Amazon Bedrock Agents와 AWS Support 자동화 워크플로우 (SAW)를 통한 AWS 리소스 문제 해결 간소화 Part 2 – 다양한 런북 통합 실전 가이드
핵심요약
GS리테일은 Amazon Bedrock과 MCP를 활용하여 AI 기반 AIOps Agent 시스템을 구축, 인시던트 분석 시간을 30분 이상에서 2분으로 93% 단축했습니다. 이 시스템은 AI가 7개 이상 도구를 자율적으로 활용해 근본 원인을 분석하고 RCA 보고서를 자동 생성합니다.
Amazon Bedrock Agents와 AWS Support 자동화 워크플로우 (SAW) 통합 가이드 (Part 2)
1. 솔루션 개요 및 목표
- Part 1에 이어, Amazon Bedrock Agents와 AWS Support Automation Workflows (SAW)를 활용하여 AWS 리소스 문제 해결 에이전트를 확장하는 방법을 다룹니다.
- 단일 인터페이스(Bedrock 에이전트)를 통해 다양한 SAW 런북을 통합하여 더 많은 운영 문제를 처리할 수 있도록 합니다.
- 주요 구성 요소: Bedrock 에이전트, 에이전트 작업 그룹 (OpenAPI 명세), Lambda 함수 (통합 계층), IAM 역할 (최소 권한), SAW 런북 (사전 구축된 진단 툴).
2. SAW 런북 통합 절차
- 런북 선정 및 분석: 통합할 SAW 런북의 공식 문서 확인 (필요 파라미터, IAM 권한).
- 결과 단계 식별: 런북 실행 결과를 확인할 수 있는 단계 (Step) 파악.
- OpenAPI 스키마 정의: 새로운 런북을 위한 API 엔드포인트 및 파라미터 스키마 정의 (
schema.json). - Lambda 함수 업데이트: 새로운 런북 호출 로직 추가 (
app.py). - IAM 권한 업데이트: 런북 실행에 필요한 IAM 권한 추가 (
bedrock-agent-saw-stack.ts). - CDK 솔루션 재배포: 변경 사항 적용.
- Bedrock 에이전트 테스트: 자연어 프롬프트로 통합된 런북 실행 및 결과 확인.
