AWS, 데이터 레이크용 서버리스 MCP 게이트웨이 구축

AWS는 북미 물류센터 계획팀이 기업 데이터 레이크를 대화형으로 조회할 수 있도록 Amazon ECS Fargate에서 서버리스 모델 컨텍스트 프로토콜(MCP) 서버를 구축했다고 밝혔습니다. 여러 AI 에이전트가 공통 데이터 도구와 접근 제어를 이용하며, 데이터셋을 추가할 때는 메타데이터 JSON 파일을 넣으면 다음 파이프라인 동기화 뒤 시스템이 이를 찾아냅니다.

수천 개 데이터셋을 보유한 데이터 레이크에서는 과거 에이전트마다 별도 연동을 만들어 SQL 생성, 스키마 정보, 연결 처리를 중복해야 했습니다. 스키마가 바뀌면 모든 에이전트를 수정할 수 있었고, 데이터셋 하나를 등록하는 데 보통 테이블별로 며칠이 걸렸습니다. AWS는 설정만으로 데이터셋 추가, 모든 MCP 호환 클라이언트에서 쓸 수 있는 도구, 중앙 권한 관리, 수요 급증에 대응하는 확장형 인프라를 목표로 삼았습니다.

구조는 클라이언트, MCP 서버, 도구, 지식 기반 갱신의 네 계층으로 나뉘며 각각 독립적으로 확장됩니다. 메타데이터 카탈로그에는 스키마 설명과 열의 의미, 테이블 관계를 저장해 에이전트가 SQL을 만들 때 활용하며, 새 메타데이터는 들어오는 대로 색인됩니다. 요청은 Route 53, HTTPS와 AWS WAF를 적용한 공개 애플리케이션 로드 밸런서, Amazon Cognito 인증을 거쳐 사설 서브넷의 ECS Fargate 서비스에 도달합니다. DynamoDB는 세션 기록을 저장하고, 내부 로드 밸런서는 별도의 MCP 서버로 요청을 보냅니다. 에이전트의 도구 조정은 Amazon Bedrock이 맡고, 모든 모델 상호작용에는 Bedrock Guardrails가 적용됩니다.

도구에는 Amazon Athena와 Redshift를 통한 SQL 조회, 문서·메타데이터 검색, Amazon Bedrock Knowledge Bases를 통한 정책 검색이 포함됩니다. Athena 조회에서 에이전트는 먼저 메타데이터 카탈로그를 확인하고 Bedrock으로 SQL을 생성한 뒤 Athena에 맞게 검증·자동 수정해 자연어 결과를 반환합니다. 쓰기 작업은 데이터 레이크에 도달하기 전에 거부되며, SQL은 SELECT 조회만 허용합니다. AWS에 따르면 문맥 매핑으로 카탈로그 검색을 관련 테이블로 제한할 수 있고, 테스트에서 요청부터 응답까지 15~20초가 걸렸습니다.

데이터셋 등록용 JSON 메타데이터 파일에는 테이블 설명, 업무 맥락, 열의 의미를 적고 선택적으로 문맥 매핑 항목을 추가합니다. 각 필드에는 조회 힌트와 설명, 예시 값을 넣을 수 있습니다. AWS는 WHERE 조건 작성에 도움이 되는 예시 값으로 FC-EAST-07 같은 창고 코드를 들었습니다. 파이프라인은 Amazon Titan Text Embeddings로 벡터 임베딩(검색에 쓰이는 수치 표현)을 만들고 Bedrock Knowledge Bases에 메타데이터를 색인합니다. 색인 후에는 수동 재색인이나 서버 재시작 없이 연결된 에이전트가 테이블을 찾을 수 있습니다.

AWS가 든 사례는 지난달 주문 중 금액이 가장 큰 10건을 요청하는 흐름입니다. 문맥 정보가 검색 범위를 좁히고, 에이전트가 맞는 스키마를 찾아 SQL을 생성하면 Athena가 검증된 질의를 실행합니다. 테스트에서는 이 과정이 15~20초 안에 완료됐습니다. 같은 서버가 Athena 결과와 문서 검색을 한 응답에 결합해 반품률 수치와 제품팀 분석을 함께 제시할 수도 있습니다.

AWS는 서버가 사설 서브넷에서 실행되고 Cognito로 사용자를 인증하며, 도구 호출을 구조화된 JSON 형식으로 CloudWatch에 기록한다고 밝혔습니다. ECS Fargate 서비스는 CPU 사용량에 따라 확장되며 클라이언트 계층의 기준은 50%입니다. 서버 계층은 CPU와 메모리를 기준으로 확장됩니다. AWS는 Athena와 Bedrock이 각 서비스에서 확장되므로 설정을 바꾸지 않고 단일 질의부터 동시에 수백 건의 질의까지 처리할 수 있다고 설명했습니다. 엔드포인트는 Bedrock과 Bedrock Knowledge Bases를 사용할 수 있는 AWS 리전에서 제공됩니다.

AWS는 북미 물류센터 계획팀이 기업 데이터 레이크를 대화형으로 조회할 수 있도록 Amazon ECS Fargate에서 서버리스 모델 컨텍스트 프로토콜(MCP) 서버를 구축했다고 밝혔습니다. 여러 AI 에이전트가 공통 데이터 도구와 접근 제어를 이용하며, 데이터셋을 추가할 때는 메타데이터 JSON 파일을 넣으면 다음 파이프라인 동기화 뒤 시스템이 이를 찾아냅니다.

수천 개 데이터셋을 보유한 데이터 레이크에서는 과거 에이전트마다 별도 연동을 만들어 SQL 생성, 스키마 정보, 연결 처리를 중복해야 했습니다. 스키마가 바뀌면 모든 에이전트를 수정할 수 있었고, 데이터셋 하나를 등록하는 데 보통 테이블별로 며칠이 걸렸습니다. AWS는 설정만으로 데이터셋 추가, 모든 MCP 호환 클라이언트에서 쓸 수 있는 도구, 중앙 권한 관리, 수요 급증에 대응하는 확장형 인프라를 목표로 삼았습니다.

구조는 클라이언트, MCP 서버, 도구, 지식 기반 갱신의 네 계층으로 나뉘며 각각 독립적으로 확장됩니다. 메타데이터 카탈로그에는 스키마 설명과 열의 의미, 테이블 관계를 저장해 에이전트가 SQL을 만들 때 활용하며, 새 메타데이터는 들어오는 대로 색인됩니다. 요청은 Route 53, HTTPS와 AWS WAF를 적용한 공개 애플리케이션 로드 밸런서, Amazon Cognito 인증을 거쳐 사설 서브넷의 ECS Fargate 서비스에 도달합니다. DynamoDB는 세션 기록을 저장하고, 내부 로드 밸런서는 별도의 MCP 서버로 요청을 보냅니다. 에이전트의 도구 조정은 Amazon Bedrock이 맡고, 모든 모델 상호작용에는 Bedrock Guardrails가 적용됩니다.

도구에는 Amazon Athena와 Redshift를 통한 SQL 조회, 문서·메타데이터 검색, Amazon Bedrock Knowledge Bases를 통한 정책 검색이 포함됩니다. Athena 조회에서 에이전트는 먼저 메타데이터 카탈로그를 확인하고 Bedrock으로 SQL을 생성한 뒤 Athena에 맞게 검증·자동 수정해 자연어 결과를 반환합니다. 쓰기 작업은 데이터 레이크에 도달하기 전에 거부되며, SQL은 SELECT 조회만 허용합니다. AWS에 따르면 문맥 매핑으로 카탈로그 검색을 관련 테이블로 제한할 수 있고, 테스트에서 요청부터 응답까지 15~20초가 걸렸습니다.

데이터셋 등록용 JSON 메타데이터 파일에는 테이블 설명, 업무 맥락, 열의 의미를 적고 선택적으로 문맥 매핑 항목을 추가합니다. 각 필드에는 조회 힌트와 설명, 예시 값을 넣을 수 있습니다. AWS는 WHERE 조건 작성에 도움이 되는 예시 값으로 FC-EAST-07 같은 창고 코드를 들었습니다. 파이프라인은 Amazon Titan Text Embeddings로 벡터 임베딩(검색에 쓰이는 수치 표현)을 만들고 Bedrock Knowledge Bases에 메타데이터를 색인합니다. 색인 후에는 수동 재색인이나 서버 재시작 없이 연결된 에이전트가 테이블을 찾을 수 있습니다.

AWS가 든 사례는 지난달 주문 중 금액이 가장 큰 10건을 요청하는 흐름입니다. 문맥 정보가 검색 범위를 좁히고, 에이전트가 맞는 스키마를 찾아 SQL을 생성하면 Athena가 검증된 질의를 실행합니다. 테스트에서는 이 과정이 15~20초 안에 완료됐습니다. 같은 서버가 Athena 결과와 문서 검색을 한 응답에 결합해 반품률 수치와 제품팀 분석을 함께 제시할 수도 있습니다.

AWS는 서버가 사설 서브넷에서 실행되고 Cognito로 사용자를 인증하며, 도구 호출을 구조화된 JSON 형식으로 CloudWatch에 기록한다고 밝혔습니다. ECS Fargate 서비스는 CPU 사용량에 따라 확장되며 클라이언트 계층의 기준은 50%입니다. 서버 계층은 CPU와 메모리를 기준으로 확장됩니다. AWS는 Athena와 Bedrock이 각 서비스에서 확장되므로 설정을 바꾸지 않고 단일 질의부터 동시에 수백 건의 질의까지 처리할 수 있다고 설명했습니다. 엔드포인트는 Bedrock과 Bedrock Knowledge Bases를 사용할 수 있는 AWS 리전에서 제공됩니다.