리캡 시리즈
- 세션 01: 에이전트 아키텍처 설계를 위한 개발자 로드맵
- 세션 02: Amazon Bedrock Data Automation
- 세션 03: AgentCore의 멀티 에이전트
- 세션 04: 에이전틱 AI 구축 Nova Act와 Strands Agents 실전 활용
- 세션 04: 사양 주도 개발로 Kiro를 활용하여 마이그레이션 프로젝트 가속화
- 세션 06: "매칭"에서 "이해"로: AgentCore Memory가 주도하는 개인화 AI 검색 실습
- 세션 07: 관찰을 통한 최적화 – LLM 관찰 가능성에서 AIOps까지, 실시간 인사이트를 지능형 자동화로 전환
- 세션 08: TEAM 배포와 최고의 엔지니어링 팀 구축
- 세션 09: 소위 서버리스 데이터베이스를 5년간 사용하며 얻은 다섯 가지 뼈아픈 교훈
- 세션 14: AI가 내 일을 한다면? Q Developer CLI와 Kiro가 내 일상을 어떻게 바꾸었는가
- 세션 16: 경계심을 갖춘 속도: Amazon Bedrock 에이전트 개발을 위한 필수 보안 사항
- 세션 26: 단일 H100에서 OSS LLM을 더 스마트하고, 저렴하고, 빠르게 실행하기
- 세션 28: 현대적인 통합 메타데이터 아키텍처: 데이터 사일로를 허무는 새로운 접근 방식
- 세션 29: 서버리스 MediaOps: Amazon Web Services에서 AI로 비디오 워크플로 자동화
- 세션 30: 대규모 성능 테스트로 효율성과 안정성을 고려한 아키텍처 설계
- 세션 31: 오픈 소스로 세계를 연결하기: 기술, 커뮤니티 및 글로벌 개발자 관계의 실전 여정
- 세션 33: 실시간 물류 분석을 위한 스트리밍 Iceberg 테이블 구축
- 세션 34: 대규모 로봇 전략 훈련 가속화: Kiro, Trainium 및 EKS 기반 자동화 폐쇄 루프 아키텍처
- 세션 35: 사양 주도 개발로 감각적 코딩에서 실용적 개발로
- 세션 36: 클라우드 비용 분석을 더 스마트하게: Strands와 AgentCore로 FinOps 지능형 에이전트 구축하기
- 세션 37: CNCF Kagent, K8sGPT, Nova Sonic을 사용하여 K8s용 대화형 에이전틱 AIOps 혁신하기
세션 노트
AI 기반 로보틱스를 위한 지침
- 목표 및 이점 개요: 확장 가능한 로봇 통합…
- 1: 물리 기반 작업을 위한 NVIDIA Isaac Sim…
- 2: 확장 가능한 병렬 실행을 위한 Amazon EC2/EKS 및 Amazon Batch
- 3: AI를 위한 Amazon Bedrock 파운데이션 모델 및 MCP 서버를 통한 에이전트…
- 4: Hugging Face LeRobot(LeRobot은 PyTorch에서 실제 로보틱스를 위한 모델, 데이터 세트 및 도구를 제공하는 것을 목표로 합니다. 로보틱스의 진입 장벽을 낮추는 것이 목표입니다.)
- 5: 결과: 병렬 시뮬레이션
- NVIDIA Isaac Sim, Amazon 컴퓨팅, Bedrock 모델, MCP 에이전트를 결합한 클라우드 네이티브 파이프라인의 중요성과 영향…
- 더 빠른 훈련, 확장 가능한 플릿, 실시간 추론, 지속적인…
- 획기적으로 단축…
- 병렬 작업 지원…
- 실시간 지원…
- 지속적인…
- 결과: 반복적인… 대상 산업…
- 시뮬레이션 기반 훈련으로 더 안전하고 빠르며 맞춤화된…
- 제조 자동화: 더 안전한 시운전, 감소된…
- 창고 및 물류, 로보틱스…
- 소매 및 배송: 효율적인…
- 의료 보조 로보틱스: 더 안전한 환자…
- 농업 및 환경 로보틱스… Delivery Agent(딜리버리 에이전트) 제공…
- Amazon Professional Services
- 컨설팅 주기 전반의 포괄적인 에이전트 시스템… 엔터프라이즈급 품질 및 보안
- 여러 검증 계층으로 AI 환각 완화
- 고객이 제어하는 안전한 환경
- 전략적 체크포인트에서의 사람의 감독
- 포괄적인 보안 제어 및 프로토콜
AWS Professional Services(ProServe) 에이전트
- AWS Professional Services(ProServe) 에이전트와 연계된 소프트웨어 개발 및 제공용 멀티 에이전트 AI 시스템 아키텍처입니다. 에이전트들이 상호작용하여 소프트웨어 솔루션을 생성하고 관리합니다.
- Sales Agent(영업 에이전트): 요구 사항이나 정보를 워크플로에 입력하여 프로세스를 시작하는 출발점입니다.
- Delivery Agent(딜리버리 에이전트): 요구 사항을 분석하고 AI 애플리케이션을 직접 구축하며 다른 에이전트에게 작업을 위임하여 전문 업무를 조율하는 중앙 오케스트레이터입니다.
- Project Artifacts(프로젝트 산출물): 초기 입력에서 생성되는 출력으로, 문서나 초기 계획일 가능성이 높으며 Design Agent(설계 에이전트)가 사용합니다.
- Design Agent(설계 에이전트): "Project Artifacts(프로젝트 산출물)"를 받아 "Spec Package(사양 패키지)"를 생성합니다. Delivery Agent(딜리버리 에이전트) 또는 "Project Artifacts(프로젝트 산출물)" 단계에 "Feedback(피드백)"을 다시 제공할 수도 있습니다.
- Spec Package(사양 패키지): Design Agent(설계 에이전트)의 출력으로, 빌드 프로세스의 사양을 포함합니다.
- Build Agent(빌드 에이전트): "Spec Package(사양 패키지)"를 사용하여("Autopilot(오토파일럿)"이라는 내부 메커니즘의 안내에 따라) "Coding Artifacts(코딩 산출물)"를 생성합니다.
- Coding Artifacts(코딩 산출물): Build Agent(빌드 에이전트)의 작업으로 생성된 코드 또는 애플리케이션 구성 요소입니다.
- AWS Transform의 Custom agents(사용자 지정 에이전트): 메인 흐름과 통합되는 별도의 연결된 프로세스입니다.
- Security Agent(보안 에이전트): 프로세스 전반에서 보안 정책을 모니터링하거나 시행하는 아키텍처의 상시 계층입니다.
- Amazon Cloud stage/dev(Amazon Cloud 스테이징/개발 환경): 결과 산출물이 배포되거나 관리되는 AWS 환경(스테이징 및 개발)을 나타냅니다.
- Coding Artifacts(코딩 산출물)는 "dev(개발)" 환경으로 전송됩니다.
- "stage(스테이징)" 환경은 "Custom agents(사용자 지정 에이전트)" 프로세스의 출력 또는 엔드포인트로 보입니다.
- 이 시스템은 지능형 에이전트를 사용하여 소프트웨어 개발 수명 주기를 자동화하고 가속함으로써 효율성과 품질을 높일 수 있습니다.
