에이전틱 AI 구축 Nova Act와 Strands Agents 실전 활용

세션 노트

에이전틱 AI의 미래 동향

• 생성형 AI는 명확한 발전 단계를 거쳐 왔으며, 각 단계는 기업에 새로운 우선순위와 과제를 가져왔습니다.
• 시스템은 낮은 에이전시(규칙 기반, 높은 수준의 사람 감독)부터 높은 에이전시(독립적 운영, 전략적 의사 결정)까지 다양합니다.
• 현재 대부분은 여전히 에이전틱 AI의 초기 단계에 있습니다. 더 높은 에이전시에는 고급 기술, 거버넌스, 신뢰 및 조직적 준비가 필요합니다. AI 에이전트가 구동하는 미래 구상
• Sequoia Capital은 미래의 AI 시스템이 추론, 계획, 협업 및 높은 자율성을 갖추고 자율적으로 작동하는 지능형 에이전트로 발전할 것이라고 예측합니다.
• 예측되는 2030년대의 에이전트 경제는 수많은 에이전트 작업이 상호 연결된 네트워크를 이루는 글로벌 신경망처럼 작동할 것입니다.
• 이는 개발자가 이 네트워크의 핵심 노드에 자리 잡을 기회를 제공하며, 개발자의 AI 에이전트가 널리 채택될 경우 상당한 재정적 이익으로 이어질 가능성이 있습니다.
• Sequoia Capital은 또한 한 사람이 창업하고 운영하며 기업 가치가 10억 달러($1 billion)인 "1인 유니콘"의 등장도 예측합니다. 이러한 변화는 창업자가 전통적인 팀을 구축하는 대신 AI 에이전트 워크플로를 조율하는 새로운 조직 모델로 이어질 것입니다.
• 창업자의 역할은 어떤 기능을 자동화하고 위임할지, 어디에 사람의 감독을 통합할지 결정하는 전략적 오케스트레이터로 변화할 것입니다. 확률적 사고방식과 사양 주도 개발
• AI 에이전트의 세계에는 기존과 다른 사고방식인 확률적 사고방식이 필요합니다. 개발자는 출력 정확도를 높이기 위해 대규모 언어 모델과 소통하는 방식을 조정해야 할 수 있습니다.
• Kiro와 같은 미래의 AI IDE는 사양 주도 개발을 특징으로 하며, 조직 구조와 사고 체계 같은 새로운 영역에 대한 정신적 준비의 필요성을 강조할 것입니다. 에이전틱 AI를 위한 기반 인프라
• 미래 에이전틱 AI 세계의 기반 인프라가 구축되고 있으며, 여기에는 AI 에이전트와 해당 도구 간 상호 운용성에 필수적인 통신 프로토콜이 포함됩니다.
• MCP 및 A2A와 같은 새로운 표준이 이러한 상호 운용성 과제를 해결하고 있으며 Amazon, Anthropic, Meta, Google을 비롯한 업계 선도 기업이 이를 채택했습니다.
• 이러한 프로토콜은 에이전트 애플리케이션, 모델 및 다양한 리소스 간의 연결을 지원합니다.
• AWS는 MCP 및 A2A 표준 위원회에 적극적으로 참여하며 분산 시스템 경험을 바탕으로 이러한 프로토콜을 개선하는 데 기여하고 있습니다.

에이전틱 AI 실전 애플리케이션: 지역 날씨 정보 검색

시나리오 개요:

• MCP 프로토콜, Amazon Bedrock 및 Hong Kong Observatory 웹사이트를 사용해 개발한 지역 날씨 앱 시연.
• AI 에이전트는 Nova Act로 구축되며 자연어 프롬프트를 사용해 날씨 웹사이트와 상호 작용합니다. 기능:
• 사용자는 에이전트에 특정 날씨 웹사이트 URL을 제공합니다.
• 에이전트는 "홍콩의 현재 날씨는 어떤가요?"와 같은 자연어 프롬프트에 응답합니다.
• 에이전트는 인간 웹 스크래핑 엔지니어처럼 작동하며 Hong Kong Observatory 웹사이트에서 날씨 정보를 자율적으로 찾습니다.
• 에이전틱 AI 시대가 도래했으며 미래를 위한 준비가 필요합니다.
• Nova Act와 같은 AWS 서비스가 이러한 전환을 지원할 수 있습니다. 기술 세부 정보:
• Nova Act를 사용한 에이전트 애플리케이션 설계.
• MCP로 AI 에이전트를 구현하여 MCP가 AI 모델과 실제 데이터 소스 간의 간극을 연결하고 더 강력한 애플리케이션을 만드는 방식을 보여줍니다.

Strands Agents로 사용자 지정 에이전틱 AI 애플리케이션 구축

사용자 지정 에이전트 구축의 과제:

• 입력 측면: 에이전트가 다양한 엔터프라이즈 시스템과 상호 작용하고, 실시간 데이터를 가져오며, API를 호출하여 워크플로(예: 예약, 업데이트, 프로세스 트리거)를 실행할 수 있는 커넥터가 필요합니다. 도구와 MCP는 이러한 입력의 오케스트레이션을 지원합니다.
• 메모리: 에이전트가 적응력과 컨텍스트 인지 능력을 갖추려면 단기 메모리(세션 컨텍스트)와 장기 메모리(시간이 지남에 따른 학습 및 개선)가 모두 필요합니다.
• 두뇌(LLM): 신뢰성과 추적 가능성에 필수적인 계획, 성찰 및 단계별 추론을 위해 ReAct, Reflexion, Chain-of-Thought와 같은 추론 프레임워크로 확장해야 합니다.
• 페르소나: 모든 에이전트에는 기능을 구분하기 위한 정의된 역할 및 지침 집합(페르소나)이 필요합니다(예: HR 에이전트 vs. DevOps 에이전트).
• 관찰 가능성과 가드레일: 사용자 지정 AI 에이전트에는 안전성, 디버깅 가능성 및 목표와의 정렬을 보장하는 메커니즘이 필요합니다. Strands Agents:
• 최소한의 코드로 AI 에이전트를 구축하기 위한 Amazon의 SDK.
• 복잡한 오케스트레이션을 처리하고 계획, 사고의 연쇄, 도구 호출 및 성찰에 최첨단 모델을 활용하여 개발을 간소화합니다.
• 개발자는 코드에 프롬프트와 도구 목록을 정의하고 로컬에서 테스트한 뒤 클라우드에 배포합니다. 시연: Manim을 사용한 수학 애니메이션:
• 고품질 수학 시각화를 위한 Python 라이브러리인 Manim을 사용해 수학 애니메이션을 만드는 과정을 보여줍니다.
• Strands Agents는 사용자 프롬프트를 처리하고 Manim 스크립트를 작성하며 애니메이션을 생성합니다.
• 핵심 사항:
• Strands Agents는 복잡한 실제 에이전틱 AI 애플리케이션의 생성을 간소화합니다.
• 시연에서는 에이전틱 워크플로와 특화된 오픈 소스 도구를 결합하여 발휘되는 강력한 기능을 강조합니다.

핵심 구현 코드 분석

1 필수 구성 요소 가져오기:

• 코드는 strands 모듈에서 Agent 클래스를, strands.tools.mcp에서 MCPClient 클래스를 가져옵니다
• 이러한 가져오기는 Strands 프레임워크 내에서 에이전트와 메시지 제어 프로토콜을 활용하는 시스템의 필수 구성 요소를 설정합니다. 2 Manim MCP 서버 연결 설정:
• 코드는 표준 입출력(stdio)을 전송 메커니즘으로 사용하여 Manim MCP 서버와의 연결을 설정합니다. 3 상호 작용 컨텍스트 설정:
• 코드는 Manim MCP 서버와 상호 작용하기 위한 컨텍스트를 설정합니다.
• MCP 클라이언트를 사용하여 서버에서 사용 가능한 도구를 가져옵니다.
• 이러한 도구로 Agent가 초기화되어 이어질 채팅 루프를 준비합니다. 4 자연어 프롬프트 처리:
• 코드는 Agent를 사용해 Manim 애니메이션을 요청하는 자연어 프롬프트를 처리합니다.
• 프롬프트는 x=-3부터 x=3까지 그래프로 나타낸 특정 삼차 함수의 9초 시각화를 지정합니다.

시연 과정

환경 설정:

• VS Studio에서 두 개의 터미널 창을 사용합니다:
• 왼쪽 터미널: MCP의 로컬 구현 모드인 Manim MCP Server에 연결되는 MCP Server를 실행합니다.
• 오른쪽 터미널: 비디오 생성 채팅 인터페이스를 시작하는 MCP Client 프로그램을 실행합니다. 사용자 상호 작용:
• 사용자는 채팅 인터페이스를 통해 자연어 명령을 입력하여 수학 공식의 애니메이션을 생성합니다.
• 명령 예시: "일정한 x 범위의 삼차 함수를 9초 동안 그리는 Manim 장면을 만들어 주세요." 에이전트 처리:
• 제출 후 오른쪽 터미널에는 에이전트가 자연어 요청을 처리하는 모습이 표시됩니다.
• 에이전트가 첫 번째 도구 호출인 "execute manim code."를 시작합니다. 적응형 문제 해결:
• 로컬 환경에서 컴파일 문제를 감지하면 에이전트는 작업을 완료하기 위해 지능적으로 단순화된 버전을 생성하여 적응형 문제 해결 능력을 보여줍니다. 작업 완료 및 출력:
• 에이전트는 작업을 성공적으로 완료하고 구현의 핵심 기능에 관한 세부 정보와 함께 성능을 "Perfect!(완벽합니다!)"로 평가하는 출력 요약을 제공합니다.
• AI 에이전트가 생성한 최종 MP4 비디오 파일은 "videos" 디렉터리에 있습니다.
• 비디오를 통해 에이전트가 요청된 수학 함수의 애니메이션 비디오를 생성했음을 확인할 수 있습니다.
• 특히 에이전트는 자연어 입력에서 직접 요청하지 않은 기능인 눈금이 적용된 X축과 Y축을 선제적으로 추가하여 AI 에이전트의 지능과 사용자 요구를 예측하는 능력을 보여줍니다.

AWS 에이전틱 AI 포트폴리오 아키텍처

세 가지 서비스 계층:

• [ 1 ] 인프라 계층:
• 에이전틱 AI 애플리케이션 실행에 필요한 기반 리소스와 기능을 제공합니다.
• [ 2 ] AI 및 에이전트 개발 소프트웨어와 서비스 계층:
• AI 에이전트 개발 및 관리를 위해 특별히 설계된 도구, SDK 및 서비스를 포함합니다.
• [ 3 ] 하위 계층: 에이전트용 SDK
• Amazon Nova와 Bedrock Agents를 포함합니다.
• [ 4 ] 애플리케이션 계층:
• 하위 계층에서 제공하는 AI 에이전트와 인프라를 사용해 구축한 최종 사용자 애플리케이션 및 서비스를 수용합니다. 특화된 서비스 범주:
• 각 계층에는 에이전틱 AI 개발 및 배포 요구에 맞춘 더욱 특화된 서비스 범주가 포함됩니다.