AWS Professional Services는 대규모 엔터프라이즈 클라우드 마이그레이션을 자동화하도록 설계된 멀티에이전트 시스템의 세부 내용을 공개했다. Amazon Bedrock AgentCore를 사용해 탐색, 인프라 코드 생성, 거버넌스, 마이그레이션 이후 운영을 조율하는 방식이다.

이 시스템은 수백 개의 애플리케이션이 포함된 마이그레이션 프로그램을 대상으로 하며, 이 경우 수작업 인입과 인프라 개발이 실제 이전보다 더 많은 시간을 잡아먹을 수 있다. AWS는 내부 프레임워크가 300개가 넘는 애플리케이션 포트폴리오 전반에서 애플리케이션당 Infrastructure as Code 개발 시간을 3~4주에서 수분으로 줄였다고 밝혔다. 이 결과는 내부 프로젝트 추적 데이터에 기반한 것이며, 독립적으로 검증되지는 않았다.

이번 공개가 중요한 이유는 AgentCore를 단순히 개별 어시스턴트의 런타임으로만 보지 않고, 평가, 배포, 운영 전반을 아우르는 워크플로의 제어 계층으로 제시하기 때문이다. 엔터프라이즈 기술팀에게 더 중요한 질문은 에이전트형 자동화가 영향이 큰 인프라 의사결정에서 인간 승인 과정을 제거하지 않으면서도 반복 가능하고 통제된 마이그레이션 작업을 만들어낼 수 있느냐는 점이다.

전문 에이전트들로 나뉜 마이그레이션 워크플로

AWS는 AWS Professional Services가 Strands Agents SDK로 구축한 프레임워크를 설명한다. 전체 마이그레이션을 하나의 범용 모델에 맡기는 대신, 아키텍처는 더 좁은 책임을 가진 에이전트들로 작업을 분할한다.

Intake Agent는 애플리케이션 발견, 종속성 매핑, 목표 아키텍처 정의를 자동화한다. 그다음 IaC Agent는 조직의 보안 관행과 표준에 맞춰 Infrastructure as Code를 생성한다. Migration Intelligence and Governance Agent는 Jira, Confluence, Webex 같은 도구 전반에서 포트폴리오 보고, Well-Architected 평가, 거버넌스 정보를 생성한다.

배포 이후에는 SRE Agent가 이전된 워크로드를 모니터링하고, 잠재적인 성능 저하를 식별하며, 자동 복구를 지원한다. AWS는 또한 지원 기반 스키마 변환과 데이터베이스 전환을 위한 AWS Database Migration Service, 레거시 애플리케이션 현대화를 위한 AWS Transform 등 특정 마이그레이션 작업을 위한 인접 서비스도 소개한다.

이러한 분담은 마이그레이션 프로그램의 서로 다른 위험 프로필을 반영한다. 탐색은 문서와 기존 시스템에서 사실을 추출해야 한다. 코드 생성은 인프라 표준 준수를 요구한다. 거버넌스는 포트폴리오 수준의 가시성을 필요로 하고, 운영은 실시간 시스템 접근과 신중하게 통제된 복구가 필요하다. 이들을 별도의 에이전트 역할로 취급하면 하나의 에이전트에 광범위한 권한을 주는 것보다 권한과 평가를 더 관리하기 쉽게 만들 수 있다.

Amazon Bedrock AgentCore가 시스템에 들어가는 방식

AWS Machine Learning Blog에 따르면 각 에이전트는 파운데이션 모델, 시스템 프롬프트, 도구 집합으로 정의된다. Amazon Bedrock AgentCore Runtime은 세션 분리와 멀티에이전트 오케스트레이션 지원을 갖춘 서버리스 환경에서 에이전트를 호스팅한다.

에이전트는 Model Context Protocol 도구를 통해 외부 기능에 접근한다. AgentCore Gateway는 API, AWS Lambda 함수, 기존 서비스를 MCP 호환 도구로 변환할 수 있어, 프레임워크가 모든 통합을 새 인터페이스 중심으로 다시 만들지 않고도 마이그레이션 에이전트를 엔터프라이즈 시스템에 연결할 수 있게 한다.

ID는 AgentCore Identity가 처리하며, AWS는 제한된 AWS Identity and Access Management 역할과 조직의 ID 공급자를 사용해 호출을 인증한다고 설명한다. 이는 인프라 자동화에서 핵심적인 요소다. 실질적인 안전 경계는 모델의 지시만이 아니라 각 에이전트가 기술적으로 무엇을 읽고, 바꾸고, 실행할 수 있는지에 달려 있다.

AWS는 이 프레임워크가 마이그레이션 수명주기 전반에 걸쳐 보안 통제를 적용하고, 의사결정 책임은 인간에게 남긴다고 말한다. 하지만 원문은 내부 배포에서 사용된 구체적인 승인 게이트, 롤백 메커니즘, 평가 기준을 명시하지 않으므로, 팀은 이 설명된 패턴이 모든 환경에서 자동으로 생산 수준의 통제를 제공한다고 가정해서는 안 된다.

성능 주장의 근거

발표에서 가장 강한 효율성 주장은 공급업체가 제시한 것이다. AWS는 300개 이상의 애플리케이션 포트폴리오에서 애플리케이션당 3~4주 걸리던 IaC 개발이 수분으로 줄어든 것을 내부 프로젝트 추적 데이터에 따른 결과라고 설명한다. 블로그는 전후 비교 방법론, 각 애플리케이션의 복잡도, 인간 검토의 양, 생성된 코드 중 실질적 수정 없이 채택된 비율을 제공하지 않는다.

이 구분은 중요하다. “수분”은 승인·테스트·보안 검증·배포까지 포함한 전체 경로가 아니라 초기 생성만을 의미할 수 있다. 엔터프라이즈 마이그레이션에서는 코드 작성이 자동화되더라도 검증, 예외 처리, 네트워크 의사결정, 데이터 종속성, 컴플라이언스 검토, 변경 관리가 여전히 큰 비중을 차지할 수 있다.

현재 확인 가능한 증거는 AWS가 제시하는 것, 즉 목적 특화 AI 에이전트, 엔터프라이즈 도구, AWS 마이그레이션 서비스를 결합한 내부 아키텍처가 실제로 작동하고 있다는 점이다. 다만 이것이 업종과 애플리케이션 포트폴리오 전반에서 일반적으로 재현 가능한 시간 절감까지 입증하는 것은 아니다. 이 묶음의 두 번째 출처는 AWS가 통제하는 블로그이며, 제공된 와이어 기사에는 추가 기사 본문이나 독립 취재가 없다.

클라우드 마이그레이션 팀에 의미하는 바

빌더 입장에서 이 프레임워크는 기존 마이그레이션 데이터와 운영 시스템을 AI 에이전트에 연결하는 참고 패턴을 제공한다. 가장 재사용하기 좋은 아이디어는 생명주기 단계와 권한 범위에 따라 에이전트를 분리하는 것이다. 예를 들어 탐색 에이전트는 인벤토리와 아키텍처 문서에 접근할 수 있고, 인프라 에이전트는 파일을 생성할 수 있지만 프로덕션 배포 권한은 없을 수 있다. 운영 에이전트는 텔레메트리를 검사하고, 인간이나 정책 엔진이 변경을 승인하기 전에 복구안을 제안할 수 있다.

이 구조는 테스트도 더 구체적으로 만든다. 팀은 종속성 매핑 결과로 탐색 정확도를 평가하고, 생성된 IaC를 정책 및 보안 점검과 대조하며, 운영 에이전트는 경보 정확도, 복구 성공률, 롤백 동작으로 측정할 수 있다. 이는 모델 응답 속도만 보는 것보다 훨씬 유용한 지표다.

엔터프라이즈 구매자에게 핵심적인 트레이드오프는 표준 업무의 속도 향상과 에이전트 접근을 통제하는 비용 사이에 있다. AgentCore의 런타임, 게이트웨이, ID 기능은 배포와 권한 부여의 일부를 다루지만, 조직은 여전히 모델 선택 정책, 감사 기록, 환경 격리, 시크릿 관리, 인간 승인, 그리고 표준 패턴에 맞지 않는 애플리케이션을 처리하는 프로세스가 필요하다.

이 접근은 마감 기한이 정해진 데이터센터 철수 프로그램에 특히 적합할 수 있다. 반복적인 발견과 코드 준비가 작업 대기열을 만들기 때문이다. 반면 고도로 맞춤화된 시스템, 문서화되지 않은 종속성, 대대적인 애플리케이션 재설계가 필요한 마이그레이션에서 얼마나 잘 작동하는지는 불분명하다. AWS DMS와 AWS Transform의 포함은 오케스트레이션 계층이 모든 마이그레이션 도구를 대체하는 것이 아니라 범용 에이전트와 특화 서비스를 결합하려는 의도임을 시사한다.

다음에 주목할 점

다음에 유용한 신호는 IaC 생성 시간만이 아니라 전체 마이그레이션 시간을 보여주는 독립 사례 연구다. 구매자는 검토 노력, 배포 성공률, 롤백 비율, 보안 이슈, 맞춤 엔지니어링 없이 처리된 애플리케이션 비율을 포함한 수치를 살펴봐야 한다.

프레임워크의 인간 승인 지점에 대한 추가 세부 정보도 운영 성숙도를 더 분명하게 해줄 것이다. 거부되거나 수정된 에이전트 출력의 예시, AgentCore Identity의 감사 추적, 자동 복구를 관리하는 정책은 팀이 위험을 판단하는 데 도움이 된다.

마지막으로 재사용 가능한 레퍼런스 구현, AWS 리전별 지원 모델, 블로그에 언급된 도구를 넘어서는 통합이 제공되는지는 이것이 AWS Professional Services 패턴에 머무를지, 아니면 널리 채택 가능한 플랫폼 아키텍처가 될지를 보여줄 것이다. 마이그레이션 파트너의 채택과 AWS 외 고객 사례는 현재의 내부 결과보다 더 강한 시장 신호가 될 것이다.

Creati.ai 관점

AWS는 AgentCore를 조율된 엔터프라이즈 AI 에이전트를 위한 인프라로 포지셔닝하고 있으며, 클라우드 마이그레이션은 반복적이지만 여전히 전문적 판단에 의존하기 때문에 설득력 있는 테스트 사례다. 이 아키텍처의 가치는 자율적 의사결정보다 흩어진 마이그레이션 작업을 통제 가능하고 검토 가능한 워크플로로 바꾸는 데서 나올 가능성이 크다.

보고된 가속은 주목할 만하지만, 이는 시장 전반의 결과가 아니라 내부 벤치마크로 읽어야 한다. AI 빌더와 엔터프라이즈 팀에게 지속적인 교훈은 좁은 에이전트 책임을 엄격한 ID 경계, 측정 가능한 검토 게이트, 운영 증거와 결합한 뒤에야 생성된 인프라나 자동 복구가 프로덕션 시스템에 영향을 주도록 허용해야 한다는 점이다.