Phase 1: 첫 Agent, 세상에 내보내기
Gateway + Runtime + Observability로 상품 추천 Agent 만들기
다크 모드
Build! Deploy! Observe!리테일 Agent 실전 구축하기
PoC에서 프로덕션까지, Strands Agents + AgentCore로 Agent를 직접 만들어 배포하는 하루
Skip to content
RCG AI Platform Day #2
PoC에서 프로덕션까지, Agent를 직접 만들어 배포하는 하루
온라인 쇼핑몰에서 견과류 알러지가 있는 고객이 "간단히 먹을 단백질 식품 추천해줘"라고 물었을 때, 여러분의 Agent가 고객 프로필(알러지)을 조회하고, 구매이력을 확인하고, 재고 있는 상품 중 알러지 성분을 제외하고 답변합니다. 오늘 이 Agent를 직접 만들고 배포합니다.
이 워크샵이 특별한 이유
처음부터 끝까지 AgentCore 위에서 동작합니다. 로컬 Python 실행이 아닙니다.
여러분이 만드는 Agent는 즉시 프로덕션 엔드포인트가 됩니다.
Agent Playground — 내가 만든 Agent를 바로 테스트
오늘 여러분이 만드는 Agent는 코드로만 끝나지 않습니다. EC2에 미리 준비된 Agent Playground 웹 화면에서 실시간으로 대화하며 확인할 수 있습니다.
- 테스트에 쓰이는 데이터는 실제 데이터가 아니라, 이 워크샵을 위해 만든 Mock 데이터입니다 (Lambda 함수 + 별도 Mock 사이트 URL에서 제공).
- Phase별로
agentcore deploy로 Agent를 배포하면 Runtime ARN이 출력됩니다. 이 ARN을 Playground 우측 상단 ⚙️ Settings에서 입력하면, 별도 배포 작업 없이 즉시 화면에서 내 Agent를 호출할 수 있습니다.
언제 사용하나요?
각 Phase에서 Agent를 배포한 직후, CLI(agentcore invoke) 대신 이 Playground에서 대화형으로 테스트하면 더 편합니다. 접속 URL은 Workshop Studio Event Outputs의 PlaygroundUrl에서 확인하세요 (환경 세팅 참고).
오늘 사용하는 AgentCore 서비스
| 서비스 | 역할 | 도입 시점 |
|---|---|---|
| Gateway | Tool을 MCP 프로토콜로 Agent에 연결 | Phase 1 |
| Runtime | Agent를 HTTPS 엔드포인트로 배포 | Phase 1 |
| Observability | 실시간 Trace + GenAI Dashboard | Phase 1 |
| Code Interpreter | Agent가 Python 코드를 실행하여 시각화 생성 | Phase 1 |
| Memory | 고객 맥락/대화 이력 저장 & 조회 | Phase 2 / Phase 3 |
| Policy | 가드레일 + 에스컬레이션 규칙 | Phase 2 |
| Browser | Mock 사이트에서 실시간 정보 수집 | Phase 2 |
워크샵 구조
Phase별 학습 목표
| Phase | 만드는 것 | AgentCore 서비스 |
|---|---|---|
| Phase 1 | 상품 추천 Agent | Gateway + Runtime + Observability |
| Phase 2 | CS 자동화 Agent + 경쟁사 가격 비교 | + Memory + Policy + Browser |
| Phase 3 | 나만의 Agent (바이브코딩) | Gateway 확장 + Runtime + Memory 조합 |
나의 진행 상태
체크하며 따라가세요:
- [ ] 환경 세팅 — Event Outputs 확인 → Code Server 접속 → 환경 확인 (사전 구성된 EC2, 모두 배포 완료)
- [ ] Phase 1 — Gateway 생성, Agent 작성, Runtime 배포, Trace 확인
- [ ] Phase 2 — Memory + Policy + Browser
- [ ] Phase 3 — Tool 등록(Gateway 확장), 설계서 작성, 바이브코딩, 배포, Memory 연동
시작하기
환경 세팅으로 이동하세요.