11. 학습의 단계_AWS Bedrock_ 두번째 강의 -7일차 -

 2025년 4월 29일

- Bedrock 두번째 강의 수강 시작.


-------

1단계. 학습의 단계

1. AWS Bedrock


첫번째 강의) Building Multi-Agentic AI Workflows on AWS Bedrock: 수강완료 (2025/4/13~04/16)
두번째 강의) Learn Agentic AI Basics, Amazon Bedrock Multi-Agent Framework, Build 2 Use Cases- Hotel Booking & Multi-Agent Travel App: 수강시작 (2025/4/29~)

I. 수강 전 기대
첫번째 강의에서 아쉬웠던 Hands-on을 조금 더 해볼 수 있을 것으로 기대함. 커리큘럼을 보니 간단하지만 Bedrock에서 만든 multi agent를 프론트로 배포하는 것도 배울 수 있는 것으로 보임.

II. 수업내용

1일차(4/29): 앞으로 배울 내용 개괄 + AI Agent 5가지 요소 (Planning, Tools & Actions, Memory, Guardrails, Agent Communication)
2일차(4/30): 어제 배운 AI Agent의 기능 중 첫번째 Planning에 관한 Demo ~ Agent Communication
3일차(5/1): Deep dive - Amazon Bedrock Agents (Agent creation 및 setting)
4일차(5/6): How do Agents work? ~ Use Case 1 - Hotel Booking Agent
5일차(5/7): Use Case 1 - Hotel Booking Agent ~ Agent Creation
6일차(5/14): Agent Integration with Knowledge Bases for Room Information ~ Hotel Room Availability
7일차(5/19): Hotel Room Booking - DynamoDB ~ Hotel Room Booking - Agent & Lambda & Action Group Integration

Use Case 1을 통해서 Agent를 생성하고, KB를 연동하고, 호텔 방의 예약 가능 여부를 확인하는 부분까지 진행했다. 마지막으로 Agent가 호텔 방을 예약하도록 하는 파트다.

Hotel Room Booking 구현을 위해 다음 4가지를 진행한다.
- DynameDB 테이블 구성 (hotelRoomBookingTable)
- Action Group 2 - AWS Lambda, OpenAPI Schema (roomBooking_AG)
- Guardrails - Bedrock Guardrails (HotelBookingGuardrails)
- Memory - Long Term & Short Term Memory

*AWS 서비스 생성 시에 어떤 region에 있는지 반드시 재확인 후 진행하기.
강의내용대로 DynamoDB 만들고 Lambda 생성하였는데 계속 해결되지 않는 문제가 있어서, 찾다보니 Region을 기존에 사용하던 Oregon이 아닌 다른 곳에서 진행 중이었음.

이번 강의를 통해서는 Lambda Function을 통해, 사용자의 인풋에 맞는 호텔 방이 DB에 존재하는지 체크하는 기능과, 만약 존재하지 않는다면 Error 메시지를 출력하고, 존재한다면 Booking ID를 생성하여 별도 DB에 저장하는 기능의 Lambda를 작성하였다.

그 결과 캡쳐와 같이 새로운 Booking Table의 레코드가 생성되었다.


위와 같이 새롭게 생성한 Lambda Function을 Bedrock Agent에서 Invoke하여 사용하도록 하기 위해서는, 해당 Lambda에서 Add permission을 아래와 같이 설정하여 Bedrock Agent가 Lambda를 call하는데 있어 제약이 없도록 해야한다.


P.S. AWS Cost explore를 보다가 $30이 찍혀있길래 깜짝 놀라서 원인을 찾아보니 'Knowledge bases" 때문이었다. Knowledge base에 PDF를 등록하게 되면 AWS에서는 모든 단어들을 추출하고 Titan Embeddings라는 임베딩 모델을 통해 벡터 데이터로 변경하게 된다. 이렇게 변경된 벡터 데이터는 S3에 저장되고 또한 Opensearch 내 인덱스로 저장된다. 이 과정에서 Knowledge base 과금과 Opensearch 과금이 이중으로 발생된 것이다.

AI Agent가 더 정확한 정보를 참조할 수 있도록 PDF 파일 1개를 추가하였는데, 이로 인해 1주일도 안되는 기간에 30불의 비용이 부과된 것은 다소 놀랍다. 그렇다면 AI Agent의 학습 원천 신뢰도를 높이기 위해 PDF를 고려하는 것은 비용적으로 좋은 선택지가 되지 못할 수 있다는 의미다. 비용적으로 더 나은 대안을 우선 찾고, 그럼에도 꼭 필요한 내용에 대해서면 PDF를 Knowledge Base로 추가해야겠다는 생각이 든다.


결과적으로 예상치 못한 비용 부과에 대해서는 AWS 측에 양해를 구했고, 담당자가 본인의 사정을 듣더니 의도치 않은 비용 지불에 대해 exceptional waiver를 해주기로 하였다. 결과적으로 위 비용은 지불하지 않게 될 듯하다. 그러나 AWS 과금에 대해서는 늘 경각심을 가지고 주의해야겠다는 생각을 하였다.

아래 이메일은 요청에 따라 waive 해주겠다는 확인 이메일. 매번 느끼는 것이지만 AWS, Amazon 모두 매우 높은 수준으로 CS 응대를 해준다.



2. N8N
3. Claude MCP
(4. LangChain?)
(5. A2A?)


댓글

댓글 쓰기

이 블로그의 인기 게시물

20. 학습의 단계_n8n -1일차 (시작) -

이미지
1단계. 학습의 단계 1. AWS Bedrock 첫번째 강의) Building Multi-Agentic AI Workflows on AWS Bedrock: 수강완료 (2025/4/13~04/16) 두번째 강의) Learn Agentic AI Basics, Amazon Bedrock Multi-Agent Framework (2025/4/29~06/11) 2. N8N I. 강의 선택의 이유 / 수강 전 기대하는 부분 이번에 수강할 강의는 최근 인스타그램 등에서 광고로 많이 접한 천영록 대표님의 강의다. 제목은 'NO코딩 AI 자동화: 잘 때도 나 대신 일하는 기하급수적 성장 모멘텀'이다. 처음에는 N8N 역시 Udemy로 들으려 했다. 내가 Udemy를 좋아하는 이유 중 하나는 강의를 듣는 사용자가 학습에만 더 집중할 수 있도록 도와준다는 것과 해당 분야에 대해 깊이있고 전문적으로 내용을 다룬다는 느낌을 받기 때문이다. 또한 한국 강의시장에서의 제한된 공급으로 마련된 강의 Pool에 비해, 글로벌하게 쏟아지는 무수히 많은 강의들 중에서 살아남고 좋은 리뷰를 가지고 있는 강의인 만큼 이미 검증된 강의라는 안도감도 작용한다. 그에 반해 한국 강의 플랫폼에서 제공하는 강의들은, 매우 트랜디하고 강의 소개나 영상들이 강력한 소구를 갖는데 반해서, 막상 강의를 들어보면 개념을 개괄하는데 그치는 경우가 많았다. 어쩌면 강의 자체의 퀄리티는 해외 강의들과 다르지 않을지도 모르지만, 강의소개에서 워낙 마케팅들을 잘해놔서 강의 자체에 대한 기대감이 많이 높아진 채로 강의를 들었다는 차이점이 있을지도 모르겠다. 아무튼 각설하고, 그럼에도 불구하고 이번 천영록 대표님의 강의를 선택한 이유는 다음과 같다. AWS Bedrock 강의를 통해서 아카데믹하고, 그저 어떻게 동작하는지를 이해하는 수준의 Multi Agent 학습이 되면 안되겠다는 생각이 들었다. Udemy에서 구매한 N8N 강의는 N8N 자체를 가르치는 강의다. 그러나 천영록 대표님의 이번 강의는 N8N 등의 ...
자세한 내용 보기

01. 1억~10억 비즈니스 매매의 시대: 실력이 승부를 가른다

이미지
서비스를 인수하고 매각하는 능력이 중요한 세상이 온다. 비즈니스 매매가 능력이라는 점은 이미 잘 알려진 사실이다. 그러나 대부분의 기업 매매는 PE, VC 등 기관이 주도하거나, 돈 많은 법인이 볼트온 목적으로 진행하는 M&A들이다.  반면 솔로프리너 등 1인 기업가가 운영하는 기업가치 100억 미만의 비즈니스 매매는 활발하지 않다.   소규모 비즈니스 매매는 거래비용 대비 기대효용이 낮기 때문이다. 매물로 나온 기업의 가치를 파악하기 위해서는 시간과 비용이 소요되며 기업을 재무적, 법적 리스크없이 인수하는데도 상당한 전문성과 자본이 요구된다. 인수 후 사업을 안정화시키고 가치를 향상시키고 다시금 매물로 매각하는 기업인수와 매각에 이르는 전 과정에서도 무척 큰 거래비용이 요구된다. 일반적으로 거래비용은 기업가치와 비례하여 커진다. 그러나 아무리 작은 사업체를 인수하고 매각한다 하더라도 최소한의 거래비용이 존재한다. 이 최소한의 거래비용보다 기업인수 시의 효용이 훨씬 더 크다고 판단될 때, 비로소 비즈니스 매매가 발생하기 시작한다. 이 때문에 기업인수를 고려하는 입장에서 볼 때, 최소 100억원 이상의 기업을 인수할 때 비로소 수지가 맞는다.  이를 간략히 도식화하면 다음과 같다. © 2025. 6figures.kr 거래비용과 기대효용의 관점에서 볼 때 비즈니스 매매 시장은 앞으로도 계속 커질 것이다.  (1) 시장은 구조적으로 점차 양분되어 돈 있는 소수 기업으로 자본이 쏠리게 되어 자본조달 비용은 점차 줄어들 것인데 반해, 경쟁력있는 서비스, 상품을 가졌지만 자본력이 미치지 못하는 기업들의 경우 시장에서의 기업가치가 제대로 평가받기 어려워질 수 있기 때문이다. 이렇게 되면 기업 인수자 입장에서는 저렴해진 조달비용 및 인수비용으로 인해 거래비용이 낮아진다. 낮아진 거래비용만큼 기업인수의 효용은 더 커질 것이기에 양분된 시장에서 위너 측에 속해있는 기업 및 기관들은 더 활발하게 기업인수를 고려할 것이다. (2) ...
자세한 내용 보기

31. 서비스 구축단계_세컨브레인 -2,3일차: 구현 (2. 채널연결 완료) -

이미지
초기 기획을 마무리하였고, 이제 실제 셀프 호스팅된 n8n 상에 필요한 3rd Party 채널들을 연동한다. 1. 카카오톡 (메시지 발송) 2. 슬랙 (생성, 읽기) 3. 텔레그램 (메시지 발송) 4. 노션 (생성, 조회, 수정) 5. 구글캘린더 (생성, 조회, 수정) 1. 우선 '카카오톡 나에게 메시지 발송' 기능의 경우, 사전에 만들어서 테스트했다. 2. 두번째로 슬랙을 연동한다.  우선 기능별로 결과 메시지를 받을 수 있는 슬랙 방을 만든다. 3-2) 메모관리 LOG 3-4) 아이디어 디벨롭 공간 3-5) 사업기획안 3-6) 가정멘토 3-7) 식단멘토  3-8) 자산멘토   n8n에서 slack credential을 생성 후 연동하였고, slack trigger 노드 생성 후 webhook URL을 슬랙의 event subscription에 추가하였다. 또한 슬랙에서 API 및 Bot에게 필요한 권한을 부여하였다. 그 결과, 아래와 같이 슬랙 내 특정 채널에서 메시지를 발송하면 n8n의 trigger 노드에 인풋이 정상적으로 입력되는 것을 확인할 수 있다. n8n에서 슬랙으로 메시지 발송하는 부분도 테스트했다. "Automated with this n8n workflow"부분도 삭제하여 깔끔하게 메시지가 전송되도록 했다. 각 채널별로 고유한 ID가 존재하기 때문에, 추후 워크플로우 상에서 그때 그때 사용하려는 target 채널 ID를 가져와서 메시지가 발송되도록 할 것이다. 3. 세번째로 '텔레그램'으로 메시지를 발송하도록 한다. 텔레그램은 일정관리 결과 안내 및 리마인더 기능으로만 사용하려고 하기 때문에, n8n에서 텔레그램으로 메시지 발송하는 기능만 구현하면 된다. 카카오톡 메시지 발송으로 구현해도 되는데, 이렇게 되면 "나에게 발송"만 가능하다보니 카톡 알림이 오지 않는 문제가 있었다. 아래와 같이 텔레그램 노드를 만들고 botfather에서 newbot을 생성하여 api key 생성 ...
자세한 내용 보기