VMS Solutions의 AI Agent 기반 내부 생산성 개선기: Strands Agents를 통한 자체 에이전트 구축 여정

핵심 내용

• VMS Solutions가 Strands SDK와 Amazon Bedrock, MCP를 활용해 사내 AI 에이전트 챗봇 AIto를 구축한 사례
• RAG 기반 프로토타입의 한계를 넘어 실시간 시스템 조회, 멀티 에이전트 분담, 표준화된 응답 구조로 전환한 과정
• Slack에서 자연어 질의로 AWS, PostgreSQL, Notion 등 내부 시스템 정보를 확인하고 비교·진단하는 내부 생산성 도구로 발전

구조와 흐름

• Orchestrator Agent가 요청 의도를 분석해 실행 계획을 수립하고 전문 에이전트를 순차 호출
• AWS Manager, Meta Manager, OnPrem Manager가 각 도메인별 조회와 검증을 담당
• Agents-as-tools 패턴과 MCP 서버 연동으로 외부 시스템을 연결하는 구성

선택 이유

• Strands SDK는 멀티 에이전트 구성과 도구 호출이 간결해 복잡한 그래프 설계 부담이 적음
• Amazon Bedrock은 단일 인터페이스, 관리형 운영, 보안 유지 측면에서 적합
• MCP는 AWS, PostgreSQL, Notion을 HTTP 기반으로 안정적으로 연결하는 통합 수단

적용해볼 점

• 문서 기반 챗봇보다 실시간 데이터 연동이 필요한 내부 운영 질의에 에이전트 구조 적용
• 반복 질의가 많은 IT 운영 환경에서 표준 응답과 근거 링크를 포함한 자동화 도입
• 신규 에이전트를 독립 컨테이너와 공통 인터페이스로 확장하는 설계