Bedrock AgentCore와 MCP 통합

📅 작성일: 2026-02-13 | 수정일: 2026-02-14 | ⏱️ 읽는 시간: 약 4분

개요

Bedrock AgentCore 상태

Amazon Bedrock AgentCore는 2025년 AWS re:Invent에서 발표되었으며, 현재 Preview 단계입니다. GA(General Availability) 일정은 AWS 공식 발표를 확인하세요. 프로덕션 환경 적용 전 충분한 테스트가 필요합니다.

Amazon Bedrock AgentCore는 완전 관리형 AI 에이전트 프로덕션 런타임입니다. Model Context Protocol (MCP)을 네이티브 지원하여 에이전트 간 통신, 도구 검색 및 호출을 표준화합니다.

본 문서에서는 EKS 기반 Agentic AI 플랫폼에서 Bedrock AgentCore를 활용하여 프로덕션 수준의 AI 에이전트를 운영하는 방법을 다룹니다.

핵심 아키텍처

AgentCore 3계층 구조

MCP 프로토콜

MCP (Model Context Protocol)는 AI 에이전트와 도구 간의 표준 통신 프로토콜입니다:

• 도구 검색: 에이전트가 사용 가능한 도구를 동적으로 검색
• 컨텍스트 전달: 실행 컨텍스트와 상태를 표준화된 형식으로 전달
• 결과 반환: 도구 실행 결과를 구조화된 형식으로 반환
• 에이전트 간 통신: MCP를 통한 멀티 에이전트 협업

EKS MCP 서버 통합

EKS MCP 서버 개요

AWS는 EKS 전용 호스팅 MCP 서버를 제공하여 Kubernetes 클러스터와 AI 에이전트 간의 통합을 지원합니다:

EKS MCP 服务器功能

Pod 日志查询

实时流式传输特定 Pod 的日志

K8s 事件查询

集群事件搜索和分析

CloudWatch 指标

集群指标查询和分析

资源状态检查

查询 Deployment、Service 等资源状态

故障排除

基于代理的自动诊断

SRE 에이전트 구축 예시

참고

아래 AgentDefinition CRD는 AgentCore의 선언적 에이전트 정의 개념을 보여주는 예시입니다. 실제 배포 시에는 AWS 콘솔, Bedrock Agent API (boto3), 또는 CloudFormation을 통해 에이전트를 구성합니다.

실제 배포 방법 (boto3 사용):

import boto3

bedrock_agent = boto3.client('bedrock-agent')

# 에이전트 생성
response = bedrock_agent.create_agent(
    agentName='sre-agent',
    foundationModel='anthropic.claude-sonnet-4-20250514',
    instruction='You are an SRE agent that helps troubleshoot Kubernetes clusters.',
    agentResourceRoleArn='arn:aws:iam::ACCOUNT:role/BedrockAgentRole',
)

agent_id = response['agent']['agentId']

# MCP 도구 연결 (Action Group)
bedrock_agent.create_agent_action_group(
    agentId=agent_id,
    agentVersion='DRAFT',
    actionGroupName='eks-mcp-tools',
    actionGroupExecutor={
        'customControl': 'RETURN_CONTROL'  # MCP 서버로 라우팅
    },
    apiSchema={
        'payload': json.dumps({
            'openapi': '3.0.0',
            'info': {'title': 'EKS MCP Tools', 'version': '1.0'},
            'paths': {
                '/pod-logs': {'post': {'description': 'Get pod logs'}},
                '/k8s-events': {'post': {'description': 'Get K8s events'}},
            }
        })
    }
)

개념적 CRD 예시 (실제 사용 불가):

# AgentCore를 활용한 SRE 에이전트 정의 (개념 예시)
apiVersion: agentcore.aws/v1
kind: AgentDefinition
metadata:
  name: sre-agent
spec:
  runtime:
    model: anthropic.claude-sonnet-4-20250514
    maxTokens: 4096
  tools:
    - type: mcp
      server: eks-mcp-server
      capabilities:
        - pod-logs
        - k8s-events
        - cloudwatch-metrics
    - type: mcp
      server: custom-runbook-server
      capabilities:
        - execute-runbook
        - create-incident
  policies:
    - name: read-only-production
      effect: allow
      actions: ["read"]
      resources: ["pods", "services", "deployments"]

Kagent과 AgentCore 통합

기존 Kagent 기반 에이전트와 Bedrock AgentCore를 함께 활용할 수 있습니다:

Kagent vs Bedrock AgentCore

比较项	Kagent (自管理)	Bedrock AgentCore
运行环境	EKS Pod	AWS托管运行时
模型选择	灵活 (vLLM, 外部 API)	Bedrock模型
工具协议	自定义 CRD	MCP标准
扩展	Karpenter/HPA	自动扩展
成本	GPU基础设施成本	API调用成本
适用场景	拥有 GPU，自定义模型	快速生产部署

하이브리드 접근: 비용이 중요한 고빈도 호출은 Kagent + vLLM으로, 복잡한 추론이 필요한 저빈도 호출은 Bedrock AgentCore로 라우팅하는 전략이 효과적입니다.

멀티 에이전트 오케스트레이션

AgentCore는 MCP를 통한 에이전트 간 협업을 지원합니다:

import boto3

bedrock_runtime = boto3.client('bedrock-agent-runtime')

# 마스터 에이전트 호출
response = bedrock_runtime.invoke_agent(
    agentId='master-agent-id',
    sessionId='session-123',
    inputText='production 클러스터의 비정상 Pod를 진단하고 해결책을 제시해주세요'
)

# 마스터 에이전트는 내부적으로 다음 에이전트들을 호출:
# 1. Diagnostic Agent (EKS MCP 서버 사용)
# 2. Analysis Agent (CloudWatch 메트릭 분석)
# 3. Remediation Agent (Runbook 실행)

멀티 에이전트 패턴:

多代理模式

Sequential

顺序代理调用

诊断 → 分析 → 解决

Parallel

并行代理调用

同时检查多个集群

Hierarchical

分层代理结构

主代理 + 专业代理

Collaborative

代理间协作

解决复杂问题

보안 및 접근 제어

Cognito JWT 인증

AgentCore Gateway는 Amazon Cognito를 통한 JWT 기반 인증을 제공합니다:

# MCP Gateway 인증 설정
apiVersion: v1
kind: ConfigMap
metadata:
  name: agentcore-auth-config
data:
  auth.yaml: |
    provider: cognito
    userPoolId: ap-northeast-2_xxxxx
    clientId: your-client-id
    scopes:
      - agents/invoke
      - tools/read
      - tools/execute

IAM 정책

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": [
        "bedrock:InvokeAgent",
        "bedrock:GetAgent"
      ],
      "Resource": "arn:aws:bedrock:ap-northeast-2:123456789012:agent/your-agent-id"
    },
    {
      "Effect": "Allow",
      "Action": [
        "bedrock:InvokeModel"
      ],
      "Resource": "arn:aws:bedrock:ap-northeast-2::foundation-model/anthropic.claude-*"
    }
  ]
}

모니터링 및 관측성

AgentCore 메트릭

Bedrock AgentCore는 CloudWatch에 에이전트 실행 메트릭을 자동 게시합니다:

• AgentInvocations: 에이전트 호출 횟수
• AgentLatency: 에이전트 응답 시간
• ToolInvocations: 도구 호출 횟수
• ToolErrors: 도구 실행 오류
• TokenUsage: 토큰 사용량

LangFuse 통합

기존 LangFuse 모니터링과 AgentCore를 통합하여 통합 관측성을 구현할 수 있습니다:

from langfuse import Langfuse
import boto3

langfuse = Langfuse()
bedrock = boto3.client('bedrock-agent-runtime')

# AgentCore 호출을 LangFuse로 추적
trace = langfuse.trace(name="sre-agent-invocation")
span = trace.span(name="bedrock-agentcore")

response = bedrock.invoke_agent(
    agentId="your-agent-id",
    sessionId="session-123",
    inputText="production 네임스페이스의 비정상 Pod를 진단해주세요"
)

span.end(output=response)

CloudWatch Generative AI Observability 통합

CloudWatch Gen AI Observability GA

CloudWatch Generative AI Observability는 2025년 10월 GA되었습니다. AgentCore와 네이티브로 통합되어 별도 설정 없이 에이전트 호출, 도구 실행, 토큰 사용량이 자동으로 CloudWatch에 기록됩니다.

AgentCore는 CloudWatch Generative AI Observability와 네이티브로 통합됩니다:

• 에이전트 실행 추적: 엔드투엔드 트레이싱으로 전체 추론 흐름 가시화
• 도구 호출 모니터링: MCP 서버별 호출 횟수, 지연, 오류율 추적
• 토큰 소비 분석: 모델별 입출력 토큰 사용량 및 비용 추적
• 이상 탐지: CloudWatch Anomaly Detection과 연동하여 비정상 패턴 자동 감지

CloudWatch 콘솔에서 확인:

1. CloudWatch 콘솔 → "AgentCore" 탭
2. 에이전트별 메트릭 대시보드 자동 생성
3. 프롬프트 트레이싱으로 전체 실행 흐름 확인
4. Logs Insights로 상세 로그 분석

LangFuse(Self-hosted 상세 트레이싱)와 CloudWatch Gen AI Observability(AWS 네이티브 통합)를 함께 사용하면 가장 포괄적인 관측성을 확보할 수 있습니다.

AWS MCP 서버 배포

AWS는 공식 MCP 서버를 오픈소스로 제공합니다 (github.com/awslabs/mcp):

EKS MCP 서버 배포

# AWS MCP 서버 저장소 클론
git clone https://github.com/awslabs/mcp.git
cd mcp/servers/eks

# Docker 이미지 빌드
docker build -t eks-mcp-server:latest .

# EKS에 배포
kubectl apply -f k8s/deployment.yaml

EKS MCP 서버 Deployment:

apiVersion: apps/v1
kind: Deployment
metadata:
  name: eks-mcp-server
  namespace: mcp-servers
spec:
  replicas: 2
  selector:
    matchLabels:
      app: eks-mcp-server
  template:
    metadata:
      labels:
        app: eks-mcp-server
    spec:
      serviceAccountName: eks-mcp-server
      containers:
      - name: server
        image: eks-mcp-server:latest
        ports:
        - containerPort: 8080
          name: http
        env:
        - name: CLUSTER_NAME
          value: "production-cluster"
        - name: AWS_REGION
          value: "ap-northeast-2"
        resources:
          requests:
            cpu: "500m"
            memory: "512Mi"
          limits:
            cpu: "1"
            memory: "1Gi"
---
apiVersion: v1
kind: Service
metadata:
  name: eks-mcp-server
  namespace: mcp-servers
spec:
  selector:
    app: eks-mcp-server
  ports:
  - port: 80
    targetPort: 8080
  type: ClusterIP

IAM 권한 설정 (IRSA):

{
  "Version": "2012-10-17",
  "Statement": [
    {
      "Effect": "Allow",
      "Action": [
        "eks:DescribeCluster",
        "eks:ListClusters"
      ],
      "Resource": "arn:aws:eks:ap-northeast-2:*:cluster/*"
    },
    {
      "Effect": "Allow",
      "Action": [
        "logs:GetLogEvents",
        "logs:FilterLogEvents"
      ],
      "Resource": "arn:aws:logs:ap-northeast-2:*:log-group:/aws/eks/*"
    },
    {
      "Effect": "Allow",
      "Action": [
        "cloudwatch:GetMetricData",
        "cloudwatch:GetMetricStatistics"
      ],
      "Resource": "*"
    }
  ]
}

AWS MCP 서버 에코시스템

AWS는 공식 MCP 서버를 오픈소스로 제공합니다 (github.com/awslabs/mcp):

AWS MCP 服务器生态系统

EKS MCP Server

Kubernetes 集群管理

CloudWatch MCP Server

指标和日志查询

IAM Policy Autopilot

最小权限策略生成

S3 MCP Server

对象存储访问

RDS MCP Server

数据库管理

관련 문서

• Agentic AI 플랫폼 아키텍처
• Kagent Kubernetes 에이전트
• 에이전트 모니터링
• 추론 게이트웨이 라우팅

참고 자료

• Amazon Bedrock AgentCore 문서
• AWS MCP Servers (GitHub)
• Model Context Protocol 사양
• CloudWatch Generative AI Observability
• CNS421: Streamline EKS Operations with Agentic AI (re:Invent 2025)