Amazon Bedrock 에이전트에 Spring AI 참조 아키텍처 제공
AWS는 11월 11일 Amazon Bedrock 에이전트를 위한 참조 아키텍처를 공개했다. 이 아키텍처는 Java 애플리케이션을 도구, 대화 메모리, 관리형 배포와 연결한다. 예제는 익숙한 Spring 개발 패턴을 에이전트 애플리케이션에 적용한다. 동시에 중요한 구분도 유지한다. 에이전트를 배포했다고 해서 그 판단이 신뢰할 수 있음이 입증되는 것은 아니다.
이번 공개는 에이전트를 도입하면서 기존 소프트웨어 인프라를 얼마나 유지할 수 있을지 판단하는 엔터프라이즈 Java 팀을 겨냥한다. Spring 애플리케이션을 AI 모델 및 관련 서비스와 연결하는 프레임워크인 Spring AI가 애플리케이션 계층을 제공한다. 에이전트 호스팅과 운영을 위한 AWS 서비스인 Amazon Bedrock AgentCore는 지원 인프라를 제공한다.
핵심 긴장 관계는 익숙한 애플리케이션 엔지니어링과 낯선 의사결정 행동 사이에 있다. 서비스는 네트워크 수준에서 요청에 올바르게 응답하면서도 부적절한 조치를 선택할 수 있다. AWS는 이 계층들을 연결하는 실용적 출발점을 제시하지만, 구매자는 결과, 권한, 복구에 관한 근거를 여전히 필요로 한다.
Amazon Bedrock 에이전트에서 달라진 점
AWS는 새로운 Bedrock 모델을 발표하거나 자율적 신뢰성을 확립한 것이 아니라 구현 참조 자료를 제공했다.
Java 에이전트 아키텍처는 여행 도우미와 문서 처리 시스템을 다룬다. 예제는 도구 호출, 대화 메모리, 복원력, 배포를 연결한다. 도구 호출은 모델이 애플리케이션 함수를 요청하면 주변 소프트웨어가 이를 실행하는 방식을 뜻한다.
문서 시스템은 라우팅과 평가 규칙을 사용한다. 병렬 전문 작업 실행은 선택적 확장 기능으로 남아 있으며, 배치 엔드포인트는 문서를 순차적으로 처리한다. 데모용 가드레일 서비스도 프로덕션 Bedrock Guardrails와는 다르다. 분산 추적과 자동화된 평가 피드백 루프에는 추가 구현이 필요하다.
이러한 경계는 조달 과정에서 중요한 차이가 되는 요소들을 아키텍처 다이어그램이 압축하기 때문에 중요하다. 다이어그램은 서비스 연결을 보여줄 수 있지만, 모든 배포에서 해당 서비스가 구성된다는 사실까지 보장하지는 않는다. 구성 요소는 기능을 지원할 수 있지만, 예제가 현실적인 조건에서 그 기능을 실제로 실행한다는 뜻은 아니다.
개발자에게 이 참조 자료는 애플리케이션 코드가 어디에 위치해야 하는지에 대한 불확실성을 줄여 준다. 엔지니어링 관리자에게는 프레임워크를 선택하기 전에 검토할 수 있는 구체적 대상을 제공한다. 보안 검토자에게는 매끄러운 채팅 데모가 흔히 감추는 질문을 드러낸다.
참조 아키텍처는 고객 배포 보고서와 다른 증거적 역할을 한다. 접근 방식을 설명하고 구현 자료를 제공한다. 조직의 문서 유형, 접근 제어, 운영 조건 또는 비즈니스 예외 전반에서의 성능을 입증하지는 않는다.
여행 정보를 검색하고 일정을 제안하는 내부 도우미를 생각해 보자. 설득력 있는 답변은 유용한 상호작용을 보여 준다. 그러나 항공권 구매, 예약 변경 또는 다른 직원의 선호도 공개 권한까지 입증하지는 않는다.
같은 구분은 문서 처리에도 적용된다. 필드를 성공적으로 추출하는 것과 그 필드를 근거로 거래를 승인하는 것은 다르다. 애플리케이션 팀은 해석이 끝나는 지점과 중대한 조치가 시작되는 지점을 식별해야 한다.
따라서 이 공개는 Java 문법을 넘어 의미를 갖는다. 논의를 엔터프라이즈 팀이 검토할 수 있는 애플리케이션 경계로 옮긴다. 아키텍처는 그러한 팀에 출발점이 되는 어휘를 제공하지만, 수용 기준은 각자의 워크로드가 마련해야 한다.
그러므로 즉각적인 변화는 보편적이라기보다 실용적이다. 개발자는 모델 상호작용에서 배포된 서비스로 이어지는 또 하나의 구체적 경로를 얻는다. 그러나 어떤 판단을 자동화할지, 어떤 판단에 확인이 필요한지, 어떤 판단을 에이전트 권한 밖에 둘지는 여전히 결정해야 한다.
예제를 검토 가능한 출발점으로 대하면 그 가치가 더 분명해진다. 팀은 자율 운영이라는 더 큰 약속을 받아들이기 전에 개별 경계를 살펴볼 수 있다.
Java 팀은 기존 스택을 유지할 수 있지만 새로운 판단을 떠안는다
에이전트 데모를 책임 있는 비즈니스 서비스로 전환해야 하는 애플리케이션 소유자에게 부담이 집중된다.
에이전트 샘플 저장소에는 Java 백엔드와 별도의 브라우저 인터페이스가 포함되어 있다. 문서화된 배포 과정은 ARM64 컨테이너 이미지를 빌드하고, 이를 Amazon Elastic Container Registry에 저장하며, Terraform을 통해 AgentCore Runtime을 프로비저닝한다.
컨테이너 이미지는 실행을 위해 애플리케이션 코드와 종속성을 묶는다. Terraform은 인프라를 구성으로 기술한다. 이러한 선택은 이미 클라우드 애플리케이션을 운영하는 팀에 배포 경로를 익숙하게 만든다.
하지만 저장소의 설정 요구 사항은 프런트엔드와 인프라 도구 버전을 포함해 블로그 안내의 일부와 다르다. 개발자는 선택한 리비전에 수반되는 요구 사항을 검토해야 한다. 복사한 사전 요구 사항 목록이 실제로 배포하는 소프트웨어 검토를 대체해서는 안 된다.
더 큰 조직적 이점은 연속성이다. 팀은 기존의 코드 검토, 릴리스 승인, 운영 책임 체계를 통해 에이전트를 평가할 수 있다. 모델이 참여한다는 이유만으로 별도의 개발 프로세스를 도입할 필요가 줄어든다.
연속성은 잘못된 익숙함이라는 위험도 낳는다. 기존 애플리케이션의 행동은 흔히 개발자가 작성한 명시적 분기를 따른다. 에이전트는 그 분기 안에 모델이 선택한 조치를 도입한다. 익숙한 배포 체계가 그러한 선택을 똑같이 예측 가능하게 만들지는 않는다.
따라서 플랫폼 팀은 다른 검토 질문에 직면한다. 애플리케이션이 시작되는지 확인하는 일은 필요하지만 충분하지 않다. 검토자는 모델이 어떤 조치를 요청할 수 있는지, 주변 코드가 무엇을 허용하는지도 이해해야 한다.
예를 들어 직원 도우미가 경비 시스템에 접근할 수 있다고 하자. 상환 규정을 읽는 것과 경비 청구를 제출하는 것은 서로 다른 권한이다. 두 작업에 동일한 대화형 인터페이스를 제공한다고 해서 그 결과의 차이가 사라져서는 안 된다.
제품 관리자에게도 관련된 책임이 있다. 엔지니어가 테스트할 수 있을 만큼 서비스가 허용하는 결과를 정확히 설명해야 한다. “경비 관련 질문 처리”는 지원되는 요청과 필수 승인 지점을 식별하는 것보다 더 많은 모호함을 남긴다.
운영 팀도 또 다른 경계를 떠안는다. 에이전트는 사용할 수 없는 인프라, 잘못된 해석, 부적절한 도구 선택 또는 해결되지 않은 비즈니스 예외 때문에 실패할 수 있다. 사용자가 이를 모두 나쁜 답변이라고 표현하더라도, 이러한 실패에는 서로 다른 대응이 필요하다.
지원 팀에는 무슨 일이 일어났는지 설명하는 기록도 필요하다. 최종 응답만으로는 실패한 조회, 반복된 조치 또는 성공하지 못한 에스컬레이션이 가려질 수 있다. 유용한 운영 근거는 사용자의 요청과 그에 따른 애플리케이션 행동을 연결해야 한다.
이러한 결정을 문서화하는 팀에는 검색 가능한 지식 베이스가 설계 가정과 운영 지침에 쉽게 접근할 수 있도록 도울 수 있다. 이 문서는 검토자와 유지보수자를 지원하지만, 에이전트의 대화 메모리와는 구분되어야 한다.
아키텍처의 기회는 새로운 의사결정 계층을 추가하면서 기존 책임 체계를 보존하는 데 있다. 관리상의 과제는 누군가가 그 계층을 명시적으로 책임지도록 보장하는 것이다. 그렇지 않으면 모델의 행동은 애플리케이션 개발, 인프라 운영, 비즈니스 정책 사이에서 방치될 수 있다.
이 책임 문제는 더 폭넓은 자율성에 앞서 다뤄져야 한다. 책임을 배정하기 전에 접근 범위를 확장하면 이후의 사고를 진단하고 해결하기가 더 어려워진다.
도구 호출은 애플리케이션을 실행 경계로 만든다
모델은 조치를 제안할 수 있지만, 그 조치가 허용 가능한지는 애플리케이션 코드가 판단해야 한다.
Spring AI의 도구 호출 문서는 모델이 함수를 요청하고 프레임워크가 일치하는 도구를 실행하는 루프를 설명한다. 결과는 후속 처리를 위해 모델로 반환된다. 문서는 이 구성을 모델에 기본 애플리케이션 인터페이스에 대한 직접 접근 권한을 부여하는 것과 명시적으로 구분한다.
이러한 분리는 아키텍처를 평가하는 가장 유용한 방법이다. 모델의 요청은 제안된 의도를 나타낸다. 해당 도구 주변의 구현이 그 의도가 외부 조치가 될지 결정한다.
일정 구성을 요청하는 가상의 여행 도우미를 상상해 보자. 날씨 조회는 정보 제공이다. 객실 예약은 외부 시스템을 변경한다. 모델에는 두 도구가 비슷해 보이더라도, 이 차이는 권한 부여와 확인 행동에 반영되어야 한다.
설명적인 도구 이름만으로는 그 경계가 확립되지 않는다. 모델에 주의하라고 지시하는 것 역시 마찬가지다. 모델이 요청을 오해하거나 오도하는 정보를 받았을 때도 유효한 검사가 애플리케이션에 필요하다.
제공된 값이 애플리케이션 요구 사항을 충족하는지 확인하는 입력 검증은 그 문제의 일부를 해결한다. 목적지가 존재해야 하고, 날짜는 해석 가능해야 하며, 요청은 허용된 리소스를 가리켜야 한다. 이러한 검사는 중대한 실행에 앞서 이루어져야 한다.
권한 부여는 별도의 질문을 다룬다. 식별된 사용자가 요청된 작업을 수행할 수 있는지의 문제다. 유효한 인수라도 권한 없는 조치를 기술할 수 있다. 이러한 검사를 모호한 “안전한 출력” 개념으로 합치면 실패 원인을 식별하기 어려워진다.
도구 설계는 복구에도 영향을 미친다. 조회는 보통 비즈니스 상태를 바꾸지 않고 반복할 수 있다. 제출을 반복하면 중복 작업이 생길 수 있다. 동등한 요청을 반복해도 추가 비즈니스 효과가 발생하지 않는 멱등성은 조치를 재시도할 수 있을 때 중요해진다.
이는 모든 샘플 도구가 이러한 보호 장치를 구현했다는 증거가 아니라 아키텍처가 갖는 엔지니어링상 함의다. 예제를 적용하는 팀은 각 도구의 실제 동작을 검토해야 한다. 허용되는 부수 효과가 대화형 레이블보다 더 중요하다.
도구가 정보를 모델에 반환할 때도 같은 규율이 적용된다. 응답에는 불완전한 기록, 예상치 못한 텍스트 또는 오류 메시지가 포함될 수 있다. 모든 응답을 신뢰할 수 있는 맥락으로 취급하면 하류 문제를 잘못된 권고로 바꿀 수 있다.
애플리케이션 소유자는 도구가 실패했을 때 에이전트가 무엇을 보게 할지 결정해야 한다. 명확한 실패 결과는 모델에 불확실성을 설명할 기회를 준다. 성공처럼 보이는 빈 결과는 근거 없는 답변을 유도할 수 있다.
인터페이스도 완료 상태를 정직하게 설명해야 한다. 모델이 유창한 응답을 생성했다고 해서 요청한 작업이 성공했음이 입증되는 것은 아니다. 성공은 해당 작업을 담당하는 시스템의 근거에 따라 판단해야 한다.
바로 이 지점에서 아키텍처의 익숙한 애플리케이션 패턴이 유용해진다. 기존 서비스 경계는 권한을 집행하고, 기록을 검증하며, 결과를 기록할 수 있다. 모델은 그 경계 안에서 작동할 수 있지만 그 권한 자체가 되지는 않는다.
가장 강력한 구현은 대화가 복잡해져도 이 구분을 보존한다. 도구를 추가할 때는 실행 판단을 검토 가능하고 제한된 상태로 유지하면서 유용한 기능을 확장해야 한다.
메모리와 멀티 에이전트 라우팅은 검토 범위를 넓힌다
추가적인 맥락과 전문 역할은 정확성을 자동으로 높이기보다 검증해야 할 동작을 늘린다.
대화 메모리는 이후 상호작용을 위해 정보를 보존한다. 이는 지속되는 작업 전반에서 어시스턴트를 유용하게 만들 수 있지만, 보존된 맥락은 소유권, 정확성, 삭제에 관한 문제를 야기한다.
기억된 선호가 조용히 영구적인 권한이 되어서는 안 된다. 직원은 목적지를 변경하거나 요청을 철회하거나 이전 진술을 정정할 수 있다. 애플리케이션은 모든 과거 메시지를 똑같이 최신 정보로 취급하지 않으면서 이러한 변경을 해결하는 동작이 필요하다.
메모리는 다른 곳에 보관된 기록과도 명확한 관계를 가져야 한다. 대화에서는 승인을 설명할 수 있지만 비즈니스 시스템에는 승인 기록이 없을 수 있다. 거래를 담당하는 시스템은 계속해서 권위 있는 기준으로 남아야 한다.
ID는 이 구분을 특히 중요한 문제로 만든다. AWS의 런타임 보안 지침에 따르면 백엔드는 사용자와 세션 간의 매핑을 강제해야 한다. 런타임 격리는 제공된 세션 식별자가 요청한 사용자에게 속한다는 사실을 보장하지 않는다.
격리는 실행 환경을 분리하는 것을 의미한다. 권한 부여는 누가 리소스에 접근할 수 있는지 결정하는 것을 의미한다. 이 개념들을 혼동하면 인프라 보호와 애플리케이션 접근 사이에 공백이 생긴다.
가상의 지원 어시스턴트는 이 문제를 잘 보여 준다. 실행 환경은 격리된 상태를 유지할 수 있지만, 애플리케이션은 잘못된 고객의 대화를 불러올 수 있다. 환경을 보호한다고 해서 어떤 이력을 가져올지에 대한 잘못된 결정이 바로잡히는 것은 아니다.
전문 역할 라우팅은 또 다른 종류의 경계를 도입한다. 라우터는 요청을 받을 처리 경로를 선택한다. 그다음 전문 에이전트가 더 좁은 범위의 작업을 처리한다. 이러한 구성은 책임을 더 명확하게 만들 수 있지만, 최초의 라우팅 선택은 검증이 필요한 또 하나의 결정이 된다.
계약서와 재무 첨부 자료가 결합된 문서를 생각해 보자. 법률 콘텐츠를 시사하는 라벨이 모든 관련 질문이 법률 문제임을 입증하지는 않는다. 애플리케이션에는 모호성, 혼합 자료, 지원되지 않는 요청에 대한 정책이 필요하다.
평가자는 또 다른 구분을 더한다. 규칙 기반 평가는 구성된 조건에 따라 출력을 점검한다. 모델 기반 평가는 판단을 생성한다. 둘 다 유용할 수 있지만, 실패 양상과 증거 가치는 다르다.
규칙은 누락된 필드를 일관되게 감지할 수 있지만 채워진 필드가 정확한지 입증하지 못할 수 있다. 모델 검토자는 불일치를 식별할 수 있지만 원래 모델과 동일한 가정을 공유할 수 있다. 일치만으로는 증거가 되어서는 안 된다.
관련 업계 비교는 아키텍처 측면에 있다. Anthropic의 에이전트 설계 패턴은 사전에 정의된 워크플로와 자신의 프로세스를 동적으로 지시하는 에이전트를 구분한다. 해당 지침은 단순하고 조합 가능한 접근 방식을 권장하며, 작업이 필요로 할 때 복잡성을 추가할 것을 권한다.
이러한 관점은 다수의 에이전트를 필연적인 종착지로 보는 시각에 유용한 균형추를 제공한다. 예측 가능한 처리 경로는 자체 순서를 선택하는 시스템보다 검사하기 쉬울 수 있다. 동적 동작에는 워크로드별 정당화가 필요하다.
Java 팀의 경우, 결정은 작업의 불확실성을 따라야 한다. 알려진 순서가 작업을 안정적으로 처리한다면, 추가 조정에는 측정 가능한 이점이 필요하다. 전문 역할이라는 라벨만으로는 그러한 이점이 생기지 않는다.
병렬 처리도 같은 수준의 검토가 필요하다. 독립적인 작업은 동시에 실행할 수 있지만, 종속 작업에는 여전히 순서가 필요하다. 결과를 결합하려면 의견 불일치, 누락된 출력, 부분 실패에 대한 규칙도 필요하다.
실질적인 질문은 추가된 조정이 검토와 복구를 고려한 뒤 수용 가능한 결과를 개선하는지 여부다. 이 질문은 사용되는 프레임워크나 클라우드 서비스와 관계없이 여전히 중요하다.
복원력은 서비스를 이용 가능하게 유지하지만, 의사결정을 올바르게 만들지는 않는다
복구 메커니즘은 운영 장애를 다루며, 결과의 품질에는 별도의 증거가 필요하다.
재시도는 실패 후 작업을 반복한다. 서킷 브레이커는 실패한 종속성에 대한 호출을 일시적으로 중단한다. 타임아웃은 작업이 대기하는 시간을 제한한다. 이러한 메커니즘은 서비스 동작을 제어하는 데 도움이 되지만, 어느 것도 답변이 정확한지 판단하지는 않는다.
애플리케이션은 잘못된 추천을 빠르게 응답할 수 있다. 비즈니스 작업이 부분적으로 완료된 상태에서 깔끔하게 실패할 수도 있다. 따라서 인프라 상태와 작업 완료에는 별도의 정의가 필요하다.
가상의 문서 어시스턴트에서 성공적인 완료는 정확한 추출, 적절한 라우팅 결정, 기록된 처리 결과를 요구할 수 있다. 구문적으로 유효한 응답을 받았다는 사실은 그 연결 고리의 일부만 입증한다.
생성된 정보를 사전 정의된 형식에 넣는 구조화된 출력은 애플리케이션 코드가 결과를 소비하는 데 도움이 된다. 하지만 정보가 원본과 일치한다는 사실을 입증하지는 않는다. 형식이 올바른 날짜도 여전히 잘못된 날짜일 수 있다.
신뢰도도 비슷한 주의가 필요하다. 결과에 수반되는 점수는 팀이 자체 워크로드에서 무엇을 예측하는지 이해할 때에만 유용해진다. 높은 점수가 누락된 증거나 명시적인 비즈니스 제한을 자동으로 무시해서는 안 된다.
사람의 검토에도 운영상 실질성이 필요하다. 결과를 표시하는 것과 책임 있는 사람이 이를 평가할 수 있는 곳에 배치하는 것은 다르다. 검토 프로세스에는 책임자, 관련 증거, 처리 결정, 후속 조치에 미치는 명확한 영향이 필요하다.
아무도 받지 않는 경보는 의미 있는 감독을 제공할 수 없다. 검토자가 원본 자료를 볼 수 없거나 결과를 수정할 수 없다면, 수신된 경보도 충분하지 않다. 팀은 전체 인계 과정을 점검해야 한다.
콘텐츠 통제는 문제의 또 다른 부분을 다룬다. Bedrock Guardrails는 원치 않는 콘텐츠와 민감한 정보를 포함해 입력과 모델 응답에 적용할 수 있는 구성 가능한 필터링을 지원한다. 이러한 통제는 존재한다는 이유만으로 효과적이라고 가정하지 말고 애플리케이션의 사용 사례에 맞춰 평가해야 한다.
콘텐츠 필터링과 거래 권한 부여는 여전히 서로 다른 책임이다. 정중하고 평범한 요청도 다른 사람의 기록에 대한 접근을 요구할 수 있다. 응답은 콘텐츠 정책을 충족하면서도 사용자가 권한을 갖지 않은 비즈니스 작업을 설명할 수 있다.
따라서 아키텍처에는 여러 경계에서의 증거가 필요하다. 팀은 사용자가 무엇을 요청했는지, 모델이 무엇을 제안했는지, 애플리케이션이 무엇을 허용했는지, 외부 시스템이 무엇을 완료했는지 알아야 한다.
관측 가능성은 시스템 동작을 설명하는 데 도움이 되는 신호를 수집하는 것을 의미한다. 유용한 신호는 조사를 지원하지만, 이를 수집하는 것 자체가 출시 결정을 만들지는 않는다. 어떤 결과가 배포를 정당화하는지 누군가는 여전히 정의해야 한다.
평가는 대표적인 작업을 사용해 명시적인 기준에 따라 동작을 시험하는 것을 의미한다. 엔터프라이즈 에이전트의 경우 일반적인 요청, 모호한 입력, 사용할 수 없는 종속성, 권한이 없는 요청, 이전 맥락에 대한 정정을 포함해야 한다.
목적은 사용자가 서비스에 의존하기 전에 실패를 드러내는 것이다. 성공적인 상호작용을 중심으로 최적화된 시연은 같은 질문에 답할 수 없다. 작업이 수용 가능했는지를 보여 주지 않는 요청 수 대시보드도 마찬가지다.
개인정보 보호 역시 이 평가에 포함된다. 전체 대화와 도구 결과를 기록하면 민감한 정보의 별도 수집본이 생길 수 있다. 팀은 어떤 증거가 필요한지, 접근과 보존을 어떻게 운영할지 결정해야 한다.
Amazon Bedrock 에이전트의 경우 출시 경계는 지원되는 작업을 따라야 한다. 내부 리서치 어시스턴트와 재무 기록을 변경하는 애플리케이션에는 서로 다른 수용 기준이 필요하다. 동일한 프레임워크를 공유한다고 해서 운영 위험까지 상호 대체 가능한 것은 아니다.
이것이 여기서 말하는 프로덕션 준비 상태의 실질적인 의미다. 즉, 제공되는 특정 서비스에 맞춘 정의된 동작, 강제된 경계, 측정 가능한 결과, 실행 가능한 복구다.
자율성을 확대하기 전에 살펴볼 점
다음으로 유용한 증거는 현실적인 운영 조건에서 아키텍처를 반복 가능한 비즈니스 결과와 연결할 것이다.
향후 몇 달간 가장 먼저 살펴볼 신호는 워크로드별 평가 증거다. 팀은 문서화된 작업, 명확한 수용 기준, 식별 가능한 애플리케이션 버전과 연결된 결과를 찾아야 한다.
가장 유익한 증거에는 실패한 사례와 그에 따른 수정 조치가 포함될 것이다. 이는 개발자가 시스템의 한계를 이해하고 있다는 신뢰를 높일 것이다. 결과 증거 없는 더 폭넓은 기능 목록은 핵심 불확실성을 해결하지 못한다.
평가는 성공적인 자동화와 사람의 개입으로 완료된 작업도 구분해야 한다. 검토는 적절한 설계 선택일 수 있다. 그러나 그 기여를 숨기면 자율 성능을 평가하기 어려워진다.
두 번째 신호는 완전하고 검증된 ID 경계다. 유용한 구현 증거는 인증된 사용자와 허용된 세션, 메모리 접근, 도구 실행을 연결할 것이다.
성공적인 대화만큼 부정 테스트도 중요하다. 사용자가 다른 사용자의 이력을 조회할 수 없음을 보여 주면 배포의 근거가 강화된다. 클라이언트가 제공한 ID 값에 의존하면 그 근거는 약화된다.
도구 권한에도 같은 수준의 검토가 적용되어야 한다. 범위가 좁게 설정된 어시스턴트는 광범위한 접근 권한과 모호한 안전장치를 갖춘 어시스턴트보다 더 명확한 운영상 주장을 제공한다. 확장은 더 좁은 서비스가 의도대로 동작한다는 증거를 따라야 한다.
세 번째 신호는 부분 실패로부터의 복구가 입증되었는지다. 팀은 작업이 시작된 뒤 종속성이 실패하거나 응답이 중단되거나 검토가 필요해질 때 제어된 동작을 찾아야 한다.
유용한 증거는 작업이 반복되는지, 불완전한 작업을 어떻게 식별하는지, 누가 이를 해결할 수 있는지를 보여 줄 것이다. 성공적인 복구는 운영 설계에 대한 신뢰를 높일 것이다. 대체 메시지만으로는 완료 여부가 불확실하게 남는다.
이러한 신호가 모든 에이전트가 범용 자율 작업자가 되어야 한다는 뜻은 아니다. 제한된 애플리케이션도 명시적인 승인 지점을 유지하면서 유용한 결과를 제공할 수 있다. 관련된 척도는 명시된 권한 범위 안에서 지원되는 작업을 완료하는지 여부다.
AWS는 Java 팀이 검토할 수 있는 구체적인 아키텍처를 제공했다. 장기적인 의미는 팀이 이를 적용한 뒤 무엇을 검증할 수 있는지에 달려 있다. 익숙한 개발 패턴은 도입을 더 쉽게 구성하게 하지만, 동작에 관한 증거는 도입을 더 쉽게 정당화하게 한다.
레퍼런스를 채택하기 전에 범위가 제한된 작업을 선택하고 성공적인 완료가 무엇을 의미하는지 기록하라. 에이전트가 읽을 수 있는 기록, 요청할 수 있는 작업, 승인이 필요한 결정을 식별하라. 그런 다음 실패와 접근 거부 사례를 포함한 대표적인 작업을 기준으로 구현을 평가하라. 향후 변경 사항에 명확한 비교 지점이 있도록 이러한 결과를 애플리케이션의 설계 결정과 함께 보관하라. 증거가 다음 권한 또는 워크플로를 뒷받침할 때에만 범위를 확대하라. Amazon Bedrock 에이전트에서 유용한 출발 질문은 구체적이다. 초기 요청부터 최종 비즈니스 결과까지, 에이전트가 멈춰야 하는 순간을 포함해 팀이 검증할 수 있는 작업은 무엇인가?



