Strands와 AgentCore를 활용한 RDS for SQL Server용 에이전틱 AI 구축

서론: 기존 T-SQL 스크립트를 AI 에이전트로 전환

• Amazon RDS for SQL Server의 DBA가 축적한 진단 스크립트(Blocking, Deadlock 분석 등)를 AI 에이전트로 전환합니다.
• Amazon Bedrock AgentCore Runtime과 Strands Agents 프레임워크를 사용하여 기존 T-SQL 전문 지식을 자율적인 데이터베이스 관리 시스템으로 전환합니다.
• 이 글에서는 Blocking 및 Deadlock 조사 에이전트 구축 과정을 안내합니다.

핵심 개념: 에이전트와 툴

• 에이전트(Agent): AI를 사용하여 추론, 계획, 작업 완료를 수행하는 소프트웨어 시스템. 에이전트 루프를 통해 툴 호출, 실행, 결과 해석을 반복합니다.
• 툴(Tool): 에이전트가 외부 시스템과 상호 작용하거나 작업을 수행하기 위해 호출하는 함수. Strands에서는 @tool 데코레이터가 적용된 Python 함수로 구현됩니다. Docstring은 에이전트에게 툴 사용법을 안내합니다.

DBA 시나리오 및 툴 매핑

• Deadlock: system_health Extended Event 세션 또는 Trace flag 1204/1222를 통해 캡처된 정보를 분석하는 툴 (get_deadlock_graphs).
• Blocking: DMV (sys.dm_exec_requests, sys.dm_exec_sql_text)를 사용하여 현재 Blocking 상태 분석 (get_blocking_chain) 및 과거 Blocking 캡처 (get_past_blocked_processes).
• 세션 세부 정보: 특정 세션의 컨텍스트 검색 (get_session_details).
• 알림: 분석 결과를 SNS로 전송 (send_diagnostic_report).

툴 코드 및 에이전트 정의

• 각 툴은 Python으로 구현되며, @tool 데코레이터와 타입 힌트, docstring을 포함합니다.
• 시스템 프롬프트는 에이전트의 추론 방식을 정의하고, 툴 목록은 사용 가능한 기능을 제공합니다.

솔루션 워크플로우

• DBA 프롬프트 → AgentCore → LLM 추론 → 툴 선택 및 실행 → 결과 분석 → LLM 응답 생성 (SNS 알림 포함).
• AgentCore Runtime은 에이전트 배포, 스케일링, observability를 지원합니다.

AgentCore Runtime 배포

• 사전 요구사항: RDS for SQL Server (Trace flag, Extended Event 세션), AWS Secrets Manager, SNS, AgentCore Runtime 환경 설정.
• 단계: 코드 클론 및 설치 → 환경 변수 설정 → AgentCore CLI를 사용한 구성 및 배포 → 시뮬레이션된 Deadlock을 이용한 테스트.

모범 사례 및 확장

• 세션 간 메모리: AgentCore Memory(STM, LTM)를 활용하여 과거 조사 결과를 기억하고 학습.
• 관찰 가능성(Observability): AWS Distro for OpenTelemetry를 사용하여 트레이스, 토큰 사용량, 요청 지속 시간 계측.
• 추가 툴 확장: Query Store, 인덱스 권장 사항, TempDB 문제 해결 등 다양한 진단 스크립트를 툴로 통합.

결론

Strands Agents와 Amazon Bedrock AgentCore를 결합하여 기존 T-SQL 진단 스크립트를 AI 기반 데이터베이스 운영 에이전트로 전환할 수 있습니다. 이는 Deadlock, Blocking과 같은 문제를 자동으로 조사하고 해결 방안을 제시하여 DBA의 업무 효율성을 크게 향상시킵니다.