

Amazon Bedrock 및 Amazon Neptune을 이용한 미래에셋증권의 상품지식 온톨로지 및 상품AI검색 서비스구축기 ( 혁신금융서비스 )
분산된 금융 상품 데이터와 문서를 온톨로지·지식그래프로 연결한 AI 검색 서비스를 소개했습니다. P-E-W Agent와 근거 기반 답변 체계로 정확도와 응답 시간을 함께 개선했습니다.


분산된 금융 상품 데이터와 문서를 온톨로지·지식그래프로 연결한 AI 검색 서비스를 소개했습니다. P-E-W Agent와 근거 기반 답변 체계로 정확도와 응답 시간을 함께 개선했습니다.


AgentCore Gateway와 인터셉터로 사내 MCP 도구의 인증·인가·감사를 통합했습니다. 클라이언트 호환성, 데이터 권한, 콜드 스타트 문제를 운영 구조로 보완했습니다.


Amazon Bedrock과 LiteLLM 기반 AI Hub로 전사 Claude 이용을 단일 게이트웨이에서 관리했습니다. 인증·예산·감사 로그와 MCP 업무 도구 권한을 분리해 통제를 강화했습니다.

SGLang과 Qwen3-VL-8B로 다국어·이미지 판단을 수행하는 Decision Model 구성을 소개합니다. Confidence 보정과 Hybrid Escalation을 통해 Agent 지연시간과 비용을 줄이는 방법을 설명합니다.

LLM 호출마다 대화 맥락과 Tool 실행 상태를 반영해 모델을 선택하는 라우팅을 설계했습니다. Elevate-only 정책으로 캐시 손실을 줄이며 비용과 토큰 사용량을 절감했습니다.


건자재 유통 RDBMS 데이터를 Neptune 지식 그래프로 전환한 PoC를 소개했습니다. Bedrock 기반 규칙형 질의로 재고·납기·대체품 탐색 가능성을 검증했습니다.


AgentCore와 EKS를 함께 지원하는 사내 AI 에이전트 플랫폼 구축 과정을 소개했습니다. 코드 생성·배포·MCP·메모리 관리를 표준화하고 GitOps 운영 개선 방향을 제시했습니다.
이 게시물은 쿠팡 파트너스 활동의 일환으로, 이에 따른 일정액의 수수료를 제공받습니다.


Amazon Bedrock Managed Agents로 OpenAI 에이전트의 루프와 세션 운영을 AWS에 맡기는 방식을 설명했습니다. MCP 도구, IAM 역할 분리, AgentCore Runtime 기반 문서 생성 사례와 보안 주의점을 소개했습니다.


EKS의 Argo CD와 ACK로 Bedrock AgentCore Runtime 배포를 GitOps 방식으로 구성했습니다. PostSync 실제 호출 검증과 세션별 릴리스 전환 확인 방법, 자동 롤백의 한계를 설명합니다.


Web Functions BFF로 브라우저와 AgentCore Runtime V2 사이의 인증·세션·SSE 중계를 구성했습니다. 타임아웃·하트비트·세션 비용을 고려하고 두 에이전트 프레임워크를 비교했습니다.


LangGraph 워크플로우를 AgentCore Runtime으로 이관하며 세션 격리와 분리 배포를 확보했습니다. 부하 테스트와 관측 기반 최적화로 TTFT를 줄이고 콜드 스타트·커넥션 운영 방식을 조정했습니다.


Slack과 Claude, Google Calendar API를 연동해 공통 빈 시간과 회의실을 함께 제안하는 AI 회의 비서를 구축했습니다. 실제 사용 사례를 분석해 맥락 해석, 변경·취소, 웹 예약 흐름을 개선했습니다.


AI 에이전트 토큰 비용을 여섯 항목 방정식과 계층형 지표로 측정하는 방법을 정리했습니다. Amazon Bedrock, Claude Code, Codex 설정으로 모델·컨텍스트·요청 수를 줄이는 방안을 제시합니다.


대화형 데이터 분석 에이전트를 단일 에이전트와 결정론 도구 중심으로 재설계했습니다. 실행 레인 분리, 이벤트 알림, 표준 관측성으로 프로덕션 운영성을 높였습니다.