Amazon Bedrock을 활용한 Omelet의 경로 최적화 AI 에이전트, TOAST
Amazon Bedrock을 활용해 경로 최적화 AI 에이전트 TOAST를 구현한 사례를 소개했습니다. 자연어 입력, 다중 에이전트 구조, 시각화와 재최적화를 통해 활용성을 높였습니다.
#Amazon Bedrock#LLM
8700
국내 IT 기업 기술 블로그 최신 글
새로운 기술 블로그가 추가되었어요
필터 1
Amazon Bedrock을 활용한 MCP 허브 아키텍처로 기업의 AI 시스템 비즈니스 민첩성 가속화
Amazon Bedrock과 MCP로 기업 AI 에이전트가 공통 도구를 표준화해 쓰는 중앙 허브 구조를 소개했습니다. 분산 개발과 중앙 거버넌스를 결합해 확장성, 보안, 운영 효율을 높이는 방식입니다.
#Amazon Bedrock#MCP
7300
Amazon Bedrock을 이용해 Amazon Rufus 구현해보기
Amazon Bedrock과 AWS 서비스 조합으로 Rufus 같은 쇼핑 어시스턴트를 구현하는 방법을 소개했습니다. Tool 최적화, 컨텍스트 사전 로딩, prompt caching으로 응답 속도를 줄이는 방식을 설명했습니다.
#Amazon Bedrock#LLM
11900
Amazon OpenSearch Service의 AI Search Flow를 활용한 손쉬운 AI 기반 검색 기능 구현
OpenSearch Service의 AI Search Flow 빌더로 Semantic 검색과 멀티모달 RAG를 빠르게 구성하는 방법을 소개했습니다. Ingest/Search Pipeline과 템플릿, AI 제공업체 연동으로 미들웨어 없이 검색 기능을 확장하는 흐름을 설명했습니다.
#OpenSearch#검색
8600
당근페이의 Amazon Bedrock 기반 Text-to-SQL로 완성하는 데이터 혁신, Part 2: 데이터 수집과 관리, 향후 계획
당근페이는 Bedrock 기반 Text-to-SQL에서 메타데이터와 샘플 쿼리, 용어 사전을 체계적으로 수집·관리하는 방식을 소개했습니다. 또한 검색 최적화와 SFT, MCP 확장으로 정확도와 활용 범위를 넓혀갈 계획을 공유했습니다.
#Amazon Bedrock#Text-to-SQL
7300
당근페이의 Amazon Bedrock 기반 Text-to-SQL로 완성하는 데이터 혁신, Part 1: 브로쿼리 개요와 아키텍처
당근페이는 브로쿼리라는 내부 Text-to-SQL 봇의 배경과 아키텍처를 소개했습니다. 자연어 질문을 SQL로 바꾸고 컨텍스트를 보강해 데이터 활용 장벽을 낮추는 구조를 설명했습니다.
#Amazon Bedrock#Text-to-SQL
8900
Amazon Bedrock Guardrails을 활용해 한국어 기반 개인정보 검출하기
Amazon Bedrock Guardrails의 한국어 개인정보 검출 지원과 활용 방법을 소개했습니다.\nApplyGuardrail API로 이름, 주소, 전화번호 등 다양한 민감정보를 탐지하는 예시를 보여주었습니다.
#AWS#Amazon Bedrock
7400
Amazon Bedrock과 Amazon Nova를 활용한 애니펜의 빠르고 비용 효율적인 AI 서비스 개발 여정
Amazon Bedrock과 Amazon Nova를 적용해 사진 기반 AI 콘텐츠 생성 구조를 개선했습니다. 컨테이너를 경량화하고 처리 시간을 크게 줄여 빠르고 효율적인 서비스 운영을 가능하게 했습니다.
#Amazon Bedrock#AWS Lambda
4200
쿠팡 파트너스
개발자를 위한 서적을 확인해 보세요
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.
#개발서적#프로그래밍
Amazon Bedrock Agents와 MCP(Model Context Protocol) 통합하기
Amazon Bedrock Agents와 MCP를 Lambda와 CDK로 연결하는 서버리스 통합 방법을 소개했습니다. MCP 도구를 OpenAPI로 변환해 Agent의 Action Group으로 쓰는 구현과 배포 절차를 정리했습니다.
#Amazon Bedrock#MCP
8000
Amazon Bedrock에서 프롬프트 캐싱 효과적으로 사용하기
Amazon Bedrock의 프롬프트 캐싱 동작 방식과 적합한 사용 사례, 구성 방법을 설명했습니다. 또한 usage 메트릭과 CloudWatch로 캐시 효율을 모니터링하는 방법을 안내했습니다.
#Amazon Bedrock#prompt
4900
티오더의 Amazon Bedrock을 활용한 MCP 기반 운영 플랫폼 개발기
티오더가 Amazon Bedrock과 MCP로 운영 플랫폼을 구축한 사례를 소개했습니다. 자연어 기반 도구 호출과 알람 자동 요약으로 장애 대응과 운영 효율을 높였습니다.
#Amazon Bedrock#MCP
7700
Amazon Bedrock Agents와 AWS Support 자동화 워크플로우(SAW)를 통한 AWS 리소스 문제 해결 간소화
AWS Bedrock Agent와 Support Automation Workflows를 결합해 AWS 리소스 문제를 자연어로 진단·자동화하는 방법을 소개했습니다. EKS 워커 노드 조인 실패 사례를 중심으로 런북 실행, 결과 해석, 조치 안내 흐름을 설명했습니다.
#Amazon Bedrock#AWS Support Automation Workflows
4200
Amazon Bedrock기반 Agentic Text-to-Image로 사용자 의도를 정확히 반영하기 (프롬프트 분해에서 검증까지)
Amazon Bedrock 기반 Agentic Text-to-Image로 복잡한 프롬프트를 단계적으로 분해하고 검증하며 생성하는 방법을 소개했습니다. 또한 인페인팅, 아웃페인팅과 Gradio, LangGraph를 결합한 편집 데모도 함께 설명했습니다.
#Amazon Bedrock#LLM
3300
마케팅 파트너 업무 효율화 사례 : 정산서류 검토 500시간에서 단 몇 시간으로
마케팅 파트너 가입 서류 검토를 Claude와 Dify로 자동화해 500시간 업무를 몇 시간으로 줄였습니다. 개인정보 보안, 사람의 최종 검토, 워크플로우 도입 포인트도 함께 정리했습니다.
#LLM#AWS
2400