AWS Context 중심의 컨텍스트 인텔리전스 스택 공개

이번 발표의 핵심은 AI 에이전트와 기업 데이터 저장소 사이의 간극을 메우는 '컨텍스트 레이어(Context Layer)'의 자동화다. AWS는 이를 위해 세 가지 제품으로 구성된 '컨텍스트 인텔리전스 스택'을 공개했다. 중심 서비스인 'AWS Context'는 수동 큐레이션 없이 에이전트의 사용 이력을 통해 스스로 고도화되는 지식 그래프 서비스다.

함께 공개된 보조 서비스로는 'Amazon S3 Annotations'와 'AWS Glue Data Catalog skill assets'가 있다. Amazon S3 Annotations는 개별 S3 오브젝트에 직접 풍부한 비즈니스 컨텍스트를 부착할 수 있게 하며, AWS Glue Data Catalog skill assets는 카탈로그 계층에서 런북(Runbook), 쿼리 패턴, 사용 규칙 등의 도메인 지식을 데이터 자산과 연결한다. AWS Context는 이 두 서비스의 데이터를 합성하여 에이전트가 런타임에 쿼리할 수 있는 지식 그래프를 생성한다.

자동 관계 추론 및 MCP 기반 작동 방식

AWS Context의 작동 방식은 기존 데이터 세트에서 관계를 자동으로 추론하는 것으로 시작한다. 어떤 테이블이 존재하는지, 각 컬럼의 의미가 무엇인지, 소스 간의 관계와 권위 있는 소스가 무엇인지를 자동으로 매핑한다. 이 과정에서 시맨틱 검색(Semantic Search)과 그래프 수준의 추론(Graph-level Reasoning)을 결합해 구조화 및 비구조화 소스 모두에서 관계를 도출한다.

특히 주목할 점은 피드백 루프를 통한 자가 학습 구조다. AWS Context는 에이전트가 어떤 소스에서 정확한 결과를 얻었는지, 어떤 부분이 실제로 사용되었는지를 학습하며 시간이 지남에 따라 지식 그래프를 스스로 개선한다. 데이터 관리자(Data Steward)는 AWS Management Console을 통해 추론된 관계를 검토하고, 이를 프로덕션 환경으로 승격시키거나 비즈니스 정의 및 사용 규칙을 추가로 부착하는 방식으로 제어권을 가진다.

데이터 호환성과 확장성을 위해 모든 메타데이터는 Apache Iceberg(오픈 테이블 포맷) 형식으로 Amazon S3 Tables에 저장된다. 이를 통해 전용 API 없이도 Athena, Redshift, Spark 또는 기타 Iceberg 호환 엔진으로 쿼리가 가능하다. 외부 시스템의 컨텍스트를 가져오기 위한 서드파티 카탈로그 연결도 지원한다. 에이전트는 Bedrock AgentCore, EKS(Amazon Elastic Kubernetes Service) 또는 MCP(Model Context Protocol, 모델 컨텍스트 프로토콜) 호환 프레임워크를 통해 에이전틱 검색 API와 MCP 도구로 이 그래프에 접근한다.

데이터 이동 없는 통합과 운영 영향

개발자와 실무자가 이번 업데이트에서 주목해야 할 지점은 데이터 이동(Data Movement)의 제거다. 기존에 S3, Glue, Lake Formation을 사용하던 기업은 데이터를 다른 곳으로 옮기거나 복제하지 않고도 컨텍스트 계층을 확장할 수 있다. 이는 통합 과정에서 발생하는 마찰을 줄이는 '제로 통합 마찰(Zero-integration friction)' 전략이다.

보안 및 권한 관리 체계 역시 기존 인프라를 그대로 계승한다. 모든 쿼리는 호출 사용자의 IAM(Identity and Access Management) 및 Lake Formation 권한을 그대로 상속받는다. 따라서 에이전트의 데이터 접근 제어와 감사(Audit)를 위해 새로운 보안 모델을 설계할 필요 없이, 기업이 이미 사용 중인 ID 기반 제어 시스템을 그대로 활용할 수 있다.

결과적으로 실무자는 지식 그래프를 처음부터 수동으로 설계하고 유지보수하던 작업에서 벗어나, 시스템이 추론한 관계를 검토하고 승인하는 '검수자'의 역할로 전환하게 된다. 다만, 트랜잭션 데이터 처리 시의 성능 최적화 여부는 실제 도입 단계에서 검증해야 할 핵심 변수로 남는다.