Amazon Web Services는 2026년 7월 29일 머신러닝 블로그에서 Amazon Bedrock AgentCore가 Model Context Protocol(MCP) 서버와 AI 에이전트를 조율해 자율적인 업무 인사이트를 생성하는 방식을 설명했다. 예시는 12개 조립 라인과 2,000대 기계를 관리하는 사라 첸(Sarah Chen)이 10 AM 생산 검토 전에 이번 주 어느 라인에 주의가 필요한지 알아야 하는 상황에서 출발한다. 이 시나리오에서 Line 4의 모터 온도는 기준선보다 12°C 높은 상태가 3일간 이어졌고, Machine 42는 8개월 전 베어링을 교체했으며 12개월 보증 기간 안에 있고, 운영시간 로그는 1월 이후 정격 용량의 130%로 가동됐다고 나타낸다.

제조 예시는 서로 끊어진 시스템이 의사결정을 늦추는 방식을 보여준다. 사라는 30일 OEE 추세를 확인해 Line 4의 가용성이 94%에서 87%로 떨어졌고 Line 9의 처리량은 6% 감소한 것을 발견한다. Line 4의 폐기율은 지난 화요일 2.3% 뛰었지만, Line 9에서는 아직 결함 신호가 없다. 그는 감독자 3명에게 이메일을 보내고 11:15 AM에야 확신 있는 답을 얻는다. AWS는 이를 Line 7 분석 대시보드 접근 권한이 없어 3일 지난 PDF 내보내기 파일에 의존하는 라지 파텔(Raj Patel), Machine 42 진동 관련 CSV를 받기 위해 4시간을 기다리는 프리야 나이르(Priya Nair)의 사례와 대비했다.

AWS는 기업들이 매일 5개에서 8개의 운영·분석 시스템을 쓰며, 각각 별도 로그인, 쿼리 인터페이스, 접근 모델을 갖는다고 문제를 규정했다. 기존 BI 대시보드는 전날 활동을 보여주고, 단일 AI 어시스턴트는 고립된 질문에 답한다. AWS에 따르면 맞춤형 멀티 에이전트 프레임워크는 전체 기술 스택을 아우를 수 있지만, 첫 업무 질문에 답하기 전까지 맞춤 커넥터, 세션 격리, 메모리 인프라, 보안 코드, 확장 로직, 오케스트레이션 로직에 수개월의 엔지니어링이 필요하다.

Amazon Bedrock AgentCore는 설정 기반 접근법으로 제시됐다. AWS는 팀이 사전 구축된 MCP 서버 커넥터로 기존 시스템을 연결하고, 자연어로 가시성 규칙을 정의하며, AgentCore가 오케스트레이션, 보안, 메모리, 확장을 처리하는 동안 자연어 질문을 할 수 있다고 설명했다. 제안된 아키텍처에서 모든 사용자 상호작용은 데이터 소스에 도달하기 전에 Amazon Bedrock, Amazon Bedrock AgentCore 인증, 정책, 메모리, 에이전트를 거쳐 MCP 커넥터로 이어진다.

아키텍처는 사용자, Amazon Bedrock AgentCore, 사전 구축된 MCP 서버 커넥터, 데이터 인프라, SageMaker Data Catalog 기반 Semantic Layer를 통한 메타데이터 발견 등 5개 계층으로 구성된다. 에이전트는 장비, IoT 원격 측정, 공급망, 분석, 맞춤형 로우코드 커넥터로 쿼리를 라우팅할 수 있고, 커넥터는 SageMaker Lakehouse, Redshift, S3 Tables, OpenSearch, Aurora에서 데이터를 가져온다. AWS는 새 소스를 맞춤 통합 코드 작성 대신 Data Catalog에 등록해 온보딩할 수 있으며, 완전한 작동 구현은 GitHub에 공개돼 있다고 밝혔다.

데이터 기반은 Apache Iceberg와 호환되는 오픈 레이크하우스 아키텍처인 Amazon SageMaker Lakehouse를 사용한다. 이 구조는 Amazon S3 데이터 레이크, S3 Tables, Amazon Redshift 데이터 웨어하우스, zero-ETL 통합으로 연결된 운영 데이터 저장소를 통합한다. AWS는 Amazon Redshift, AWS S3 Tables, Amazon Aurora PostgreSQL용 사전 구축 MCP 서버와 함께, Amazon Timestream을 통한 IoT 원격 측정, Amazon OpenSearch Serverless를 통한 품질 분석, SageMaker Data Catalog 메타데이터를 통한 Semantic Layer 쿼리용 맞춤 MCP 서버를 열거했다.

MCP 서버는 AI 에이전트가 get_equipment_status, detect_anomaly, check_parts_inventory 같은 형식이 지정된 도구를 발견하고 호출하게 한다. AWS에 따르면 AgentCore는 Amazon Redshift, Amazon Aurora, Amazon OpenSearch 및 OAuth를 통한 서드파티 시스템용 사전 구축 MCP 커넥터를 제공하며, Amazon Bedrock AgentCore Runtime의 로우코드 MCP 서버 템플릿은 독점 또는 맞춤 시스템을 포괄한다. 연결 대상에는 Amazon Aurora, RDS, Amazon MSK, Amazon OpenSearch Service, Amazon S3, Amazon Redshift, Salesforce, SAP, ServiceNow가 포함될 수 있다.

AWS는 절충점도 제시했다. MCP 서버는 기본적으로 무상태 모드로 실행되거나 다단계 작업을 위한 상태 저장 모드로 실행될 수 있지만, 상태 저장 서버는 수평 확장 배포에서 세션 어피니티 계획이 필요하다. MCP 서버가 추가될 때마다 모니터링과 버전 관리가 필요한 엔드포인트도 늘어난다. Amazon Bedrock AgentCore Gateway는 도구 호출의 단일 진입점 역할을 하며, 프로토콜 핸드셰이크 뒤 MCP 도구를 인덱싱하고, 도구 이름으로 호출을 라우팅하며, 반복 쿼리 지연시간을 줄이기 위해 조직 범위 및 사용자 범위 캐싱을 사용한다.

Amazon Web Services는 2026년 7월 29일 머신러닝 블로그에서 Amazon Bedrock AgentCore가 Model Context Protocol(MCP) 서버와 AI 에이전트를 조율해 자율적인 업무 인사이트를 생성하는 방식을 설명했다. 예시는 12개 조립 라인과 2,000대 기계를 관리하는 사라 첸(Sarah Chen)이 10 AM 생산 검토 전에 이번 주 어느 라인에 주의가 필요한지 알아야 하는 상황에서 출발한다. 이 시나리오에서 Line 4의 모터 온도는 기준선보다 12°C 높은 상태가 3일간 이어졌고, Machine 42는 8개월 전 베어링을 교체했으며 12개월 보증 기간 안에 있고, 운영시간 로그는 1월 이후 정격 용량의 130%로 가동됐다고 나타낸다.

제조 예시는 서로 끊어진 시스템이 의사결정을 늦추는 방식을 보여준다. 사라는 30일 OEE 추세를 확인해 Line 4의 가용성이 94%에서 87%로 떨어졌고 Line 9의 처리량은 6% 감소한 것을 발견한다. Line 4의 폐기율은 지난 화요일 2.3% 뛰었지만, Line 9에서는 아직 결함 신호가 없다. 그는 감독자 3명에게 이메일을 보내고 11:15 AM에야 확신 있는 답을 얻는다. AWS는 이를 Line 7 분석 대시보드 접근 권한이 없어 3일 지난 PDF 내보내기 파일에 의존하는 라지 파텔(Raj Patel), Machine 42 진동 관련 CSV를 받기 위해 4시간을 기다리는 프리야 나이르(Priya Nair)의 사례와 대비했다.

AWS는 기업들이 매일 5개에서 8개의 운영·분석 시스템을 쓰며, 각각 별도 로그인, 쿼리 인터페이스, 접근 모델을 갖는다고 문제를 규정했다. 기존 BI 대시보드는 전날 활동을 보여주고, 단일 AI 어시스턴트는 고립된 질문에 답한다. AWS에 따르면 맞춤형 멀티 에이전트 프레임워크는 전체 기술 스택을 아우를 수 있지만, 첫 업무 질문에 답하기 전까지 맞춤 커넥터, 세션 격리, 메모리 인프라, 보안 코드, 확장 로직, 오케스트레이션 로직에 수개월의 엔지니어링이 필요하다.

Amazon Bedrock AgentCore는 설정 기반 접근법으로 제시됐다. AWS는 팀이 사전 구축된 MCP 서버 커넥터로 기존 시스템을 연결하고, 자연어로 가시성 규칙을 정의하며, AgentCore가 오케스트레이션, 보안, 메모리, 확장을 처리하는 동안 자연어 질문을 할 수 있다고 설명했다. 제안된 아키텍처에서 모든 사용자 상호작용은 데이터 소스에 도달하기 전에 Amazon Bedrock, Amazon Bedrock AgentCore 인증, 정책, 메모리, 에이전트를 거쳐 MCP 커넥터로 이어진다.

아키텍처는 사용자, Amazon Bedrock AgentCore, 사전 구축된 MCP 서버 커넥터, 데이터 인프라, SageMaker Data Catalog 기반 Semantic Layer를 통한 메타데이터 발견 등 5개 계층으로 구성된다. 에이전트는 장비, IoT 원격 측정, 공급망, 분석, 맞춤형 로우코드 커넥터로 쿼리를 라우팅할 수 있고, 커넥터는 SageMaker Lakehouse, Redshift, S3 Tables, OpenSearch, Aurora에서 데이터를 가져온다. AWS는 새 소스를 맞춤 통합 코드 작성 대신 Data Catalog에 등록해 온보딩할 수 있으며, 완전한 작동 구현은 GitHub에 공개돼 있다고 밝혔다.

데이터 기반은 Apache Iceberg와 호환되는 오픈 레이크하우스 아키텍처인 Amazon SageMaker Lakehouse를 사용한다. 이 구조는 Amazon S3 데이터 레이크, S3 Tables, Amazon Redshift 데이터 웨어하우스, zero-ETL 통합으로 연결된 운영 데이터 저장소를 통합한다. AWS는 Amazon Redshift, AWS S3 Tables, Amazon Aurora PostgreSQL용 사전 구축 MCP 서버와 함께, Amazon Timestream을 통한 IoT 원격 측정, Amazon OpenSearch Serverless를 통한 품질 분석, SageMaker Data Catalog 메타데이터를 통한 Semantic Layer 쿼리용 맞춤 MCP 서버를 열거했다.

MCP 서버는 AI 에이전트가 get_equipment_status, detect_anomaly, check_parts_inventory 같은 형식이 지정된 도구를 발견하고 호출하게 한다. AWS에 따르면 AgentCore는 Amazon Redshift, Amazon Aurora, Amazon OpenSearch 및 OAuth를 통한 서드파티 시스템용 사전 구축 MCP 커넥터를 제공하며, Amazon Bedrock AgentCore Runtime의 로우코드 MCP 서버 템플릿은 독점 또는 맞춤 시스템을 포괄한다. 연결 대상에는 Amazon Aurora, RDS, Amazon MSK, Amazon OpenSearch Service, Amazon S3, Amazon Redshift, Salesforce, SAP, ServiceNow가 포함될 수 있다.

AWS는 절충점도 제시했다. MCP 서버는 기본적으로 무상태 모드로 실행되거나 다단계 작업을 위한 상태 저장 모드로 실행될 수 있지만, 상태 저장 서버는 수평 확장 배포에서 세션 어피니티 계획이 필요하다. MCP 서버가 추가될 때마다 모니터링과 버전 관리가 필요한 엔드포인트도 늘어난다. Amazon Bedrock AgentCore Gateway는 도구 호출의 단일 진입점 역할을 하며, 프로토콜 핸드셰이크 뒤 MCP 도구를 인덱싱하고, 도구 이름으로 호출을 라우팅하며, 반복 쿼리 지연시간을 줄이기 위해 조직 범위 및 사용자 범위 캐싱을 사용한다.