AWS, AI 에이전트를 위한 '하네스 엔지니어링' 도입

Chambers는 Dr. Andrew Ng와 함께 대규모 언어 모델에 중점을 둔 생성형 AI 과정을 작업한 경험이 있습니다. 그는 또한 2025년에 약 35,000건의 월간 다운로드를 달성한 MCP 람다 핸들러를 만든 것으로 알려져 있으며, Entka 재단의 창립 멤버로서 AWS의 역할을 강조했습니다.

Mike Chambers는 두 가지 상이한 AI 에이전트 범주를 식별했습니다. 사용자가 직접 상호 작용하는 에이전트와 엔지니어가 비하인드에서 구축하는 에이전트입니다. 사용자가 상호 작용하는 에이전트에는 Claude Code, Cursor, Kirao와 같은 생산성 도구가 포함되어 일상 업무를 향상시킵니다. 대조적으로, 엔지니어가 구축하는 에이전트는 신중한 아키텍처 설계, 강력한 인프라, 그리고 대상 고객에 대한 고려가 필요한 복잡한 시스템입니다. 이 두 가지 유형의 에이전트는 개념적으로는 분리되어 있지만, 사용자 대면 에이전트가 전문적으로 구축된 백엔드 시스템의 기능을 활용하는 실제 애플리케이션에서는 종종 함께 연결됩니다.

이 맥락에서 '동물'은 'AI 모델'로 대체됩니다. 즉, 하네스는 AI 모델에 적용되는 제어 메커니즘 세트입니다. 기술적으로 Chambers는 에이전트가 핵심 모델을 벗겨냈을 때, 주변 인프라 및 제어 로직을 모두 포함하는 하네스가 남는다고 명시합니다.

Mike Chambers는 에이전트에서 모델을 제거하면 남는 모든 것이 하네스를 구성한다고 설명합니다. 여기에는 에이전트가 상호 작용 전반에 걸쳐 정보를 유지하고 활용할 수 있도록 보장하는 메모리 관리와 같은 중요한 구성 요소가 포함됩니다. 또한 에이전트가 특정 작업을 수행할 수 있도록 사전 정의된 기술 및 도구 세트를 통합하고, 연결 및 상호 작용을 위해 MCP(Model Context Protocol) 서버를 활용합니다.

이러한 새로운 표준은 수십 년 동안 소프트웨어 개발을 안내해 온 코딩 표준의 오랜 전통을 기반으로 합니다. 조직의 개발 환경 전반에 걸쳐 신뢰성, 확장성 및 보안을 보장하기 위해 AI 기반 도구를 배포하기 위한 일관된 관행을 정의하는 데 중점을 둡니다.

이 툴킷은 엔지니어들이 AWS 생태계 내에서 코드를 배포하고 AI 에이전트를 효과적으로 관리하는 데 도움을 주기 위해 설계되었습니다. 이 툴킷의 가용성은 에이전트 기반 애플리케이션을 구축하고 배포하는 개발자들의 개발 프로세스를 간소화하는 것을 목표로 합니다.

그는 전문 클라우드 개발이 '클릭 옵스'에 반대했던 것처럼, 에이전트가 코드를 통해 인프라를 구축하는 것이 목표라고 강조했습니다. 이 접근 방식은 S3 버킷 또는 EC2 인스턴스를 시작하는 것과 같은 작업에 수동 프로세스에 의존하는 대신 개발자들이 클라우드 배포에 대한 명확한 소유권과 제어를 유지하도록 보장합니다. IaC를 활용함으로써 배포는 반복 가능하고 감사 가능하며 확장 가능해져 클라우드 개발을 위한 모범 사례와 일치하게 됩니다.

Mike Chambers는 에이전트의 루프 로직뿐만 아니라 결제, 메모리, ID 및 기술을 효과적으로 확장해야 할 필요성을 강조했습니다. 런타임 컨텍스트 관리와 강력한 가시성 및 평가 메커니즘 또한 프로덕션 등급 시스템에 필수적입니다. Chambers는 이러한 모든 구성 요소를 단일 컨테이너로 묶는 것은 불충분하며, 클라우드 규모에서 탄력적이고 고성능 시스템을 보장하기 위해 각 구성 요소가 독립적으로 확장 가능하고 관리 가능해야 한다고 강조했습니다.

Mike Chambers는 Strands Agents SDK를 사용하여 구축된 간단한 에이전트를 시연했습니다. 이 에이전트는 도구 데코레이터, 시스템 프롬프트 및 계산기와 시간 검색 기능을 포함한 기본 도구로 구성되었습니다. 이 설정은 로컬 개발 및 테스트에는 충분하지만, Chambers는 견고한 세션 관리 및 확장성 기능과 같은 프로덕션 규모 배포에 필요한 필수 속성이 부족하다고 언급했습니다.

그는 에이전트의 핵심 설계에 포함된 것을 강조했습니다. 세션 관리자는 에이전트가 여러 상호 작용에서 컨텍스트를 추적하고 유지할 수 있도록 하여 대화가 시간이 지남에 따라 일관되고 관련성을 유지하도록 보장합니다. 이 기능은 원활한 사용자 경험을 제공하고 에이전트가 과거 대화에 대한 기억을 필요로 하는 더 정교한 작업을 수행할 수 있도록 하는 데 필수적입니다.

이 프레임워크는 멀티테넌트 격리 및 런타임 확장성을 위한 내장 기능을 제공하여 광범위한 사용자 정의 코드의 필요성을 크게 줄여 프로세스를 간소화합니다. Strands를 활용함으로써 개발자는 보안 및 ID와 같은 중요한 측면을 효율적으로 관리할 수 있어 복잡한 인프라 문제 대신 에이전트의 핵심 기능에 집중할 수 있습니다.

AWS의 'agentcore dev' 명령어는 개발자들이 에이전트의 라이브 로컬 테스트를 위한 웹 브라우저 인터페이스를 시작할 수 있도록 합니다. 이 기능은 코드 업데이트를 실시간으로 반영하여 개발 프로세스 동안 즉각적인 피드백을 가능하게 합니다. 프로덕션 배포의 경우, 'agentcore deploy'는 코드로써의 인프라(Infrastructure as Code) 생성을 처리하여 확장 가능하고 반복 가능한 환경을 위한 프로세스를 자동화합니다.

개발자는 원하는 모델과 시스템 프롬프트를 지정하는 간단한 JSON 구성을 통해 에이전트를 배포할 수 있으므로 일반적인 사용 사례에 대해 복잡한 에이전트 코드를 작성할 필요가 없습니다. 이 방법은 일반적인 에이전트 요구 사항의 약 80%를 효과적으로 해결하여 빠른 배포 및 반복을 가능하게 합니다.

이는 서버리스 장기 메모리 관리와 같은 개별 구성 요소가 전체적인 개편 없이 기존 프로덕션 에이전트에 채택 및 통합될 수 있음을 의미합니다. 이 설계는 모듈성을 장려하여 개발자들이 사용자 정의 에이전트 요구 사항을 위해 모놀리식 솔루션을 구현하는 대신 필요한 기능을 선택하고 선택할 수 있는 유연성을 제공합니다.