AWS, 자연어 명령으로 BI 대시보드 수정하는 멀티 에이전트 솔루션 가이드 공개
아마존웹서비스(AWS)가 자연어 명령만으로 비즈니스 인텔리전스(BI) 대시보드를 찾아 수정하는 멀티 에이전트 솔루션의 구축 가이드를 머신러닝 블로그에 공개했다. Amazon Bedrock AgentCore와 Strands 프레임워크, Amazon Quick을 결합해 그동안 며칠씩 걸리던 대시보드 수정 작업을 자동화하는 것이 목표다.
AWS는 기존 방식의 한계를 먼저 짚었다. 비즈니스 분석가가 변화하는 요구사항에 맞춰 대시보드를 바꾸려면 IT 팀에 수정 요청을 제출해야 하고, IT 팀은 요구사항을 해석하고 API 문서를 살피며 테이블 스키마를 파악한 뒤 변경을 배포한다. 이 과정은 품질 관리와 감독 측면에서 의미가 있지만, 빠른 업데이트가 필요할 때 며칠의 처리 시간이 걸린다는 것이다.
이번 솔루션은 세 가지 구성 요소를 묶었다. Amazon Bedrock AgentCore는 인프라 관리 없이 에이전트를 안전하게 구축·배포·운영하는 에이전트 플랫폼으로, 지능형 메모리와 게이트웨이를 통해 도구·데이터에 대한 통제된 접근을 제공하고 프로덕션급 보안과 동적 확장을 지원한다. Strands Agents는 AWS 서비스와 통합되는 코드 우선(code-first) 에이전트 구축 프레임워크이며, Amazon Quick은 흩어진 데이터를 인사이트로 바꾸는 AI 기반 BI 기능을 담당한다.
아키텍처는 함께 동작하는 세 개의 전문 에이전트로 구성된다. Find Dashboard Agent는 대시보드를 검색하고 대시보드·데이터셋에서 컬럼 메타데이터를 가져오는 탐색 작업을 맡는다. Modify Dashboard Agent는 컬럼을 검증하고 테이블 시각화를 업데이트하며 새 대시보드 버전을 만드는 구성 변경을 담당한다. Orchestrator Agent는 의도 분류를 바탕으로 사용자 요청을 알맞은 전문 에이전트로 라우팅한다.
Find Dashboard Agent는 이후의 조회나 수정에 앞서 대상 대시보드를 찾아내는 역할을 한다. 예를 들어 사용자가 '이름이 testing인 보고서를 보여 줘'라는 자연어 쿼리를 보내면, 이 에이전트가 list_dashboards API를 호출해 대시보드 메타데이터를 가져오고 검색 조건으로 결과를 거른다. 정확·부분 이름 매칭 검색, 계정 내 대시보드 목록 조회, 대시보드와 기반 데이터셋의 컬럼 정보 조회라는 세 가지 핵심 기능을 제공한다.
Modify Dashboard Agent는 검증을 먼저 거치는(validation-first) 워크플로로 구성 변경을 처리한다. 'testing 대시보드에 lastname을 추가해 줘' 같은 요청이 들어오면, 해당 컬럼이 데이터셋 스키마에 존재하는지 확인한 뒤 describe_dashboard_definition API로 전체 대시보드 정의를 가져오고, 테이블 시각화 필드를 갱신해 create_dashboard API로 새 버전을 만든다. 컬럼 추가와 제거 두 가지 작업을 지원하며, 기존 대시보드를 직접 고치는 대신 고유 식별자를 가진 새 대시보드를 만들어 원본을 보존한다. 이를 통해 감사 추적과 롤백이 가능해진다.
Orchestrator Agent는 사용자 상호작용의 진입점이다. 사용자가 자연어 쿼리를 제출하면 Amazon Nova가 이를 대화형 요청과 운영형 요청으로 분류한다. 대화형 요청은 Nova의 대규모 언어 모델(LLM) 능력으로 곧바로 답하고, 운영형 요청은 Strands 프레임워크를 거쳐 전문 에이전트로 전달돼 사용 가능한 데이터셋 컬럼과 대조해 검증을 거친 뒤 자율적으로 수정이 실행된다.
솔루션은 이 밖에 Amazon Nova가 자연어 처리(NLP)와 추론을, AgentCore Memory가 대화 컨텍스트와 세션 상태 유지를, Amazon Bedrock AgentCore Observability가 에이전트의 의사결정 로깅과 API 상호작용 추적을 맡는 식으로 구성된다. 특히 오케스트레이터가 Quick API를 직접 호출하지 않고 각 에이전트를 호출하면 그 에이전트가 자연어 이해와 API 호출을 내부에서 처리하는, 에이전트를 도구로 쓰는(agent-as-tool) 패턴이 멀티 에이전트 구조를 가능하게 한다.
구현은 세 에이전트를 빌드하고, 이를 Amazon Bedrock AgentCore에 배포한 뒤, AWS Management Console에서 테스트하는 순서로 진행된다. 사전 요건으로는 Amazon Bedrock·Amazon Quick·IAM 권한을 갖춘 AWS 계정, 기존 대시보드가 있는 Amazon Quick 계정, Python 3.10 이상(3.10~3.13 지원), uv 패키지 매니저, 자격 증명이 설정된 AWS CLI가 필요하다.