AWS(Amazon Web Services)는 LangChain Deep Agents와 Amazon Bedrock AgentCore를 사용하여 다중 에이전트 연구 시스템을 구축하는 새로운 아키텍처를 발표했다. 기존 연구 시스템은 복잡한 작업을 수행할 때 방대한 데이터로 인해 에이전트의 컨텍스트 윈도우가 과부하되는 문제가 있었다. 이번 아키텍처는 전문화된 하위 에이전트가 심층 작업을 처리하도록 위임하여, 조정자 에이전트가 고차원적 추론에 집중할 수 있도록 설계되었다.

이 시스템은 웹 조사를 위해 경량화된 가상 머신인 microVM을 활용하며, 여러 하위 에이전트가 병렬로 작업을 수행하도록 지원한다. 이를 통해 순차적 처리 대비 전체 작업 시간을 크게 단축했다. 개발자는 브라우저 조사자, 분석가, 조정자라는 세 가지 유형의 에이전트를 구성할 수 있다. 특히 분석가 에이전트는 AgentCore 코드 인터프리터를 사용하여 pandas, matplotlib, numpy 등이 설치된 Python 환경에서 작업한다.

배포는 ARM64 컨테이너 기반의 Bedrock AgentCore Runtime에서 관리되며, AgentCore CLI를 통해 리소스 생성과 관리가 이루어진다. 이 시스템은 모델에 구애받지 않아 Claude Sonnet이나 Google Gemini 등 다양한 거대 언어 모델을 지원한다. 한편, 리소스 효율을 위해 브라우저 세션은 60분, 인터프리터 세션은 15분 후 자동 종료되는 설정을 갖췄으며 전체 워크플로우는 Amazon CloudWatch나 LangSmith로 모니터링할 수 있다.

AWS(Amazon Web Services)는 LangChain Deep Agents와 Amazon Bedrock AgentCore를 사용하여 다중 에이전트 연구 시스템을 구축하는 새로운 아키텍처를 발표했다. 기존 연구 시스템은 복잡한 작업을 수행할 때 방대한 데이터로 인해 에이전트의 컨텍스트 윈도우가 과부하되는 문제가 있었다. 이번 아키텍처는 전문화된 하위 에이전트가 심층 작업을 처리하도록 위임하여, 조정자 에이전트가 고차원적 추론에 집중할 수 있도록 설계되었다.

이 시스템은 웹 조사를 위해 경량화된 가상 머신인 microVM을 활용하며, 여러 하위 에이전트가 병렬로 작업을 수행하도록 지원한다. 이를 통해 순차적 처리 대비 전체 작업 시간을 크게 단축했다. 개발자는 브라우저 조사자, 분석가, 조정자라는 세 가지 유형의 에이전트를 구성할 수 있다. 특히 분석가 에이전트는 AgentCore 코드 인터프리터를 사용하여 pandas, matplotlib, numpy 등이 설치된 Python 환경에서 작업한다.

배포는 ARM64 컨테이너 기반의 Bedrock AgentCore Runtime에서 관리되며, AgentCore CLI를 통해 리소스 생성과 관리가 이루어진다. 이 시스템은 모델에 구애받지 않아 Claude Sonnet이나 Google Gemini 등 다양한 거대 언어 모델을 지원한다. 한편, 리소스 효율을 위해 브라우저 세션은 60분, 인터프리터 세션은 15분 후 자동 종료되는 설정을 갖췄으며 전체 워크플로우는 Amazon CloudWatch나 LangSmith로 모니터링할 수 있다.