pile·
AI / ML·aws-architectureAWS Architecture·

AgentFlo가 Amazon Bedrock AgentCore로 AI 영업 에이전트를 구축한 방법 – 1편

AgentFlo(Salesflo의 에이전트형 커머스 서비스)가 Amazon Bedrock AgentCore를 활용해 WhatsApp 등 채널에서 동작하는 AI 영업 에이전트를 어떻게 구축했는지 다룬다. 연간 $3,000억 이상의 거래를 처리하는 eCommerce 플랫폼에서 카트 이탈률(업계 평균 70%)과 스케일링 한계를 해결하는 세 가지 핵심 기둥을 상세히 설명한다.

핵심 포인트
  • 에이전트를 언어 모델, 시스템 지침, 실행 도구, 비즈니스 컨텍스트, 대화 메모리의 결합체로 정의하며, 단일 에이전트 아키텍처가 멀티 에이전트보다 변환율이 높다는 결론을 내렸다.
  • GitHub Actions + Strands Agents SDK 조합으로 컨테이너화된 에이전트를 수 분 내 프로덕션 배포 가능한 레시피 기반 배포 시스템을 구축했다.
  • Amazon Bedrock AgentCore Gateway가 MCP(Model Context Protocol)를 통해 도구를 중앙화하고, Cedar 정책 언어로 세분화된 접근 제어를 적용한다.
  • 각 세션을 독립 microVM에서 실행해 최대 8시간 상태를 유지하며, 테넌트 간 격리로 10~50배 트래픽 스파이크에 대응한다.
  • 5계층 아키텍처: 메시징(Fargate) → 에이전트 오케스트레이션(Bedrock AgentCore) → 도구 실행(Gateway) → 데이터(DynamoDB/Aurora/S3) → 옵저버빌리티.
상세 정리
  • 문제 배경: 카트 이탈률 70%, 피크 트래픽 10~50배 폭등, 다국어·타임존 대응 한계를 사람 팀으로 해결하기 어렵다는 eCommerce 공통 과제에서 출발했다.
  • 에이전트 정의: 언어 모델 + 시스템 지침 + 실행 도구 + 비즈니스 컨텍스트 + 대화 메모리 — 5가지가 모두 있어야 자율적 의도 파악과 실제 행동이 가능하다.
  • Pillar 1 Velocity: 업종별 사전 설정 템플릿(영업, 레스토랑 주문, 클리닉 접수)을 골라 노코드 포털에서 커스터마이징하면 수 분 내 배포된다. GitHub Actions가 컨테이너화, Strands SDK가 모델 기반 오케스트레이션을 담당한다.
  • Pillar 2 Standardization: Shopify·WooCommerce·Magento·SAP 통합을 재사용 레시피로 묶어 파편화를 방지한다. "여러 제너럴리스트 에이전트가 조율하는 것보다 통합 컨텍스트를 유지하는 단일 집중 에이전트가 변환율이 높다"는 설계 선택이다.
  • AgentCore Gateway + MCP: 에이전트가 list_tools_sync() 단 한 번 호출로 장바구니·제품카탈로그·지식베이스·배송·로열티 전체 통합을 발견한다. OAuth 토큰과 플랫폼 API 키는 Gateway에 중앙 관리되어 개별 에이전트 세션에 노출되지 않는다.
  • 접근 제어: Cedar 정책 언어로 도구별 세분화 접근 제어를 구현하고, IAM 기반 인가를 처리한다.
  • Pillar 3 Scalability: 각 세션이 독립 microVM에서 실행되어 8시간까지 상태 손실 없이 유지된다. 메시지 수신·에이전트 실행·도구 호출·분석이 독립적으로 스케일링된다.
  • 멀티테넌트 격리: 한 가맹점의 트래픽 폭등이 다른 가맹점에 영향을 주지 않도록 설계했다.
  • 배포 최소화: AgentCore 런타임에 CLI 명령 2개만으로 컨테이너화된 Strands 에이전트를 프로덕션에 배포할 수 있다.
  • Part 2 예고: 가드레일·가시성(Trust), 데이터 기반(Reliability), 비즈니스 결과 측정 내용이 이어진다.
왜 읽나Amazon Bedrock AgentCore와 MCP로 멀티테넌트 AI 에이전트 플랫폼을 구축하는 5계층 아키텍처와 설계 결정을 실전 사례로 파악하려는 AI/백엔드 엔지니어에게 유용하다.
aws-architecture
AWS Architecture 블로그
원문은 여기서 이어서 읽을 수 있어요
원문 읽기
읽음 (0)
·takedown 요청

이 글과 비슷한

  1. AI / ML·stackoverflow-blogStack Overflow Blog·

    에이전틱 SDLC를 QA 엔지니어링 마인드셋으로 구축하기

    Motorola Solutions의 테스트 엔지니어링 선임 매니저 Suneet Malhotra가 Stack Overflow 팟캐스트에 출연해 MCP(Model Context Protocol) 기반 에이전틱 SDLC 파이프라인 구축과 LLM-as-judge 평가 방법론을 소개했다. QA 엔지니어링 관점을 소프트웨어 개발 생애 전반에 적용하고, 설계 단계 직후 스펙을 강화해 결함 비용을 줄이는 'QA shift-left' 접근을 다룬다.

    요약 이어보기
    #llm-agent#mcp#test-automation+2
  2. AI / ML·LINE EngineeringLINE Engineering·

    보안 업무를 위한 AI 에이전트 플랫폼 「SAGE」 개발기 1편: 판단은 사람에게 남기는 설계

    LY Corporation Security Development Division이 보안 업무용 AI 에이전트 플랫폼 SAGE의 개발 과정을 공개했다. "완전 자동화"와 "도입 미루기" 양 극단 사이에서 "판단은 사람에게 남기는 설계"를 핵심 원칙으로 삼고, 3단계 점진적 도입 전략(AI 보조→에이전트 협업→자동화)을 채택했다. 현재는 1단계를 중심으로 파일럿·실운영 중이다.

    요약 이어보기
    #llm-app#opensearch#mcp+2