이 게시물은 동원F&B가 Amazon Bedrock AgentCore 기반 AI 쇼핑 어시스턴트를 구축해 추천→구매→CS로 이어지는 쇼핑 전 과정을 지원하는 여정을 다룹니다. 기존 Knowledge Base 중심 RAG 챗봇의 한계로 실시간 상품·주문 연계, 개인화, Observability(응답 품질/지연/비용) 미흡을 지적합니다. 이를 위해 OpenSearch 하이브리드 검색(BM25+ kNN, Nori 한글 형태소 분석, synonym_graph 동의어, RRF 결합)으로 검색 품질을 개선하고, AgentCore로 멀티스텝·툴 호출 기반 쇼핑 시나리오를 구현합니다. AgentCore Memory로 세션별 대화 문맥을 유지하되 주문/쿠폰/적립금 등 최신 데이터는 Tool로 실시간 조회하도록 설계합니다. Bedrock Observability로 TTFT, 토큰 사용량, Tool 호출 성공률, 추론 트레이스를 CloudWatch에서 추적하며 운영 가시성을 확보합니다. 추가로 프롬프트/개인정보 보안(프롬프트 인젝션 방어, 응답 Sanitization)과 토큰 비용 최적화(요약 전달, 메모리 정리, 메시지 윈도우 제한, 시스템 프롬프트 캐싱)로 비용과 응답 속도를 동시에 개선합니다.