API - 고성능, 안정성, 보안을 목표로 하는 차세대 추론 엔진을 사용합니다. - 기존 Bedrock 콘솔은 계속 사용할 수 있으며, Agents, Knowledge Bases, Guardrails, 파인튜닝, `InvokeModel` 및 `Converse` API는 `bedrock-runtime`에서 관리합니다. ## 모델 카탈로그와 비교 기능 - 전체 모델 카탈로그를 한 화면에서 확인할 수 있습니다. - 모델별로 다음 정보를 비교할 수 있습니다. - 지원 기능과 모달리티 - 컨텍스트 윈도우 - 토큰 및 입출력 관련 정보 - 가격 - 서비스 할당량 - 리전별 제공 여부 - 최대 3개 모델을 선택해 동일한 프롬프트의 응답을 나란히 비교할 수 있습니다. - 문서와 별도의 한도 계산기를 오갈 필요 없이 모델 평가에 필요한 정보를 통합해서 볼 수 있습니다. ## 프로젝트 기반 개발 및 평가 - 프로젝트를 생성하고 사용할 모델을 지정한 뒤 API 키를 구성할 수 있습니다. - 프로젝트 대시보드에서 다음 지표를 확인할 수 있습니다. - 최근 기간별 추론 요청 수와 오류 - 총 토큰 사용량 - 분당 토큰 사용량 - 분당 추론 요청 수 - 추론 요청당 토큰 수 - 최근 사용 모델 - 이러한 지표를 활용해 모델 선택, 프롬프트 최적화, 워크로드의 일관성을 검토할 수 있습니다. - 모델 평가에서 애플리케이션 구축까지 이어지는 실제 개발 생명주기에 맞춘 구성을 제공합니다. ## 프로젝트 변수와 연동되는 실시간 문서 - 프로젝트에서 선택한 모델 ID, 리전, `bedrock-mantle` 엔드포인트 URL, API 키 참조가 문서와 코드 예제에 자동으로 반영됩니다. - Anthropic 또는 OpenAI SDK와 원하는 프로그래밍 언어, 인증 방식을 선택할 수 있습니다. - 터미널에서 바로 실행할 환경 변수 명령과 `.env` 파일에 저장할 설정을 제공합니다. - 생성된 샘플 코드를 수정하지 않고 애플리케이션에 복사해 빠르게 첫 요청을 테스트할 수 있습니다. - 모델이나 설정을 변경하면 API 레퍼런스와 코드 예제도 프로젝트 설정에 맞게 자동 갱신됩니다. ## AI 코딩 에이전트 연결 - 다음과 같은 AI 코딩 에이전트를 Bedrock을 통해 연결할 수 있습니다. - Claude Code - Cline - Codex - Cursor - OpenCode - 각 에이전트별 설치 방법과 설정 방법을 안내합니다. - AWS IAM 자격 증명 또는 Bedrock API 키를 사용할 수 있습니다. - 필요한 환경 변수를 설정해 에이전트의 요청을 `bedrock-mantle` 엔진으로 라우팅할 수 있습니다. ## 제공 리전과 시작 방법 - Amazon Bedrock 콘솔에서 **Try the Bedrock Mantle Console**을 선택하거나 새 콘솔 링크를 통해 사용할 수 있습니다. - 제공 리전에는 미국, 아시아 태평양, 유럽, 남아메리카 주요 리전이 포함됩니다. - 미국 동부: 버지니아 북부, 오하이오 - 미국 서부: 오리건 - 아시아 태평양: 자카르타, 뭄바이, 시드니, 도쿄 - 유럽: 프랑크푸르트, 아일랜드, 런던, 밀라노, 스톡홀름 - 남아메리카: 상파울루 - 실제 제공 범위는 `bedrock-mantle` 엔드포인트의 리전 목록에서 확인해야 합니다. 새 콘솔은 여러 모델을 빠르게 비교하고, 프로젝트별 사용량을 관찰하며, OpenAI·Anthropic SDK 기반 애플리케이션을 개발하려는 팀에 적합합니다. 반면 Bedrock의 관리형 기능이나 기존 `bedrock-runtime` API를 사용하는 경우에는 기존 콘솔을 계속 활용하면 됩니다.

원문 읽기(새 탭에서 열림)

AI 에이전트생성형 AIamazon-bedrockaws-sdk+3

aws·2026년 6월 3일·4분 읽기큐레이션 요약

Amazon Cognito 다중 리전 복제로 애플리케이션 복원력 향상 | Amazon Web Services

Amazon Cognito의 다중 리전 복제는 사용자 인증과 M2M 인증을 보조 리전에서도 지속할 수 있도록 해 애플리케이션의 복원력을 높인다. 기본 리전의 사용자 프로필, 자격 증명, 머신 시크릿, 풀 설정을 보조 리전에 자동 복제하며, 장애 전환 시 기존 사용자의 재로그인이나 강제 비밀번호 재설정을 줄일 수 있다. 다만 사용자 등록·프로필 수정은 장애 전환 중 제한되며, KMS 키와 애플리케이션·주변 AWS 리소스에 대한 별도 구성이 필요하다. ## 기존 멀티 리전 인증의 문제 - 리전 간 Cognito 설정과 사용자 데이터를 일관되게 유지하려면 팀이 직접 복제 시스템을 구축·운영해야 했다. - 사용자 데이터를 수동으로 내보내고 가져오는 과정에서 다음 문제가 발생했다. - 민감한 인증 데이터 노출 위험 - 리전 간 데이터 불일치 - 장애 전환 시 강제 비밀번호 재설정 및 재인증 - M2M 인증에서는 보조 리전에 새 앱 클라이언트를 만들고, 애플리케이션과 OAuth 리소스가 새 리전의 토큰 발급자를 신뢰하도록 재구성해야 했다. ## Cognito 다중 리전 복제 방식 - 기본 리전에서 선택한 보조 AWS 리전으로 데이터를 단방향 복제한다. - 다음 항목이 복제된다. - 사용자 프로필 - 사용자 자격 증명 - 머신 인증용 시크릿 - 사용자 풀 구성 - 보조 리전은 읽기 전용으로 동작하며 인증 지속성을 제공한다. - 양쪽 리전이 서로 발급한 액세스 토큰을 인식하므로, 기존 로그인 세션을 유지할 수 있다. - 다음 인증 방식을 지원한다. - Amazon, Google, Apple, Facebook 등 소셜 로그인 - SAML 및 OIDC 연동 - API 및 M2M 인증 흐름 - 장애 전환 중에는 인증은 가능하지만 신규 사용자 등록이나 사용자 프로필 변경은 사용할 수 없다. ## 고객 관리형 KMS 키 - 복제를 구성하려면 AWS KMS에 저장된 멀티 리전 고객 관리형 키가 필요하다. - 동일한 암호화 키를 리전 간 복제해 사용자 데이터 저장 시 일관된 암호화 정책을 적용한다. - Cognito가 키를 사용할 수 있도록 KMS 키 정책에 권한을 추가해야 한다. - 고객 관리형 키를 사용하면 AWS 기본 키에만 의존하지 않고 조직의 암호화 및 키 관리 전략을 적용할 수 있다. ## 복제 설정 절차 예시로 `us-west-2`의 사용자 풀을 `us-east-1`로 복제한다. 1. **고객 관리형 KMS 키 설정** - 두 리전에 키를 생성·복제한다. - KMS 키 정책에 Amazon Cognito의 키 사용 권한을 추가한다. 2. **멀티 리전 OIDC 엔드포인트 설정** - 콘솔에서 새로운 OIDC issuer 유형을 활성화한다. - 변경된 엔드포인트를 서버 애플리케이션과 모바일 앱에 반영한다. - 서버는 재배포가 필요하고, 모바일 앱은 App Store와 Google Play에 업데이트를 제출해야 할 수 있다. - 엔드포인트를 변경하지 않으면 기존 인증 요청이 올바르게 라우팅되지 않아 사용자 장애가 발생할 수 있다. 3. **복제 대상 리전 선택** - 고객 관리형 키가 복제된 리전만 대상 리전으로 선택할 수 있다. - 데이터 규모에 따라 복제 준비 시간이 달라진다. - 복제 사용자 풀이 준비되면 관리자가 수동으로 활성화해야 한다. ## 장애 전환과 트래픽 라우팅 - 기본 리전과 보조 리전의 엔드포인트는 항상 활성 상태로 유지된다. - 애플리케이션 요구사항에 맞춰 다음 항목을 기준으로 헬스 체크를 설계할 수 있다. - 인증 오류율 - 지연 시간 증가 - 특정 AWS 서비스 장애 알림 - 장애 조건이 충족되면 DNS를 변경해 보조 리전으로 트래픽을 전환한다. - 실제 장애 전에 비업무 시간에 일부 트래픽만 보조 리전으로 보내 인증 흐름을 검증하는 것이 권장된다. - 관리형 로그인과 사용자 지정 도메인 기반 연동에서는 Route 53 헬스 체크 ID를 이용한 내장 트래픽 라우팅도 사용할 수 있다. ## 추가로 준비해야 할 리소스 다중 리전 복제 자체만으로 모든 인증 관련 리소스가 자동 복제되는 것은 아니다. - 사용자 지정 인증 흐름에 사용하는 Lambda 함수를 대상 리전에 배포해야 한다. - SMS 및 이메일 알림 설정도 대상 리전에서 별도로 구성해야 한다. - 로그 스트리밍 설정과 AWS WAF 규칙을 수동으로 복제해야 한다. - 장애 전환 절차, DNS 변경, 보안 정책을 사전에 문서화하고 테스트해야 한다. ## 가격과 제공 리전 - Essentials 및 Plus 요금제의 추가 기능으로 제공된다. - 사용자 인증 비용: - Essentials: 복제 리전별 월간 활성 사용자당 `$0.0045` - Plus: 복제 리전별 월간 활성 사용자당 `$0.006` - M2M 인증은 성공적으로 발급된 토큰의 표준 볼륨 요금에 30%가 추가된다. - 미국, 캐나다, 유럽, 아시아 태평양, 남미 등 여러 리전에서 제공되며, 지원 리전은 기본 리전과 복제 대상 리전 모두로 사용할 수 있다. ## 실용적인 권장 사항 다중 리전 복제는 인증 중단을 최소화해야 하는 고객-facing 서비스와 M2M 백엔드에 적합하다. 도입 전 KMS 키, OIDC 엔드포인트, Lambda·WAF·로그 설정을 함께 준비하고, 인증 지속성과 장애 전환 후의 읽기 전용 제약을 포함한 실제 장애 대응 테스트를 수행하는 것이 좋다.

원문 읽기(새 탭에서 열림)

aws-lambdaoauthsamlopenid-connect+4

aws·2026년 6월 1일·4분 읽기큐레이션 요약

Amazon Bedrock에서 OpenAI GPT-5.5, GPT-5.4 모델 및 Codex 시작하기 | Amazon Web Services

OpenAI GPT-5.5·GPT-5.4와 Codex가 Amazon Bedrock에서 정식 제공되어, Responses API를 통해 추론·코딩·에이전트 작업을 수행할 수 있게 되었습니다. GPT-5.5는 최고 난도의 작업에, GPT-5.4는 가격 대비 성능이 중요한 작업에 적합합니다. 모든 처리는 선택한 Bedrock 리전 내에서 수행되며, 좌석 라이선스 없이 토큰 사용량 기준으로 과금됩니다. ## Amazon Bedrock에서 제공되는 모델과 Codex - GPT-5.5와 GPT-5.4는 코딩, 추론, 에이전트 워크플로, 복잡한 전문 업무에 최적화되어 있습니다. - GPT-5.5는 가장 어려운 고객 업무를 위한 고성능 모델입니다. - GPT-5.4는 성능과 비용의 균형을 중시하는 용도에 적합합니다. - OpenAI의 코딩 에이전트인 Codex도 Bedrock에서 사용할 수 있습니다. - 대규모 코드베이스 작성, 리팩터링, 디버깅, 테스트, 검증 지원 - Codex App, CLI, Visual Studio Code·JetBrains·Xcode 통합 제공 - 모든 모델 추론은 Amazon Bedrock의 Responses API를 통해 처리 ## Responses API를 통한 모델 호출 - OpenAI SDK, `curl` 등으로 Bedrock의 `bedrock-mantle` 엔드포인트를 호출할 수 있습니다. - Python SDK 설치: ```bash pip install -U openai ``` - 인증 및 엔드포인트 환경 변수 설정: ```bash export OPENAI_BASE_URL="https://bedrock-mantle.us-east-2.api.aws/openai/v1" export OPENAI_API_KEY="<BEDROCK_API_KEY>" export BEDROCK_OPENAI_MODEL_ID="openai.gpt-5.5" ``` - Python에서는 `client.responses.create()`를 사용합니다. - 요청에 다음과 같은 설정을 지정할 수 있습니다. - `reasoning.effort`: 추론 수준 - `text.verbosity`: 응답의 상세도 - `developer` 메시지: 모델의 역할과 응답 지침 - 예시에서는 AWS 지식이 풍부한 소프트웨어 엔지니어 역할을 부여하고, 여러 리전에 걸친 초당 10만 요청 규모의 AWS 아키텍처를 생성하도록 요청합니다. - `curl`을 사용하면 `/responses` 엔드포인트에 JSON 요청을 직접 전송할 수 있습니다. ## Responses API가 적합한 경우 - 모델이 여러 턴의 대화 상태를 관리해야 할 때 - 호스팅 도구나 함수 도구를 사용해야 할 때 - 여러 도구를 조합하는 복잡한 오케스트레이션이 필요할 때 - 백그라운드 작업이나 장시간 실행되는 작업을 처리할 때 ## Codex를 Bedrock에 연결하는 방법 - Codex CLI, Codex App 또는 VS Code 확장을 설치해 Bedrock을 모델 추론 경로로 사용할 수 있습니다. - 두 가지 인증 방식을 지원합니다. - `AWS_BEARER_TOKEN_BEDROCK`에 Bedrock API 키 설정 - AWS SDK 자격 증명 체인 사용 - `AWS_BEARER_TOKEN_BEDROCK`가 설정되어 있으면 Codex가 이를 우선 사용하고, 없으면 AWS SDK 자격 증명 체인으로 전환합니다. ```bash export AWS_BEARER_TOKEN_BEDROCK=<your-bedrock-api-key> ``` - `~/.codex/config.toml`에서 리전과 모델 제공자를 설정합니다. ```toml model = "openai.gpt-5.5" model_provider = "amazon-bedrock" [model_providers.amazon-bedrock.aws] region = "us-east-2" ``` - 사용할 수 있는 모델 ID에는 다음이 포함됩니다. - `openai.gpt-5.5` - `openai.gpt-5.4` - `openai.gpt-oss-120b` - `openai.gpt-oss-20b` - 데스크톱 앱이나 VS Code 확장에서 사용할 환경 변수는 `~/.codex/.env`에 저장할 수 있습니다. - 설정 파일을 변경한 뒤에는 앱이나 확장을 재시작해야 합니다. - Codex CLI에서는 `/status` 명령으로 현재 모델과 연결 상태를 확인할 수 있습니다. ## 지연 시간과 확장성 - 실제 사용자가 느끼는 지연 시간은 모델의 기본 속도뿐 아니라 다음 요소의 영향을 받습니다. - 추론 수준 - 출력 길이 - 도구 호출 횟수 - 백그라운드 실행 여부 - 리전 및 할당량 - 요청 제한(throttling) - 프롬프트 크기 - 캐시 적중 여부 - GPT-5.5는 우선 `reasoning.effort="medium"`으로 시작하는 것이 권장됩니다. - GPT-5.4는 기본값인 `none`에 의존하기보다 애플리케이션 요구사항에 맞춰 추론 수준을 명시하는 것이 좋습니다. - Bedrock의 차세대 추론 엔진은 수요 변화에 맞춰 용량을 빠르게 확보하도록 설계되었습니다. - 수요가 급증하면 요청을 즉시 거부하기보다 큐에 넣어 처리하는 방식으로 안정적인 워크로드 운영을 지원합니다. ## 리전, 데이터 보존, 과금 - 고객이 선택한 Bedrock 리전 내에서 모든 처리가 이루어지므로 데이터 레지던시 요구사항을 충족할 수 있습니다. - 제공 리전은 다음과 같습니다. - GPT-5.5: 미국 동부(오하이오) - GPT-5.4: 미국 동부(오하이오), 미국 서부(오리건) - 향후 지원 리전은 AWS의 전체 리전 목록에서 확인할 수 있습니다. - 개발자 좌석 라이선스나 인원별 약정 없이 토큰 사용량 기준으로 과금됩니다. 실무에서는 먼저 GPT-5.5를 중간 추론 수준으로 테스트하고, 비용과 성능의 균형이 중요하면 GPT-5.4와 명시적인 추론 설정을 비교하는 것이 좋습니다. Codex를 사용할 때는 리전, 인증 방식, 모델 ID를 설정 파일에 고정하고 `/status`로 연결 상태를 확인하면 운영 중 문제를 줄일 수 있습니다.

원문 읽기(새 탭에서 열림)

Pythonamazon-bedrockaws-sdkcurl+4

aws·2026년 6월 1일·4분 읽기큐레이션 요약

AWS 주간 정리: AWS의 Claude Opus 4.8, Kiro Powers를 지원하는 Aurora MySQL 등 (2026년 6월 1일) | Amazon Web Services

AI와 클라우드 서비스의 결합이 소프트웨어 개발과 AWS 고객 지원 방식을 빠르게 바꾸고 있다는 내용이다. 특히 Anthropic의 Claude Opus 4.8이 Amazon Bedrock과 Claude Platform on AWS에서 제공되면서 장시간 자율 작업과 에이전트형 코딩이 한층 강화됐다. AWS는 이와 함께 복원력 관리, 에이전트용 검색, 마이그레이션 분석, 자연어 기반 Aurora 운영 등 AI 중심 기능을 대거 공개했다. ## AI 기반 개발 방식의 확산 - AI-Driven Development Lifecycle(AI-DLC) 워크숍에서 17개 팀이 이틀 동안 약 20개의 사용 사례를 구현했다. - Claude Code on Amazon Bedrock 같은 도구를 활용하면 개발 작업의 속도가 크게 향상된다. - 기존의 세분화된 소프트웨어 개발 직무가 AI를 활용하는 소규모 팀 중심으로 재편되고 있다. - AWS의 솔루션 아키텍트와 기술 담당자도 설계 문서를 전달하는 방식에서 벗어나, 고객과 실시간으로 함께 구축하는 방식으로 협업하고 있다. ## AWS의 Claude Opus 4.8 지원 - Anthropic의 최신 범용 모델인 Claude Opus 4.8을 다음 두 경로로 사용할 수 있다. - **Amazon Bedrock**: Guardrails, Knowledge Bases, 데이터 레지던시 등 AWS 관리 기능 제공 - **Claude Platform on AWS**: Anthropic 네이티브 API와 AWS 청구 체계 통합 - 에이전트형 코딩, 지식 노동, 장시간 자율 작업에 최적화됐다. - 긴 세션에서 문맥을 유지하고, 오류를 복구하며, 방대한 문서의 정보를 종합할 수 있다. - 코드베이스를 엔지니어처럼 분석하고 수정 전에 계획을 수립하는 코딩 워크플로를 지원한다. ## 차세대 AWS Resilience Hub - SRE와 개발자가 조직 전체 애플리케이션의 복원력 기준을 정의하고 평가하는 통합 프레임워크를 제공한다. - 복원력 정책을 모듈식으로 구성할 수 있다. - 서비스 수준 목표(SLO) - 멀티 AZ·멀티 리전 재해 복구 - 데이터 복구 기준 - 비즈니스 관점의 애플리케이션 모델링을 지원한다. - 생성형 AI가 Well-Architected Framework와 Resilience Analysis Framework를 기준으로 복원력을 평가한다. - DNS 쿼리 로그를 분석해 애플리케이션 의존성을 자동으로 탐색한다. - AWS Organizations와 연동하면 위임된 관리자 계정 하나에서 조직 전체의 복원력을 관리할 수 있다. ## 에이전트형 AI를 위한 OpenSearch Serverless - Amazon OpenSearch Serverless가 검색 엔진과 벡터 엔진을 결합한 에이전트 애플리케이션용 관리형 서비스로 확장됐다. - 요청량이 0에서 초당 수천 건까지 자동 확장되며, 이전 세대보다 약 20배 빠르다. - 피크 용량을 기준으로 클러스터를 프로비저닝하는 방식보다 최대 60%의 비용 절감이 가능하다. - GPU 가속과 `SEARCH`, `VECTORSEARCH` 컬렉션 유형을 새로 지원한다. - OpenSearch Agent Skills를 통해 Vercel, Kiro, Claude Code, Cursor와 통합할 수 있다. ## AWS Transform의 마이그레이션·현대화 분석 - AWS 이전 전에 비즈니스 케이스와 총소유비용(TCO)을 검토할 수 있는 기능이 추가됐다. - 다음과 같은 다양한 데이터 소스를 수집할 수 있다. - RVTools 내보내기 파일 - CMDB 데이터 - AWS Transform 검색 도구 - 서드파티 검색 도구 - 리전, 사용률, 서비스 매핑을 바꿔 가며 가상 시나리오를 실행할 수 있다. - EC2, FSx, S3, EC2의 SQL Server, 가상 데스크톱 환경을 분석한다. - **Agentic Readiness Analysis(ARA)**와 **Modernization Analysis(MODA)**가 코드 저장소를 약 5~30분 안에 분석한다. - 결과에는 심각도, 파일 단위 근거, AWS 서비스에 매핑된 개선 지침이 포함된다. ## Kiro Powers를 활용한 Aurora MySQL 운영 - Aurora MySQL이 Kiro Powers와 통합되어 사전 검증된 MCP 서버, steering 파일, hooks를 활용할 수 있다. - 개발자는 자연어로 다음 작업을 수행할 수 있다. - 데이터 플레인: SQL 쿼리, 스키마 관리 - 컨트롤 플레인: 클러스터 관리 - Aurora Serverless 확장, RDS에서 Aurora로의 마이그레이션, 복제 구성 등에 대한 동적 안내를 제공한다. - 에이전트가 생성한 API 호출, SQL, 설정을 사용자가 검토한 뒤 실행할 수 있다. - Kiro IDE나 웹페이지에서 원클릭 설치가 가능하다. ## WorkSpaces Applications의 Windows Desktop 지원 - Amazon WorkSpaces Applications에서 자체 Windows Desktop 라이선스를 가져오는 BYOL 방식을 지원한다. - OS 라이선스 비용 없이 컴퓨팅 및 스트리밍 인프라 비용만 부담할 수 있다. - 적격 Microsoft 365 Apps for enterprise도 지원한다. - 로컬 PC와 원격 환경에서 동일한 단축키, 작업 흐름, 탐색 경험을 제공한다. ## 추가 AWS 소식 - 2026년 5월 AWS Heroes 신규 선정자를 소개했다. - Vercel 대시보드나 v0에서 Aurora PostgreSQL, DynamoDB, Aurora DSQL을 직접 프로비저닝하는 AWS 데이터베이스 통합이 공개됐다. - 해당 기술 조합을 활용하는 H0 해커톤에서 총 16만 달러의 상금을 제공한다. - AWS GovCloud(US) 고객의 기술 지원 요청이 미국 내 미국 시민 엔지니어에게 24시간 자동 라우팅된다. ## 실용적인 결론 AWS 환경에서 AI 에이전트를 도입하려면 Claude Opus 4.8을 Bedrock의 보안·거버넌스 기능과 함께 검토하고, OpenSearch Serverless를 검색·벡터 검색 계층으로 활용할 수 있다. 또한 Aurora MySQL 운영 자동화, AWS Transform의 사전 마이그레이션 분석, Resilience Hub의 조직 단위 복원력 평가를 결합하면 개발 속도뿐 아니라 운영 안정성과 비용 예측 가능성도 높일 수 있다.

원문 읽기(새 탭에서 열림)

AI 에이전트AWSamazon-bedrockclaude-opus+4

aws·2026년 5월 28일·4분 읽기큐레이션 요약

생성형 AI 기반 SRE 복원력 여정을 위한 차세대 AWS Resilience Hub 소개 | Amazon Web Services

AWS Resilience Hub 차세대 버전은 복원력 정책 설정부터 의존성 탐색, 생성형 AI 기반 장애 모드 분석, 조직 전체 보고까지 하나의 흐름으로 통합한다. 이를 통해 SRE와 개발팀은 애플리케이션별 복원력 목표를 일관되게 정의하고, 실제 장애 대응 수준을 평가하며, 규정 준수 여부를 대규모로 입증할 수 있다. AWS Organizations와 새로운 시스템·서비스 모델을 활용해 여러 계정과 애플리케이션의 복원력 상태를 중앙에서 관리하는 것이 핵심이다. ## 모듈형 복원력 정책 - 단일하고 경직된 정책 유형 대신 필요한 요구사항을 조합해 정책을 구성한다. - 설정 가능한 주요 항목은 다음과 같다. - 서비스 수준 목표(SLO) - 다중 가용 영역(Multi-AZ) 구성 - 다중 리전 재해 복구 - 복구 시간 목표(RTO) - 복구 시점 목표(RPO) - 백업에서 데이터를 복원하는 데 필요한 데이터 복구 시간 - 예를 들어 금융 애플리케이션용 정책에 다음 조건을 정의할 수 있다. - 가용성 SLO 99.95% - 다중 리전 재해 복구 RTO 15분 - RPO 5분 - RTO·RPO에 부합하는 재해 복구 방식 ## 비즈니스 관점의 애플리케이션 모델 - 새로운 모델은 기술 리소스가 아니라 비즈니스 애플리케이션과 사용자 경로를 중심으로 복원력을 표현한다. - 구성 요소는 다음과 같다. - **시스템(System):** 하나의 비즈니스 애플리케이션 - **사용자 여정(User journey):** 중요한 사용자 흐름과 비즈니스 경로 - **서비스(Service):** AWS 리소스, 코드, 관측성 구성으로 이루어진 배포 단위 또는 마이크로서비스 - Resilience Hub는 리소스 간 연결, 데이터 흐름, 포함 관계, 권한 관계를 자동으로 탐색해 토폴로지로 표시한다. - 서비스 토폴로지는 그래프, 테이블, JSON 형식으로 확인할 수 있다. ## 의존성 자동 탐색 - 서비스가 의존하는 AWS 서비스, 내부 엔드포인트, 외부 서드파티 엔드포인트를 자동으로 식별한다. - VPC 쿼리 로그의 DNS 질의를 분석해 설정 문서에 드러나지 않은 의존성도 찾는다. - 특히 다음과 같은 숨은 위험을 발견하는 데 유용하다. - 예상하지 못한 리전 간 호출 - 중요한 외부 서드파티 서비스 의존성 - 애플리케이션 구성에 누락된 내부 엔드포인트 - 서비스 생성 시 의존성 탐색을 활성화하며, 서비스 상세 페이지에서 언제든 비활성화할 수 있다. ## 생성형 AI 기반 장애 모드 분석 - 서비스가 정의된 복원력 정책, AWS Well-Architected 모범 사례, AWS Resilience Analysis Framework를 얼마나 충족하는지 분석한다. - 분석 과정에서 잠재적인 장애 모드를 식별하고 개선 권고사항을 제시한다. - 각 결과에는 다음 정보가 포함된다. - 어떤 장애 상황인지 - 해당 장애가 아키텍처에 중요한 이유 - 문제를 해결하는 방법 - 관련된 복원력 정책 요구사항 - 사용자는 **Failure mode guidance**에서 분석 에이전트를 위한 assertion을 추가하거나 수정할 수 있다. - 권고사항은 적용 후 **해결됨(Mark as resolved)**으로 표시하거나, 환경에 맞지 않으면 **무관함(Mark as irrelevant)**으로 처리할 수 있다. ## 서비스 생성과 평가 절차 - 먼저 Resilience Hub가 AWS 리소스를 읽을 수 있도록 invoker IAM 역할을 설정한다. - AWS Organizations를 사용하지 않는 경우에는 계정 간 역할을 구성할 수 있고, Organizations 환경에서는 서비스 연결 역할(SLR)을 활용할 수 있다. - 콘솔에서 다음 순서로 진행한다. 1. 재사용할 복원력 정책 생성 2. 비즈니스 애플리케이션을 나타내는 시스템 생성 3. 시스템에 서비스 추가 4. 서비스의 리소스 위치와 리전 지정 5. 복원력 정책과 IAM 역할 연결 6. 장애 모드 평가 실행 7. 결과와 권고사항 검토 및 조치 - 서비스 리소스는 리소스 태그, CloudFormation 스택, Terraform 상태 파일, Amazon EKS 클러스터·네임스페이스 등을 통해 지정할 수 있다. - 평가 중 Resilience Hub는 invoker 역할을 사용해 리소스를 읽고, 부모·자식 관계와 리소스 연결을 파악해 전체 토폴로지를 구성한다. ## AWS Organizations 기반 중앙 관리 - 위임된 관리자 계정에서 조직 전체의 복원력 상태를 평가할 수 있다. - 각 AWS 계정에 개별적으로 로그인하지 않고도 여러 애플리케이션의 복원력 수준과 개선 진행 상황을 관리할 수 있다. - 수백 개 애플리케이션에서 서로 다른 복원력 기준과 도구를 사용하는 문제를 줄이고, 조직 차원의 표준화와 규정 준수를 지원한다. ## 기존 고객을 위한 마이그레이션 - 기존 Resilience Hub 애플리케이션과 정책을 새 모델로 전환할 수 있는 마이그레이션 API를 제공한다. - 기존 평가 정책은 새로운 복원력 정책으로 변환된다. - 기존의 여러 관련 애플리케이션은 하나의 시스템과 여러 서비스 구조로 매핑할 수 있다. ## 제공 범위와 요금 - 차세대 AWS Resilience Hub는 Resilience Hub가 제공되는 AWS 상용 리전에서 정식 출시되었다. - 새로운 서비스 기반 요금 모델을 적용한다. - 서비스별 월 2회의 장애 모드 평가가 포함되며, 의존성 평가 기능은 선택적으로 사용할 수 있다. - 무료로 사용해 볼 수 있으며, 상세 요금은 AWS Resilience Hub 요금 페이지에서 확인해야 한다. 실무적으로는 먼저 핵심 비즈니스 서비스에 SLO·RTO·RPO를 정책으로 정의한 뒤, 의존성 탐색과 AI 장애 모드 평가를 실행하는 방식이 적절하다. 이후 조직 전체로 범위를 확대해 숨은 의존성과 반복되는 장애 패턴을 파악하고, 권고사항을 정기적인 복원력 개선 작업으로 연결하는 것이 효과적이다.

원문 읽기(새 탭에서 열림)

생성형 AITerraforminfrastructure-as-codeamazon-eks+4

aws·2026년 5월 28일·3분 읽기큐레이션 요약

에이전트형 AI 애플리케이션 구축을 위한 차세대 Amazon OpenSearch Serverless 소개 | Amazon Web Services

Amazon OpenSearch Serverless 차세대 버전은 AI 에이전트용 검색·벡터 백엔드로, 트래픽이 없을 때는 0까지 축소되고 필요할 때 초당 수천 건까지 확장됩니다. 기존 피크 용량 기준 클러스터 대비 최대 60% 비용을 절감할 수 있으며, 리소스 생성과 용량 확장이 이전 세대보다 크게 빨라졌습니다. Vercel, Kiro, Claude Code, Cursor 등과의 통합으로 인프라 관리 없이 몇 분 안에 프로덕션 수준의 검색 시스템을 구축할 수 있습니다. ## 서버리스 확장성과 비용 최적화 - 트래픽에 따라 용량을 0에서 수천 RPS 수준까지 자동 확장하고, 유휴 상태에서는 다시 0으로 축소합니다. - 기존 OpenSearch Service 클러스터를 피크 트래픽에 맞춰 프로비저닝하는 방식보다 최대 60% 비용을 절감할 수 있습니다. - 리소스 생성 시간은 수초이며, 이전 세대보다 용량 확장 속도가 최대 20배 빠릅니다. - 인덱싱, 검색, GPU 가속에 사용한 OpenSearch Compute Unit(OCU) 기준으로 컴퓨팅 비용이 부과됩니다. - 스토리지는 GB-month 기준으로 별도 과금됩니다. ## 차세대 컬렉션 생성 - AWS Management Console의 **Serverless → Create collection**에서 차세대 OpenSearch Serverless 컬렉션을 생성할 수 있습니다. - 출시 시 지원되는 컬렉션 유형은 다음 두 가지입니다. - `SEARCH`: 전문 검색 - `VECTORSEARCH`: 벡터 검색 - **Express create**를 사용하면 별도 설정 없이 기본값과 보안 정책이 자동 적용됩니다. - 일부 설정은 컬렉션 생성 후에도 변경할 수 있습니다. - 기존 OpenSearch Serverless 인프라를 사용하려면 **Switch to Classic**을 선택해야 합니다. ## 컬렉션 그룹과 용량 설정 - AWS CLI 또는 SDK를 이용해 컬렉션 그룹과 컬렉션을 생성할 수 있습니다. - 컬렉션 그룹에서 차세대 세대(`NEXTGEN`), 대기 복제본, 인덱싱·검색 용량 한도를 설정합니다. - 예시에서는 인덱싱과 검색 용량을 다음과 같이 설정합니다. - 최대 용량: 각각 96 OCU - 최소 용량: 각각 0 OCU - 컬렉션은 상위 컬렉션 그룹의 세대 설정을 상속합니다. - 컬렉션 그룹 생성 시 `standby-replicas ENABLED`를 지정해 대기 복제본을 활성화할 수 있습니다. - 제공된 CLI 예시는 글에서 같은 명령이 중복 제시되어 있으며, 2026년 5월 업데이트에서 최대 인덱싱·검색 용량 기본값이 96으로 수정되었습니다. ## AI 에이전트 개발 플랫폼 통합 - Vercel 콘솔에서 새 OpenSearch 컬렉션을 생성하거나 기존 OpenSearch Serverless 컬렉션을 연결할 수 있습니다. - 애플리케이션 성장에 맞춰 검색 기능을 단계적으로 추가할 수 있습니다. - Claude Code, Cursor, Kiro를 사용하면 아이디어에서 작동하는 프로토타입까지 빠르게 구현할 수 있습니다. - OpenSearch Agent Skills는 검색 도메인 지식, 모범 사례, 다단계 실행 로직을 에이전트에 제공합니다. - Kiro Powers의 OpenSearch Launchpad는 검색 애플리케이션의 아키텍처를 계획하고 구현하는 과정을 안내합니다. ## 제공 범위와 사용 시작 방법 - 차세대 OpenSearch Serverless는 정식 출시되었으며, 기존 OpenSearch Serverless가 제공되는 모든 AWS 상용 리전에서 사용할 수 있습니다. - 콘솔, AWS CLI, AWS SDK를 통해 컬렉션을 생성할 수 있습니다. - 자세한 관리 방법과 가격은 Amazon OpenSearch Service 공식 문서와 가격 페이지에서 확인할 수 있습니다. AI 에이전트의 검색·벡터 기능을 구축한다면, 트래픽 변동이 크거나 초기 인프라 운영 부담을 줄이고 싶은 경우 차세대 OpenSearch Serverless가 적합합니다. 특히 Vercel이나 Kiro를 사용하는 팀은 Express create와 기본 통합 기능을 활용해 빠르게 시작한 뒤, 필요에 따라 OCU 한도와 검색 기능을 확장하는 방식을 추천합니다.

원문 읽기(새 탭에서 열림)

AI 에이전트claude-codevector-dbaws-cli+4

aws·2026년 5월 27일·3분 읽기큐레이션 요약

새로운 AWS 히어로를 만나보세요 – 2026년 5월 | Amazon Web Services

2026년 5월 AWS Heroes로 네 명의 커뮤니티 리더가 새롭게 선정되었습니다. 이들은 AI·서버리스·클라우드 아키텍처 지식을 공유하고, 사용자 그룹과 커뮤니티 행사를 운영하며, 교육과 멘토링으로 AWS 생태계의 성장을 돕고 있습니다. 특히 AWS re:Invent 도구 개발, 라틴아메리카 최대 규모 커뮤니티 운영, AI/ML 인증 기여 등 각자의 전문성을 바탕으로 활동해 왔습니다. ## AWS Heroes 선정의 의미 - AWS Heroes는 기술 전문성뿐 아니라 커뮤니티에 대한 기여와 지식 공유를 인정받은 리더들입니다. - 선정된 인물들은 블로그, 팟캐스트, 컨퍼런스, 사용자 그룹, 교육 행사 등을 통해 다른 개발자와 클라우드 실무자를 지원해 왔습니다. - 이번에는 이탈리아, 캐나다, 아르헨티나에서 AI, 서버리스, 클라우드 아키텍처 분야의 리더들이 선정되었습니다. ## Damiano Giorgi: AI 기반 re:Invent 세션 추천 도구 - 이탈리아 파비아 출신의 **Artificial Intelligence Hero**입니다. - 온프레미스 시스템 엔지니어에서 AWS 클라우드 솔루션 아키텍트로 전환했으며, 현재 AI의 발전과 활용에 집중하고 있습니다. - AWS User Group Pavia와 AWS User Group Milan의 운영을 돕고 있습니다. - 개인 블로그 **“Bass and Bytes”**를 통해 기술 콘텐츠를 공유합니다. - Amazon Bedrock과 Amazon Nova를 활용해 관심사에 맞는 AWS re:Invent 세션을 찾도록 돕는 **“Unofficial post:Invent Session Suggester”**를 개발했습니다. - AWS Summit Milan을 비롯해 이탈리아, 아드리아 지역, 그리스, 네덜란드 등 유럽의 다양한 컨퍼런스에서 발표하고 있습니다. ## Darryl Ruggles: 서버리스와 AI/ML 아키텍처 전파 - 캐나다 오타와 출신의 **Serverless Hero**입니다. - 소프트웨어 개발자로 오랜 기간 일한 뒤 AWS 애플리케이션 및 AI/ML 아키텍처 분야로 전문성을 확장했습니다. - 서버리스, 컨테이너, AI/ML, FinOps를 주제로 블로그, LinkedIn, 공개 프로젝트에서 지식을 공유합니다. - **“Believe In Serverless”**를 포함한 여러 온라인 AWS 커뮤니티에서 활발히 활동합니다. - 온라인과 오프라인 행사를 가리지 않고 다른 개발자들과 교류하며 서버리스 기술의 실제 활용을 돕고 있습니다. ## Ricardo Daniel Ceci: 라틴아메리카 클라우드 커뮤니티 확장 - 아르헨티나 부에노스아이레스 출신의 **Artificial Intelligence Hero**입니다. - 약 2,400명의 회원을 보유한 아르헨티나 최대 AWS 커뮤니티인 **AWS User Group Buenos Aires**를 이끌고 있습니다. - **AWS Community Day Argentina**의 수석 조직자로 활동했습니다. - 2025년 **LATAM AWS Community Leader of the Year**로 선정되었습니다. - 라틴아메리카의 클라우드 전문가, AWS Heroes, 개발자 애드보킷과 대화하는 팟캐스트를 운영합니다. - 15년 이상의 클라우드 및 웹 개발 경험을 바탕으로 스페인어권 개발자들이 클라우드와 AI에 쉽게 접근하도록 지원하고 있습니다. ## Matias Kreder: AWS 인증과 머신러닝 커뮤니티 기여 - 부에노스아이레스 출신의 **Artificial Intelligence Hero**입니다. - AWS 인증 시험의 Subject Matter Expert(SME)로 참여했으며, **AWS Certified AI Practitioner**를 포함한 여러 AI/ML 인증 개발에 기여했습니다. - AWS DeepRacer에서 세 차례 결승 진출자로 선정된 경험을 계기로 커뮤니티 활동을 시작했습니다. - 이후 지역 내 DeepRacer 대회와 머신러닝 발표·행사를 조직했습니다. - AWS User Group Buenos Aires의 리더로서 2025년 AWS Community Day Argentina를 조직했습니다. - 라틴아메리카 전역의 커뮤니티 행사에서 AI, 머신러닝, AWS 관련 주제로 발표하고 있습니다. ## 실용적인 시사점 - AWS 기술을 학습할 때 공식 문서뿐 아니라 사용자 그룹, 커뮤니티 행사, 팟캐스트, 공개 프로젝트를 함께 활용하면 실무 관점을 얻을 수 있습니다. - Amazon Bedrock·Nova 같은 생성형 AI 서비스를 실제 개발 도구에 적용한 사례는 AWS 서비스 학습과 프로토타이핑에 참고할 만합니다. - 관심 지역의 AWS Heroes나 사용자 그룹에 참여하면 발표, 멘토링, 자격증 준비, 네트워킹 기회를 얻을 수 있습니다.

원문 읽기(새 탭에서 열림)

AI머신러닝AWSamazon-bedrock+4

aws·2026년 5월 25일·4분 읽기큐레이션 요약

AWS 주간 요약: 이스탄불의 AWS 로컬 영역, 오픈 소스 ExtendDB, Kiro Web 등 (2026년 5월 25일) | Amazon Web Services

AWS는 이번 주 지역 인프라 확장, 보안·AI 개발 편의성 강화, 오픈소스 생태계 확대에 집중했다. 특히 튀르키예 이스탄불 Local Zone은 데이터 주권과 낮은 지연 시간이 중요한 기업에 새로운 아키텍처 선택지를 제공하며, SageMaker의 OpenAI 호환 API와 ExtendDB는 기존 애플리케이션의 AWS 이전 및 데이터 계층 이식성을 높인다. 또한 Kiro Web, Secrets Manager Agent 개선, SDK 재시도 정책 변경 등 개발·운영 효율을 높이는 업데이트도 소개됐다. ## 이스탄불 AWS Local Zone 개설 - AWS가 튀르키예 이스탄불에 새로운 Local Zone을 개설했다. - AWS 리전의 인프라를 대도시와 사용자 가까이에 배치해 다음을 지원한다. - 단일 자릿수 밀리초 수준의 지연 시간 - 특정 국가 내 데이터 저장·처리 - 금융, 정부, 통신, 의료 분야의 데이터 레지던시 및 규정 준수 - 튀르키예 기업은 데이터를 국경 안에 저장하고 백업하면서, 지연 시간에 민감한 워크로드를 이스탄불에서 실행할 수 있다. - 이스탄불 Local Zone은 AWS 리전과 연결되므로, 자체 데이터센터를 운영하지 않고도 Local Zone과 리전을 결합한 하이브리드 애플리케이션을 구성할 수 있다. - Local Zone은 하드웨어, 전력, 네트워크, 운영 체계 측면에서 높은 수준의 인프라 투자가 필요한 서비스다. ## 보안 및 운영 업데이트 - **AWS Security Hub Extended** - 통합 가능한 파트너 보안 솔루션이 21개로 확대됐다. - 엔드포인트 보호, CSPM, 위협 인텔리전스 등 9개 보안 영역을 다룬다. - AWS 및 서드파티 도구의 보안 탐지 결과를 Security Hub에서 통합·우선순위화할 수 있다. - 별도 커스텀 통합을 줄여 엔터프라이즈 보안 운영을 단순화한다. - **Secrets Manager Agent 개선** - 애플리케이션 시작 시 시크릿을 미리 가져오는 pre-fetch 기능이 추가됐다. - 요청 시 시크릿을 조회하면서 발생하던 콜드 스타트와 지연 시간을 줄일 수 있다. - IAM 역할을 맡아 시크릿을 조회할 수 있어, 서로 다른 권한 경계를 가진 워크로드 간 에이전트 공유가 쉬워졌다. - **AWS SDK 및 CLI 재시도 동작 변경** - 일시적 오류와 API throttling에 더 효과적으로 대응하도록 기본 재시도 로직이 개선됐다. - 더 지능적인 백오프 전략이 적용된다. - 별도 설정 변경 없이 프로덕션 애플리케이션의 복원력을 높일 수 있다. ## AI 개발 및 모델 이전 편의성 - **SageMaker AI의 OpenAI 호환 API** - SageMaker 추론 엔드포인트를 OpenAI API와 호환되는 방식으로 호출할 수 있다. - 기존 OpenAI용 SDK나 애플리케이션 코드를 크게 수정하지 않고 SageMaker로 전환할 수 있다. - 애플리케이션에서 엔드포인트 주소만 변경해 여러 모델 제공자나 AWS 인프라를 활용할 수 있다. - OpenAI 기반 프로토타입을 비용과 확장성을 고려한 SageMaker 환경으로 이전하는 장벽을 낮춘다. - **Amazon Bedrock 프롬프트 최적화 및 마이그레이션 도구** - 프롬프트를 자동으로 조정해 모델 성능을 개선한다. - 서로 다른 파운데이션 모델 사이에서 프롬프트를 이전하는 작업을 지원한다. - 프로덕션 AI 서비스의 프롬프트 품질을 반복적으로 개선하는 데 유용하다. - **Kiro Web** - AWS의 AI 기반 개발 환경 Kiro를 웹 브라우저에서 사용할 수 있게 됐다. - 데스크톱 IDE 설치 없이 스펙 기반 개발, AI 채팅, 에이전트 기능을 이용할 수 있다. - 다른 컴퓨터에서 빠르게 검토하거나 프로토타입을 제작하고, 팀에 Kiro 워크플로를 소개하기 쉬워졌다. ## ExtendDB와 데이터 계층의 이식성 - AWS가 **ExtendDB**를 오픈소스로 공개했다. - DynamoDB API와 데이터 모델을 사용하면서, 실제 저장소는 다른 백엔드 시스템으로 구성할 수 있는 어댑터다. - 주요 활용 사례는 다음과 같다. - 로컬 개발 및 테스트 환경에서 실제 AWS 연결 없이 DynamoDB API 사용 - 저장소 계층을 직접 제어해야 하는 환경 - DynamoDB 호환 의미론을 유지하면서 특정 백엔드에 종속되지 않는 구조 - 데이터 접근 계층의 이식성을 높이고, 개발·테스트 환경 구축 비용을 줄이는 데 도움이 된다. ## 서버리스 로컬 개발 개선 - AWS SAM CLI가 CloudFormation Language Extensions를 로컬에서 지원한다. - 로컬 개발 및 테스트 과정에서 다음과 같은 CloudFormation 기능을 사용할 수 있다. - 트랜스폼 - 동적 참조 - 기타 CloudFormation 언어 확장 기능 - 로컬 환경과 실제 배포 환경 사이의 기능 차이를 줄인다. - SAM 기반 서버리스 애플리케이션에서 로컬 테스트로 재현하기 어려웠던 엣지 케이스를 더 안정적으로 검증할 수 있다. ## 컨테이너 이미지 및 생태계 변경 - Amazon ECR Public에서 Bitnami 컨테이너 이미지가 제거될 예정이다. - ECR Public에서 Bitnami 이미지를 가져오는 워크로드는 영향을 받을 수 있다. - Bitnami 자체 레지스트리에서는 이미지가 계속 제공된다. - 운영 중인 이미지 참조를 Bitnami 레지스트리로 변경하고, 제거 일정과 마이그레이션 절차를 확인해야 한다. ## 예정된 AWS 행사 - AWS Summit Amsterdam: 5월 27일 개최 - AWS Summit Bangkok: 5월 28일 개최 - AWS Summit Milan: 5월 28일 개최 예정 - 클라우드·AI 세션, 실습, 네트워킹 등을 제공하며 유럽과 동남아시아 개발자 및 고객을 대상으로 한다. 실무적으로는 ECR Public의 Bitnami 이미지 의존성을 먼저 점검하고, OpenAI 호환 SageMaker API와 Secrets Manager Agent pre-fetch를 기존 서비스에 적용할 수 있는지 검토하는 것이 좋다. 튀르키예에서 서비스를 운영하거나 데이터 레지던시가 중요한 경우에는 이스탄불 Local Zone을 활용한 리전-Local Zone 아키텍처도 고려할 만하다.

원문 읽기(새 탭에서 열림)

AIAWSamazon-bedrock서버리스+4

aws·2026년 5월 18일·4분 읽기큐레이션 요약

AWS 주간 요약: AWS Transform 출시 1주년, AWS의 Claude 플랫폼, EC2 M3 Ultra Mac 인스턴스 등 (2026년 5월 18일) | Amazon Web Services

AWS는 기업 애플리케이션 현대화를 위한 AWS Transform을 출시 1년 만에 대규모 코드·서버 마이그레이션 서비스로 확장했으며, Kiro·Claude·Cursor·Codex에서도 Transform 에이전트를 사용할 수 있게 했다. 이번 주에는 Claude Platform의 AWS 정식 출시, 고성능 EC2 M3 Ultra Mac 인스턴스, Graviton 기반 Redshift RG 인스턴스 등 AI·개발·데이터 분석 관련 기능이 다수 공개됐다. 또한 보안 코드 분석, 멀티클라우드 연결, AI 연구 지원과 스타트업 크레딧 등 개발자와 기업을 위한 생태계 지원도 강화됐다. ## AWS Transform 출시 1년과 에이전트 확장 - AWS Transform은 .NET, 메인프레임, VMware 워크로드의 대규모 현대화를 지원하는 에이전트 기반 서비스다. - AWS Transform custom을 통해 다음 작업을 AWS 관리형 또는 사용자 정의 변환으로 수행할 수 있다. - 프로그래밍 언어 버전 업그레이드 - 프레임워크 마이그레이션 - 성능 최적화 - 코드베이스 분석 - Windows 전체 스택 현대화, 메인프레임 Reimagine 기능, 자동화된 테스트 기능도 추가됐다. - 1년 동안 수천 개 고객이 수십만 대의 서버를 마이그레이션했으며, 160만 시간 이상을 절감하고 45억 줄 이상의 코드를 처리했다. - AWS Transform 에이전트는 Kiro, Claude, Cursor, Codex에서 사용할 수 있고, Kiro의 에이전트 빌더 툴킷으로 맞춤형 변환 에이전트를 만들 수 있다. ## Claude Platform on AWS 정식 출시 - Anthropic의 네이티브 Claude Platform을 기존 AWS 계정에서 직접 이용할 수 있다. - 별도의 계정, 결제 체계, 사용량 추적을 관리할 필요가 없다. - Claude API와 콘솔, 얼리 액세스 베타 기능을 제공한다. - 서비스 운영 주체는 Anthropic이며, 고객 데이터는 AWS 보안 경계 외부에서 처리된다는 점에 유의해야 한다. ## EC2 M3 Ultra Mac 인스턴스 - Apple M3 Ultra Mac Studio 기반의 EC2 인스턴스로, Apple 애플리케이션 개발과 온디바이스 머신러닝 작업을 대상으로 한다. - 주요 사양: - 28코어 CPU - 60코어 GPU - 32코어 Neural Engine - 256GB 통합 메모리 - 이전 세대 M4 Max Mac 인스턴스와 비교하면 통합 메모리는 2배, CPU 코어는 1.75배, GPU 코어는 1.5배, Neural Engine 코어는 2배다. - 더 많은 Xcode 시뮬레이터를 병렬 실행하고 ML 워크로드를 가속해 제품 출시 시간을 단축할 수 있다. ## Graviton 기반 Amazon Redshift RG 인스턴스 - AWS Graviton 프로세서를 사용하는 Redshift RG 인스턴스가 출시됐다. - 기존 RA3 인스턴스보다 데이터 웨어하우스와 데이터 레이크 워크로드를 최대 2.4배 빠르게 처리한다. - vCPU당 가격은 이전 세대보다 30% 낮다. - 클러스터 노드에서 Apache Iceberg 및 Parquet 데이터를 처리하는 자체 벡터화 데이터 레이크 쿼리 엔진을 포함한다. ## Bedrock 프롬프트 최적화 - Amazon Bedrock의 모든 모델에 대해 프롬프트를 최적화할 수 있다. - 원래 프롬프트와 최적화된 프롬프트의 결과를 최대 5개 모델에서 동시에 비교할 수 있다. - 모델을 교체하거나 현재 모델의 응답 품질과 성능을 개선하려는 경우 유용하다. ## AWS Security Agent의 전체 저장소 분석 - AWS Security Agent가 저장소 전체를 대상으로 문맥을 고려한 심층 보안 분석을 수행한다. - 취약점을 발견하면 정확한 파일과 코드 줄에 연결된 구체적인 수정 코드를 생성한다. - 기존 AWS Security Agent 고객은 프리뷰 기간 동안 추가 비용 없이 사용할 수 있다. ## OCI와의 멀티클라우드 연결 - AWS Interconnect를 사용해 Oracle Cloud Infrastructure와 탄력적이고 확장 가능한 프라이빗 연결을 빠르게 구성할 수 있다. - 동일한 개방형 사양을 기반으로 OCI와 Google Cloud를 지원한다. - Google Cloud 연결은 정식 제공 중이며, Microsoft Azure 연결은 2026년 후반 제공될 예정이다. ## AI 연구 및 개발자 생태계 지원 - AWS는 대학 연구자들이 Trainium 칩을 사용할 수 있도록 1억 1,000만 달러를 투자했다. - UC Berkeley, MIT, Carnegie Mellon 등에서 Trainium 기반 AI 연구가 진행되고 있다. - 연구 결과는 오픈 소스로 공개되어 관련 개선 사항이 개발자 커뮤니티에 공유된다. - AWS Community Days 2026이 전 세계 여러 도시에서 개최된다. - Kiro Startups Credit 프로그램이 재개되어, 선정된 스타트업은 AWS 계정에서 최대 1년간 Kiro Pro+ 크레딧을 받을 수 있다. 실무적으로는 AWS Transform을 기존 레거시 현대화 계획과 검토하고, Claude Platform 사용 시 데이터 처리 경계를 확인하는 것이 좋다. Apple 개발팀은 M3 Ultra Mac의 병렬 시뮬레이터 성능을, 데이터팀은 Redshift RG의 성능 대비 비용을 각각 워크로드 기준으로 평가할 만하다.

원문 읽기(새 탭에서 열림)

amazon-bedrockamazon-ec2claudeapache-iceberg+3

aws·2026년 5월 14일·3분 읽기큐레이션 요약

Amazon Bedrock, 새로운 고급 프롬프트 최적화 및 마이그레이션 도구 출시 | Amazon Web Services

Amazon Bedrock의 **Advanced Prompt Optimization**은 여러 모델에서 프롬프트를 자동으로 개선하고, 기존 프롬프트와 최적화된 프롬프트의 성능을 비교하는 도구입니다. 사용자는 예시 입력, 정답 데이터, 평가 기준을 제공하면 되며, 모델 마이그레이션이나 현재 모델의 성능 개선에 활용할 수 있습니다. 최적화 결과로 프롬프트, 평가 점수, 비용 추정치, 지연 시간이 함께 제공됩니다. ## 여러 모델을 동시에 비교하는 프롬프트 최적화 - 최대 5개의 Amazon Bedrock 추론 모델을 선택할 수 있습니다. - 새 모델로 마이그레이션하는 경우: - 현재 모델을 기준선으로 선택 - 최대 4개의 후보 모델과 성능 비교 - 모델을 변경하지 않는 경우에도 현재 모델의 최적화 전후 결과를 비교할 수 있습니다. - 알려진 사용 사례에서 성능 저하가 없는지 확인하거나, 성능이 낮은 작업을 개선하는 데 사용할 수 있습니다. ## 입력 데이터와 JSONL 템플릿 - 프롬프트 템플릿은 JSONL 형식으로 준비해야 합니다. - 각 JSON 객체는 한 줄에 작성해야 합니다. - 주요 필드는 다음과 같습니다. - `version`: 고정값 `bedrock-2026-05-14` - `templateId`: 프롬프트 템플릿 식별자 - `promptTemplate`: 최적화할 프롬프트 - `evaluationSamples`: 입력 변수와 선택적 기준 응답 - `steeringCriteria`: 자연어 기반 최적화 기준 - `customLLMJConfig`: 사용자 정의 LLM 평가 설정 - `evaluationMetricLambdaArn`: Lambda 기반 평가 함수 - 파일은 직접 업로드하거나 Amazon S3에서 가져올 수 있습니다. - 최적화 결과와 평가 데이터가 저장될 S3 출력 위치도 지정할 수 있습니다. ## 멀티모달 프롬프트 지원 - 텍스트 입력뿐 아니라 이미지와 문서가 포함된 프롬프트도 최적화할 수 있습니다. - 지원 파일 형식: - PNG - JPG - PDF - `inputVariablesMultimodal` 필드에 파일 유형과 S3 URI를 지정합니다. - 문서 분석, 이미지 분석과 같은 멀티모달 작업의 프롬프트 개선에 적합합니다. ## 평가 방식 세 가지 ### Lambda 기반 사용자 정의 평가 - 정확도, F1 점수, 실행 정확도, 구조화된 JSON 일치 여부처럼 명확한 수치 평가에 적합합니다. - Python으로 작성한 Lambda 함수에서 모델 응답과 기준 응답을 비교합니다. - `evaluationMetricLambdaArn`을 통해 평가 Lambda를 연결합니다. - 핵심 로직은 모델 출력과 정답을 비교해 점수를 계산하는 `compute_score` 구현입니다. ### LLM-as-a-Judge 평가 - 요약, 생성, 추론 설명처럼 정답이 하나로 정해지지 않은 작업에 적합합니다. - 사용자 정의 평가 프롬프트와 평가 기준, 점수 척도를 설정할 수 있습니다. - Bedrock의 평가 모델이 각 프롬프트와 응답을 평가하고 점수와 판단 근거를 반환합니다. - 기본 평가 모델은 Claude Sonnet 4.6이며, 지원되는 다른 평가 모델을 선택할 수도 있습니다. - 설정은 `customLLMJConfig`에 지정합니다. ### 자연어 기반 Steering Criteria - 브랜드 문체, 출력 형식, 안전 제약 등 원하는 품질을 자연어로 설명할 때 사용합니다. - 직접 복잡한 평가 프롬프트나 점수 체계를 작성하지 않아도 됩니다. - `steeringCriteria` 배열에 원하는 기준을 입력합니다. - 기본 LLM 평가 프롬프트가 해당 기준을 반영해 응답을 종합적으로 평가합니다. - 이 방식에서도 Claude Sonnet 4.6이 평가 모델로 사용됩니다. ## 피드백 루프와 결과 확인 - Bedrock은 프롬프트와 예시 데이터를 선택한 모델에 전달합니다. - 모델 응답을 지정한 평가 방식으로 채점합니다. - 평가 결과를 바탕으로 프롬프트를 다시 작성합니다. - 이 과정을 반복해 평가 지표에 맞는 프롬프트를 탐색합니다. - 최종적으로 다음 정보를 확인할 수 있습니다. - 원본 및 최적화된 프롬프트 템플릿 - 모델별 평가 점수 - 예상 비용 - 응답 지연 시간 - 평가 데이터와 결과 ## 사용 방법과 제공 지역 - Amazon Bedrock 콘솔의 **Advanced Prompt Optimization** 페이지에서 `Create prompt optimization`을 선택합니다. - API를 사용하려면 `CreateAdvancedPromptOptimizationJob`을 호출합니다. - 미국, 아시아 태평양, 캐나다, 유럽, 남미의 여러 리전에서 제공됩니다. - 최적화 과정에서 사용된 Bedrock 모델 추론 토큰에 대해 일반 추론과 동일한 토큰 요금이 부과됩니다. 실무에서는 먼저 정확도나 JSON 일치처럼 측정 가능한 작업은 Lambda 평가로 시작하고, 요약·문체·안전성처럼 정성적인 작업은 LLM-as-a-Judge 또는 Steering Criteria를 사용하는 것이 적합합니다. 모델을 교체할 때는 기존 모델을 기준선으로 포함해 품질뿐 아니라 비용과 지연 시간까지 함께 비교하는 것이 좋습니다.

원문 읽기(새 탭에서 열림)

대규모 언어 모델amazon-bedrock멀티모달 AIamazon-s3+3

aws·2026년 5월 12일·3분 읽기큐레이션 요약

Amazon Redshift, 통합 데이터 레이크 쿼리 엔진을 탑재한 AWS Graviton 기반 RG 인스턴스 출시 | Amazon Web Services

Amazon Redshift의 새로운 RG 인스턴스는 AWS Graviton 기반으로, 기존 RA3보다 데이터 웨어하우스 워크로드를 최대 2.2배 빠르게 처리하면서 vCPU당 가격은 30% 낮춘다. 또한 데이터 웨어하우스와 Amazon S3 데이터 레이크를 하나의 엔진에서 SQL로 조회할 수 있어, Apache Iceberg는 최대 2.4배, Apache Parquet은 최대 1.5배 향상된 성능을 제공한다. 이를 통해 대규모 AI 에이전트 쿼리와 저지연 분석 workload의 비용과 운영 복잡성을 함께 줄이는 것이 핵심이다. ## 데이터 웨어하우스와 데이터 레이크를 함께 처리해야 하는 배경 - 기업은 구조화되고 자주 조회되는 데이터는 데이터 웨어하우스에, 대규모·다양한 데이터는 비용 효율적인 데이터 레이크에 저장하는 방식으로 운영하고 있다. - AI 에이전트가 사람보다 훨씬 많은 쿼리를 실행하면서 쿼리 처리량과 운영 비용이 급증하고 있다. - Redshift는 BI 대시보드, ETL, 실시간 분석, 자율형 AI 에이전트처럼 빠른 응답이 필요한 workload를 대상으로 성능 개선을 이어 왔다. - 2026년 3월에는 신규 쿼리 성능을 최대 7배 높여 BI와 ETL 응답 시간을 단축했다고 설명한다. ## AWS Graviton 기반 RG 인스턴스 - RG 인스턴스는 AWS Graviton 프로세서 기반의 새로운 Amazon Redshift 인스턴스 제품군이다. - RA3 대비 데이터 웨어하우스 workload를 최대 2.2배 빠르게 처리한다. - vCPU당 가격은 RA3보다 30% 낮다. - 고빈도 쿼리와 낮은 지연 시간이 중요한 분석 및 agentic AI workload에 적합하다. - 기존 RA3 인스턴스와 `ra3.xlplus`, `ra3.4xlarge` 및 대응하는 `rg.xlarge`, `rg.4xlarge` 구성을 비교할 수 있다. ## 통합 데이터 레이크 쿼리 엔진 - Redshift의 단일 SQL 엔진으로 데이터 웨어하우스 테이블과 Amazon S3 데이터 레이크를 함께 조회할 수 있다. - Apache Iceberg 데이터 조회 성능은 RA3 대비 최대 2.4배, Apache Parquet은 최대 1.5배 빠르다. - 데이터 레이크 쿼리는 별도의 Spectrum 서비스가 아니라 Redshift 클러스터 노드에서 실행된다. - 기존 외부 테이블, 스키마, 쿼리 문법과 Spectrum 쿼리를 그대로 사용할 수 있어 애플리케이션 코드 수정이나 외부 테이블 재생성이 필요 없다. ## 비용 및 보안상의 변화 - 데이터 웨어하우스와 데이터 레이크를 각각 별도 시스템으로 운영할 필요가 줄어든다. - 데이터 레이크 쿼리가 VPC 내부에서 실행되므로 네트워크 경계를 단순하게 유지할 수 있다. - 기존 IAM 역할을 그대로 사용할 수 있다. - Spectrum의 데이터 스캔 요금인 TB당 5달러가 발생하지 않아 전체 Redshift 비용을 낮출 수 있다. - 실제 절감액은 쿼리량, 데이터 레이크 스캔 규모, 인스턴스 구성에 따라 달라지므로 AWS Pricing Calculator로 산정해야 한다. ## 마이그레이션 방법 - AWS Management Console, AWS CLI, AWS API를 통해 새 RG 클러스터를 생성하거나 기존 클러스터를 이전할 수 있다. - 통합 데이터 레이크 쿼리 엔진은 기본적으로 활성화된다. - **Elastic Resize** - 호환되는 구성에서 인플레이스 마이그레이션을 수행한다. - 약 10~15분의 다운타임이 발생한다. - **Snapshot and Restore** - RA3 스냅샷으로 RG 클러스터를 새로 생성한다. - 마이그레이션 과정에서 클러스터 설정을 변경하려는 경우 적합하다. - 마이그레이션 경로를 통해 비용, 호환성, 실행 계획을 확인하고 자동화할 수 있다. ## 리전 및 요금 옵션 - RG 인스턴스는 미국, 캐나다, 유럽, 아시아 태평양, 남아메리카의 여러 AWS 리전에서 제공된다. - 한국 리전(서울)도 지원 대상에 포함되어 있다. - Provisioned Redshift에서는 약정 없는 시간 단위 온디맨드 요금제와 비용 절감을 위한 Reserved Instance를 선택할 수 있다. - 제공 리전은 변경될 수 있으므로 실제 도입 전 AWS 리전별 지원 현황을 확인해야 한다. 실제로 도입할 때는 기존 RA3 workload의 쿼리 패턴과 S3 데이터 스캔량을 기준으로 RG의 성능·비용을 비교하는 것이 좋다. 호환 가능한 클러스터라면 Elastic Resize를 우선 검토하고, 설정 변경이나 검증이 필요하면 Snapshot and Restore 방식을 사용하는 것이 적절하다.

원문 읽기(새 탭에서 열림)

AI 에이전트amazon-s3sqlapache-iceberg+4

aws·2026년 5월 11일·4분 읽기큐레이션 요약

AWS 주간 요약: Amazon Bedrock AgentCore 결제, AWS용 Agent Toolkit 등 (2026년 5월 11일) | Amazon Web Services

2026년 5월 11일자 AWS Weekly Roundup은 AI 에이전트가 실행 중 유료 API와 MCP 서버 등을 자율적으로 결제할 수 있도록 지원하는 Amazon Bedrock AgentCore 결제 기능을 가장 중요한 소식으로 소개합니다. 또한 AWS용 Agent Toolkit, 정식 출시된 AWS MCP Server, AI 에이전트용 WorkSpaces, 차세대 EC2 인스턴스 등이 발표되었습니다. Valkey 생태계 성장, S3 Vectors와 Aurora PostgreSQL 연동, AWS DevOps Agent 기반의 자율형 SRE 구축 사례도 함께 다뤄집니다. ### AgentCore의 자율 결제 기능 - Amazon Bedrock AgentCore가 AI 에이전트가 다음과 같은 리소스에 직접 접근하고 비용을 지불할 수 있는 결제 기능을 프리뷰로 공개했습니다. - 유료 API - MCP 서버 - 웹 콘텐츠 - 다른 AI 에이전트 - Coinbase와 Stripe와 협력해 결제, 자격 증명 관리, 청구, 규정 준수 시스템을 직접 구축해야 하는 부담을 줄였습니다. - 결제 연결 방식으로 다음 지갑을 사용할 수 있습니다. - Coinbase CDP 지갑 - Stripe Privy 지갑 - 에이전트 세션 단위로 지출 한도를 설정할 수 있어 자율 실행 중에도 비용을 통제할 수 있습니다. - 실시간 시장 데이터를 구매하는 리서치 에이전트나, 작업 중 유료 API를 호출하는 코딩 에이전트 같은 활용 사례가 기대됩니다. - AgentCore CLI와 관련 문서를 통해 기능을 시작할 수 있습니다. ### AWS용 Agent Toolkit과 MCP Server - **Agent Toolkit for AWS**는 AI 코딩 에이전트가 AWS 애플리케이션을 더 안정적으로 구축하도록 돕는 운영 환경용 도구와 가이드 모음입니다. - 별도 추가 비용 없이 제공되며 다음 효과를 목표로 합니다. - 코드 작성 오류 감소 - 토큰 사용량 및 비용 절감 - 엔터프라이즈급 보안 제어 - 기존 AWS Labs의 MCP 서버, 플러그인, 스킬을 계승한 후속 도구입니다. - **AWS MCP Server**는 정식 출시되었으며, 소수의 고정된 도구를 통해 AI 에이전트가 모든 AWS 서비스에 안전하고 인증된 방식으로 접근하도록 지원합니다. - AWS MCP Server는 Agent Toolkit for AWS의 구성 요소로 제공됩니다. ### AI 에이전트용 Amazon WorkSpaces - 프리뷰 기능인 Amazon WorkSpaces for AI agents를 사용하면 AI 에이전트가 관리형 WorkSpaces 환경에서 데스크톱 애플리케이션에 안전하게 접근하고 조작할 수 있습니다. - 기존 웹 API로 자동화하기 어려운 데스크톱 기반 업무를 대규모로 자동화할 수 있습니다. - 관리형 환경, 거버넌스, 규정 준수 기능을 통해 기업 환경에서의 에이전트 실행을 통제할 수 있습니다. ### 차세대 EC2 M8idn·M8idb·R8idn·R8idb 인스턴스 - AWS 전용 6세대 Intel Xeon Scalable 프로세서와 최신 6세대 AWS Nitro 카드를 기반으로 합니다. - 이전 세대 대비 vCPU당 최대 43% 향상된 컴퓨팅 성능을 제공합니다. - M8idn/R8idn 인스턴스는 최대 600Gbps 네트워크 대역폭을 지원합니다. - M8idb/R8idb 인스턴스는 최대 300Gbps의 EBS 대역폭을 제공합니다. - 네트워크 집약적이거나 고성능 스토리지가 필요한 워크로드를 주요 대상으로 합니다. ### Valkey의 성장과 Amazon ElastiCache 지원 - 오픈소스 인메모리 데이터 저장소인 Valkey가 출시 2주년을 맞았습니다. - 1억 회 이상의 Docker pull을 기록했으며, 전년 대비 사용량이 17배 증가했습니다. - 225명 이상의 기여자가 참여해 1,500건이 넘는 pull request를 제출했습니다. - 같은 기간 Redis보다 약 두 배 빠른 개발 속도를 보였다는 점이 강조되었습니다. - 최신 Valkey 9.0은 Amazon ElastiCache에서도 사용할 수 있습니다. ### S3 Vectors와 Aurora PostgreSQL의 SQL 통합 - Amazon Aurora PostgreSQL-Compatible Edition에서 Amazon S3 Vectors의 벡터 데이터를 표준 SQL로 조회할 수 있습니다. - 벡터 유사도 검색 결과와 관계형 조건을 하나의 쿼리에서 결합할 수 있습니다. - 예를 들어 다음 조건을 동시에 처리할 수 있습니다. - 의미적으로 가장 유사한 상품 검색 - 가격 범위 필터링 - 재고 보유 여부 확인 - 테넌트별 데이터 제한 - 벡터 검색과 전통적인 관계형 데이터 처리를 별도 시스템으로 나누지 않고 통합할 수 있다는 점이 핵심입니다. ### AWS DevOps Agent 기반 자율형 SRE - AWS DevOps Agent를 활용해 장애 조사부터 완화 계획 수립까지 자동화하는 엔드투엔드 에이전트형 SRE 구축 방법을 소개합니다. - **DevOps Agent Spaces**를 사용해 에이전트가 조사할 범위와 대상을 정의할 수 있습니다. - 다음 도구와 통합됩니다. - Amazon CloudWatch - Splunk - GitHub - Slack - 웹훅으로 자동 조사를 시작할 수 있으며, 에이전트가 장애 원인을 분석하고 완화 계획을 생성합니다. - 생성된 구현 사양을 Kiro 같은 코딩 에이전트에 전달해 실제 수정 작업으로 이어갈 수 있습니다. 실무적으로는 AgentCore 결제 기능을 사용할 때 세션별 지출 한도와 결제 자격 증명을 먼저 설계하고, AWS용 Agent Toolkit과 MCP Server를 통해 에이전트의 권한 범위를 최소화하는 것이 중요합니다. 벡터 검색, 데스크톱 자동화, SRE 자동화는 각각 데이터 접근 통제와 감사 로그를 함께 구성해야 기업 환경에서 안전하게 운영할 수 있습니다.

원문 읽기(새 탭에서 열림)

AI 에이전트모델 컨텍스트 프로토콜amazon-ec2amazon-cloudwatch+4

aws·2026년 5월 6일·4분 읽기큐레이션 요약

AWS MCP 서버가 정식 출시되었습니다 | Amazon Web Services

AWS MCP Server는 AI 에이전트가 기존 IAM 자격 증명을 사용해 AWS 서비스에 안전하게 접근하도록 해 주는 관리형 원격 MCP 서버다. 최신 AWS 문서 검색, 15,000개 이상의 API 호출, 샌드박스 스크립트 실행을 제공해 에이전트가 오래된 학습 데이터나 과도한 권한 정책에 의존하는 문제를 줄인다. 특히 IAM 기반 권한 통제, CloudWatch·CloudTrail 감사, AWS 서비스별 Skills를 통해 프로덕션 환경에 적합한 AWS 자동화를 지원한다. ## AI 에이전트가 AWS에서 겪는 문제 - 모델의 학습 데이터가 오래되면 최신 서비스와 기능을 알지 못한다. - 예를 들어 2025년에 출시된 Amazon S3 Vectors를 학습하지 못한 모델은 S3에 임베딩을 저장하는 일반적인 방법만 제시할 수 있다. - 인프라를 구성할 때 AWS CDK나 CloudFormation보다 AWS CLI 명령을 우선적으로 생성하는 경향이 있다. - 필요 이상으로 광범위한 IAM 정책을 만들어 보안 위험을 키울 수 있다. - 데모 수준에서는 동작하더라도 최신 정보, 최소 권한, 운영 표준을 반영하지 못해 프로덕션 배포에는 부적합할 수 있다. ## AWS MCP Server의 핵심 도구 - `call_aws` - 기존 IAM 자격 증명을 사용해 15,000개 이상의 AWS API 작업을 실행한다. - 새 AWS API가 출시되면 며칠 내에 지원될 예정이다. - `search_documentation` - 실행 시점에 최신 AWS 공식 문서와 모범 사례를 검색한다. - `read_documentation` - 검색된 문서의 구체적인 내용을 읽어 에이전트가 최신 정보를 바탕으로 답변하도록 한다. - 이 도구들은 개별 AWS 서비스를 수천 개의 도구로 노출하지 않고 소수의 고정된 인터페이스로 제공해 모델 컨텍스트 사용량과 환각을 줄인다. ## GA 버전의 보안·효율성 개선 - IAM 컨텍스트 키를 지원해 별도의 MCP 서버용 IAM 권한 없이 표준 IAM 정책으로 세밀한 접근 제어를 설정할 수 있다. - 문서 검색은 인증 없이 사용할 수 있다. - 상호작용당 필요한 토큰 수를 줄여 복잡한 다단계 작업의 비용과 컨텍스트 부담을 낮췄다. - 에이전트 권한은 IAM 정책이나 SCP(Service Control Policy)로 제한할 수 있다. - 예를 들어 사용자는 리소스를 변경할 수 있지만 MCP 서버는 읽기 전용 작업만 수행하도록 분리할 수 있다. - `AWS-MCP` 네임스페이스의 CloudWatch 지표로 에이전트 호출을 사람의 직접 호출과 구분해 관찰할 수 있다. - CloudTrail은 실제 AWS API 호출에 대한 전체 감사 기록을 제공한다. ## 샌드박스 기반 `run_script` - 에이전트가 짧은 Python 스크립트를 작성해 AWS 서버 측 샌드박스에서 실행할 수 있다. - 샌드박스는 IAM 권한을 상속하지만 네트워크 접근과 로컬 파일 시스템·셸 접근은 차단된다. - 여러 AWS API를 순차적으로 호출하고 결과를 필터링·계산하는 작업을 한 번의 왕복으로 처리할 수 있다. - 그 결과 API 호출 지연과 모델 컨텍스트 사용량을 줄일 수 있다. - 로컬 환경 전체에 대한 접근 권한을 주지 않고도 데이터 처리 능력을 제공한다. ## Agent SOP에서 Skills로의 전환 - Skills는 에이전트가 자주 실수하는 작업에 대해 AWS 서비스 팀이 관리하는 검증된 지침과 모범 사례를 제공한다. - 에이전트가 더 적은 토큰으로 빠르고 일관되게 작업하도록 돕는다. - AWS 서비스별 지침을 별도 도구로 무분별하게 늘리지 않고 큐레이션된 지식으로 제공한다. - 짧고 예측 가능한 도구 목록을 유지해 환각을 줄이고 에이전트의 작업 집중도를 높인다. ## 최신 문서 검색을 통한 실제 효과 - 모델만 사용하면 Amazon S3 Vectors가 학습 데이터 이후에 출시되었기 때문에 해당 기능을 제안하지 못한다. - AWS MCP Server를 연결하면 `search_documentation`이 최신 AWS 문서를 조회한다. - 동일한 질문에 대해 Amazon S3 Vectors가 임베딩 저장을 위한 전용 서비스라는 정확한 답변을 얻을 수 있다. - 즉, 모델 자체를 재학습하지 않고도 실행 시점의 AWS 지식으로 최신 서비스와 API를 활용할 수 있다. ## 인증과 클라이언트 연동 - AWS MCP Server는 IAM과 IAM SigV4 인증을 사용한다. - MCP 클라이언트가 OAuth 2.1만 지원하는 경우 오픈 소스 `mcp-proxy-for-aws` 프록시를 사용해 로컬 AWS 자격 증명과 MCP를 연결할 수 있다. - 예시 설정은 Claude Code에서 다음과 같이 등록한다. ```bash claude mcp add-json aws-mcp --scope user \ '{"command":"uvx","args":["mcp-proxy-for-aws@latest","https://aws-mcp.us-east-1.api.aws/mcp","--metadata","AWS_REGION=us-west-2"]}' ``` - `--scope user`는 노트북의 모든 프로젝트에서 서버를 사용할 수 있게 한다. - 엔드포인트는 미국 동부 또는 유럽 리전에 위치하지만, API 호출 자체는 모든 AWS 리전에 수행할 수 있다. - Claude Code, Kiro, Cursor, Codex 등 MCP 호환 클라이언트에서 사용할 수 있다. ## 요금과 제공 리전 - AWS MCP Server 자체에는 추가 요금이 없다. - 사용자가 부담하는 비용은 생성한 AWS 리소스 비용과 해당 데이터 전송 비용이다. - 서비스 엔드포인트는 현재 미국 동부(버지니아 북부)와 유럽(프랑크푸르트) 리전에서 제공된다. 에이전트에 AWS 접근 권한을 부여할 때는 관리자 권한 대신 읽기 전용 또는 작업별 최소 권한 IAM 정책부터 적용하는 것이 좋다. 최신 문서 검색과 `run_script`를 활용하면 에이전트의 정확성과 효율성을 높이면서도 로컬 시스템과 AWS 리소스에 대한 접근 범위를 분리할 수 있다.

원문 읽기(새 탭에서 열림)

모델 컨텍스트 프로토콜PythonAWSclaude-code+4

aws·2026년 5월 5일·3분 읽기큐레이션 요약

워크플로 현대화: Amazon WorkSpaces, 이제 AI 에이전트에 자체 데스크톱 제공(미리 보기) | Amazon Web Services

Amazon WorkSpaces는 레거시 애플리케이션을 API로 현대화하지 않아도 AI 에이전트가 데스크톱 환경에서 직접 조작할 수 있도록 지원한다. 에이전트는 직원과 동일한 관리형 가상 데스크톱에서 애플리케이션을 사용하며, IAM 인증과 CloudTrail·CloudWatch 감사 추적을 적용받는다. 이를 통해 기업은 대규모 마이그레이션 없이 기존 업무 시스템에 AI 자동화를 도입할 수 있다. ## 레거시 애플리케이션의 AI 접근성 문제 - 2024년 Gartner 보고서에 따르면 조직의 75%가 현대적인 API가 없는 레거시 애플리케이션을 운영한다. - Fortune 500 기업의 71%는 프로그래밍 방식 접근이 부족한 메인프레임에서 핵심 업무를 처리한다. - 기업은 AI 도입을 미루거나, 비용과 위험이 큰 애플리케이션 현대화 프로젝트를 진행해야 했다. - WorkSpaces는 애플리케이션을 재개발하거나 API를 새로 구축하지 않고도 이 문제를 해결한다. ## AI 에이전트를 위한 보안 데스크톱 - AI 에이전트는 관리형 WorkSpaces 환경 내부에서 데스크톱 애플리케이션을 실행한다. - AWS IAM을 통해 에이전트를 인증하고, 에이전트별 자격 증명과 권한을 적용한다. - AWS CloudTrail과 Amazon CloudWatch를 이용해 세션과 작업을 감사·모니터링할 수 있다. - 로컬 컴퓨터가 아닌 격리된 클라우드 데스크톱에서 동작하므로 기존 보안 정책과 컴플라이언스 통제를 유지할 수 있다. - 직원용으로 사용하던 WorkSpaces 인프라를 AI 에이전트용 실행 환경으로 확장할 수 있다. ## MCP 기반 에이전트 연동 - WorkSpaces는 업계 표준인 Model Context Protocol(MCP)을 지원한다. - MCP 엔드포인트를 통해 에이전트 프레임워크와 WorkSpaces를 연결할 수 있다. - LangChain, CrewAI, Strands Agents 등 다양한 프레임워크와 함께 사용할 수 있다. - 별도의 애플리케이션별 API 통합 없이 에이전트가 데스크톱의 사용자 인터페이스를 조작한다. ## 에이전트 접근 환경 설정 - WorkSpaces Applications 스택을 생성해 에이전트의 연결 방식과 권한을 정의한다. - 스택 설정에서 기본값인 `No AI agent access` 대신 `Add AI Agents`를 선택하면 에이전트 접속을 활성화할 수 있다. - 주요 에이전트 기능은 다음과 같다. - **Computer input**: 클릭, 입력, 스크롤 수행 - **Computer vision**: 화면을 캡처해 애플리케이션 상태 인식 - **Screenshot storage**: 감사 및 디버깅을 위한 세션 스크린샷 저장 - 화면 해상도와 이미지 형식도 지정할 수 있다. - 예시 설정: 1280×720 해상도, PNG 형식 - 복잡하고 조밀한 UI는 더 높은 해상도가 유리할 수 있다. - 터미널 중심 인터페이스는 720p 수준으로도 충분할 수 있다. ## API 없이 기존 업무 애플리케이션 자동화 - Strands Agent SDK와 Amazon Bedrock으로 구현한 에이전트가 샘플 약국 시스템에서 처방전 리필 업무를 수행했다. - 에이전트는 환자 기록 조회, 약품 검색, 주문, 처방전 갱신 확인을 모두 화면 조작으로 처리했다. - 해당 애플리케이션은 에이전트가 사용 중이라는 사실을 인식하지 못한다. - 애플리케이션 수정, 재빌드, API 통합 없이 현재 상태 그대로 사용할 수 있다는 점이 핵심이다. ## 제공 범위와 도입 방법 - 현재 퍼블릭 프리뷰로 제공되며 추가 비용은 없다. - 지원 리전에는 미국 동부·서부, 캐나다, 유럽 주요 리전, 도쿄·뭄바이·시드니·서울·싱가포르 등이 포함된다. - AWS Management Console에서 WorkSpaces Applications 스택을 생성하고 AI 에이전트 접근을 활성화한 뒤, MCP 엔드포인트와 IAM 인증 정보를 에이전트 프레임워크에 설정한다. - AWS GitHub 저장소와 WorkSpaces 공식 페이지를 통해 구현을 시작할 수 있다. 기존 데스크톱 애플리케이션을 빠르게 자동화하려는 기업에는 유용한 접근 방식이다. 다만 퍼블릭 프리뷰 단계이므로 실제 도입 전 권한 범위, 화면 캡처의 민감정보 처리, 감사 로그 보존 정책을 충분히 검토하는 것이 좋다.

원문 읽기(새 탭에서 열림)

AI 에이전트모델 컨텍스트 프로토콜amazon-bedrockamazon-cloudwatch+4

aws·2026년 5월 4일·5분 읽기큐레이션 요약

AWS 주간 요약: AWS 2026의 향후 계획, Amazon Quick, OpenAI 파트너십 등 (2026년 5월 4일) | Amazon Web Services

AWS는 2026년 들어 생성형 AI와 에이전트 중심으로 서비스를 빠르게 확장하고 있다. Amazon Quick은 업무 자동화와 콘텐츠 생성을 강화했고, Amazon Connect는 공급망·채용·고객지원·의료를 아우르는 4개 에이전트 솔루션으로 확대됐다. 또한 AWS와 OpenAI는 Bedrock을 통해 OpenAI 모델과 Codex를 AWS 환경에서 사용할 수 있도록 협력을 강화했다. ## Amazon Quick의 업무 자동화 확대 - Amazon Quick은 앱과 연결해 사용자의 업무 맥락을 파악하고 대신 작업을 수행하는 AI 비서다. - 브라우저 없이 로컬 파일, 캘린더, 커뮤니케이션에 접근할 수 있는 데스크톱 앱을 프리뷰로 제공한다. - AWS 계정 없이 개인 이메일이나 Google, Apple, GitHub, Amazon 계정으로 가입할 수 있다. - 채팅 인터페이스에서 다음 콘텐츠를 직접 생성할 수 있다. - 문서 - 프레젠테이션 - 인포그래픽 - 이미지 - Google Workspace, Zoom, Airtable, Dropbox, Microsoft Teams와의 네이티브 통합이 추가됐다. - 자연어로 지시해 비즈니스 데이터와 연결된 앱, 대시보드, 웹 페이지를 만드는 기능도 프리뷰로 제공된다. ## Amazon Connect의 에이전트 AI 사업 확장 Amazon Connect는 고객센터 제품을 넘어 네 가지 업무 영역별 에이전트 AI 솔루션으로 확대됐다. - **Amazon Connect Decisions** - 공급망 계획 및 인텔리전스 솔루션이다. - Amazon의 30년 운영 노하우와 25개 이상의 공급망 도구를 결합한다. - 문제가 발생한 뒤 대응하는 방식에서 벗어나 선제적 계획 수립을 지원한다. - **Amazon Connect Talent** - 대규모 채용을 위한 에이전트형 AI 채용 솔루션이다. - AI 주도 인터뷰, 과학 기반 평가, 일관된 지원자 평가를 제공한다. - 현재 프리뷰로 제공된다. - **Amazon Connect Customer** - 기존 Amazon Connect를 확장한 고객경험 솔루션이다. - 음성, 채팅, 디지털 채널에서 개인화된 고객 응대를 지원한다. - 대화형 AI를 수개월이 아니라 수주 내 구성할 수 있도록 설정 기능을 강화했다. - **Amazon Connect Health** - 환자 확인, 예약 관리, 환자 인사이트, 주변 대화 기반 문서화, 의료 코딩을 자동화한다. - 환자는 더 빠르게 진료를 받고, 의료진은 문서 작업보다 진료에 집중할 수 있도록 설계됐다. ## AWS와 OpenAI의 Bedrock 협력 - AWS와 OpenAI는 최신 OpenAI 모델을 Amazon Bedrock에서 사용할 수 있도록 제한적 프리뷰를 시작했다. - GPT-5.5와 GPT-5.4 등을 기존 Bedrock API를 통해 사용할 수 있다. - 사용자는 별도 인프라나 새로운 보안 모델을 익히지 않고 Bedrock의 보안, 거버넌스, 비용 관리 체계를 그대로 활용할 수 있다. - **Codex on Amazon Bedrock** - OpenAI의 코딩 에이전트를 기존 AWS 환경에서 실행한다. - AWS 자격 증명으로 인증하고, 추론은 Bedrock을 통해 처리한다. - Codex 사용량을 AWS 클라우드 약정에 반영할 수 있다. - Codex CLI, 데스크톱 앱, Visual Studio Code 확장에서 사용할 수 있다. - **Amazon Bedrock Managed Agents** - OpenAI 모델과 AWS 인프라를 결합해 운영 환경용 에이전트를 구축한다. - OpenAI 하니스를 사용해 장시간 작업의 실행력, 추론, 제어 안정성을 높이는 것을 목표로 한다. ## 고성능 EC2 인스턴스 출시 - **M8in·M8ib** - 6세대 Intel Xeon Scalable 프로세서와 6세대 AWS Nitro 카드를 사용한다. - M6in·M6ib보다 최대 43% 높은 성능을 제공한다. - M8in은 최대 600Gbps 네트워크 대역폭, M8ib는 최대 300Gbps EBS 대역폭을 지원한다. - **R8in·R8ib** - 메모리 최적화 인스턴스다. - 대규모 상용 데이터베이스, 데이터 레이크, SAP HANA 같은 인메모리 데이터베이스에 적합하다. - 최대 600Gbps 네트워크와 300Gbps EBS 대역폭을 제공한다. - **C8ine·M8ine** - 네트워크 최적화 인스턴스다. - C6in·M6in 대비 vCPU당 패킷 처리 성능이 최대 2.5배, 인터넷 게이트웨이 경유 네트워크 처리량이 최대 2배 향상됐다. - 가상 방화벽, 로드 밸런서, 5G UPF 등 보안·네트워크 가상 어플라이언스에 적합하다. ## Bedrock AgentCore의 운영 최적화 - Bedrock AgentCore 프리뷰에 에이전트 개선 기능이 추가됐다. - 운영 환경의 추적 데이터와 평가 결과를 분석해 시스템 프롬프트와 도구 설명 개선안을 추천한다. - 추천 결과는 다음 방식으로 검증할 수 있다. - 사전 정의된 테스트 케이스를 활용한 일괄 평가 - 실제 트래픽을 대상으로 한 A/B 테스트 - 모든 추천 사항은 사용자가 승인해야 운영 환경에 반영된다. - 관찰, 평가, 개선의 반복 과정을 자동화해 운영 중인 에이전트의 품질을 높이는 구조다. ## AWS Lambda와 Ruby 4.0 지원 - AWS Lambda가 최신 LTS 버전인 Ruby 4.0을 관리형 런타임과 컨테이너 기본 이미지로 지원한다. - 고급 로깅 기능을 사용할 수 있다. - JSON 구조화 로그 - 로그 레벨 설정 - 대상 CloudWatch 로그 그룹 지정 - 중국 리전과 AWS GovCloud를 포함한 모든 AWS 리전에서 제공된다. ## Amazon Q Developer에서 Kiro로의 전환 - Amazon Q Developer IDE 플러그인과 유료 구독은 2027년 4월 30일 지원 종료 예정이다. - 신규 가입은 2026년 5월 15일부터 차단된다. - 기존 구독자는 계속 사용자를 추가할 수 있지만, 2026년 5월 29일부터 Q Developer Pro에서 Opus 4.6은 사용할 수 없다. - Opus 4.5 및 기존 모델은 유지되며, 최신 코딩 모델인 Opus 4.7 등은 Kiro에서만 제공된다. - AWS 관리 콘솔의 Amazon Q Developer와 문서, 모바일 앱, Slack, Microsoft Teams 등 AWS의 퍼스트파티 경험은 이번 종료 대상이 아니다. ## 실용적인 시사점 - 기업은 Bedrock을 중심으로 OpenAI 모델과 AWS의 보안·거버넌스·비용 관리 체계를 함께 활용할 수 있게 됐다. - 업무 자동화 도입을 검토한다면 Quick은 문서 생성과 사내 도구 연결에, Connect는 고객지원·채용·공급망·의료 프로세스에 적합하다. - 대규모 데이터베이스나 네트워크 집약적 워크로드는 새 M8·R8·C8 계열의 대역폭과 패킷 처리 성능을 기존 인스턴스와 비교해 검토할 만하다. - Amazon Q Developer 사용 조직은 지원 종료 일정과 Kiro 전환 계획을 미리 점검해야 한다.

원문 읽기(새 탭에서 열림)

AI 에이전트AWSamazon-bedrockamazon-ec2+3