AWS, AI 에이전트용 지식 그래프 서비스 ‘AWS 컨텍스트’ 공개

AI 에이전트가 막히는 지점은 ‘모델’보다 ‘맥락’임

• AWS가 새 서비스 ‘AWS 컨텍스트’를 공개함. 핵심은 기업 데이터 사이의 관계를 자동으로 매핑해서 AI 에이전트가 쓸 수 있는 지식 그래프를 만드는 것임

  • 데이터 레이크, 데이터 웨어하우스, 레이크하우스, 데이터베이스, 데이터 스트림에 흩어진 정보를 연결함
  • 문서화되지 않은 조직 지식, 비즈니스 규칙, 데이터 관계까지 에이전트가 검색 가능한 형태로 정리하는 게 목표임

• AWS가 겨냥한 문제는 꽤 현실적임. 기업 AI 에이전트가 일을 못 하는 이유가 프롬프트 부족만은 아니라는 것

  • 에이전트가 어떤 테이블을 봐야 하는지, 어떤 컬럼이 실제 비즈니스 의미를 갖는지, 어떤 조인 경로가 맞는지 모르면 답이 틀어짐
  • 지금까지 이 관계를 한곳에 모으고 관리하는 방법이 애매했는데, AWS 컨텍스트는 그걸 제품으로 묶은 셈임

지식 그래프를 조직 단위 컨텍스트 계층으로 확장

• 기반 기술은 아마존 퀵의 지식 그래프임

  • 아마존 퀵은 매일 수십만 명이 쓰고, 그 지식 그래프는 하루 수백만 건의 요청을 처리한다고 함
  • AWS 컨텍스트는 이 기술을 개인 단위에서 조직 단위로 확장해, 여러 에이전트와 애플리케이션이 공유하는 컨텍스트 계층으로 만든 것임

• 데이터 담당자는 자동 추론 결과를 그대로 방치하지 않고 검토·보강할 수 있음

  • 콘솔에서 추론된 관계를 확인한 뒤 운영 환경에 반영할 수 있음
  • 비즈니스 정의, 사용 규칙, 도메인 지식 같은 사람만 아는 맥락도 그래프에 추가할 수 있음

• 기존 AWS 데이터 서비스와도 붙음

  • AWS 글루 데이터 카탈로그, 아마존 세이지메이커 유니파이드 스튜디오, AWS 레이크 포메이션이 지식 그래프와 통합됨
  • 기존 아마존 퀵 사용자는 AWS 컨텍스트를 바로 활용할 수 있다고 함

쓸수록 조인 경로와 데이터 소스를 학습함

• 흥미로운 건 AWS 컨텍스트가 에이전트 사용 패턴에서 학습한다는 점임

  • 어떤 데이터 소스가 정확한 결과를 내는지
  • 어떤 조인 경로가 자주 쓰이는지
  • 어떤 큐레이션 규칙이 적용되는지 계속 축적함

• 이 학습 결과는 조직 전체에 공유됨

  • 한 에이전트가 찾아낸 데이터 관계를 다른 에이전트가 다시 삽질하지 않고 활용할 수 있음
  • 에이전트가 많아질수록 컨텍스트 품질이 올라가는 구조를 노린 듯함

sequenceDiagram
    participant 에이전트
    participant AWS컨텍스트
    participant 지식그래프
    participant 데이터카탈로그
    participant 권한시스템
    에이전트->>AWS컨텍스트: 업무 질문과 필요한 데이터 맥락 요청
    AWS컨텍스트->>권한시스템: IAM·레이크 포메이션 권한 확인
    AWS컨텍스트->>지식그래프: 관련 데이터 관계와 조인 경로 조회
    지식그래프->>데이터카탈로그: 테이블·컬럼·비즈니스 정의 확인
    데이터카탈로그-->>지식그래프: 메타데이터 반환
    지식그래프-->>AWS컨텍스트: 허용된 컨텍스트 반환
    AWS컨텍스트-->>에이전트: 신뢰 가능한 데이터 맥락 제공

개방형 설계와 거버넌스도 같이 밀고 있음

• AWS 컨텍스트는 정형·비정형 데이터의 핵심 메타데이터를 아마존 S3 테이블의 아파치 아이스버그 형식으로 게시함

  • 아마존 아테나, 레드시프트, 아파치 스파크 같은 아이스버그 호환 엔진에서 조회 가능함
  • 다른 시스템으로 컨텍스트를 이식할 수도 있음

• 외부 시스템과 에이전트 런타임도 염두에 둔 설계임

  • AWS 외부 카탈로그의 컨텍스트도 같은 지식 그래프에 통합할 수 있음
  • 아마존 베드록 에이전트코어, 아마존 EKS, MCP 호환 환경 어디서든 활용 가능하다고 밝힘

• 보안은 신원 기반으로 처리됨

  • 모든 질의에 요청자의 AWS IAM과 AWS 레이크 포메이션 권한이 그대로 적용됨
  • 에이전트는 자기 신원에 허용된 데이터와 관계만 접근할 수 있음
  • 모든 상호작용이 감사 가능해서 누가 어떤 권한으로 어떤 데이터에 접근했는지 추적할 수 있음

같이 나온 부가 기능도 꽤 실무적임

• AWS 글루 데이터 카탈로그에는 ‘비즈니스 컨텍스트 및 시맨틱 검색’ 프리뷰가 추가됨

  • 테이블, 뷰, 컬럼에 비즈니스 설명과 용어집, 메타데이터를 붙여 의미 기반 검색을 가능하게 함
  • 데이터 카탈로그를 그냥 목록이 아니라 에이전트가 이해할 수 있는 맥락 저장소로 바꾸려는 방향임

• ‘스킬 에셋’ 프리뷰도 공개됨

  • AI 스킬, 가이드 문서, 팀 런북을 데이터 자산에 연결할 수 있음
  • 에이전트가 매번 프롬프트로 업무 지식을 주입받지 않아도 필요한 컨텍스트를 점진적으로 받을 수 있게 하는 기능임

• 아마존 S3 애노테이션은 정식 출시됨

  • S3 객체에 비즈니스 컨텍스트를 직접 붙일 수 있음
  • 객체당 최대 1GB 컨텍스트를 담을 수 있고 수정도 가능함
  • 객체를 복사·복제하면 애노테이션도 따라가고, 객체가 삭제되면 같이 제거됨
  • 별도 메타데이터 데이터베이스를 만들지 않아도 된다는 점이 꽤 실용적임

기술 맥락

• AWS가 고른 해법은 기업 데이터 위에 지식 그래프 기반 컨텍스트 계층을 얹는 방식이에요. 에이전트가 데이터 원천을 직접 뒤지는 게 아니라, 먼저 데이터 간 관계와 비즈니스 규칙을 확인하게 만들려는 거예요.

• 왜 지식 그래프냐면, 기업 데이터는 단순히 테이블 이름만 알아서는 못 써요. 고객, 주문, 권한, 조직, 제품 같은 개념이 여러 시스템에 흩어져 있고, 어느 컬럼을 어떻게 이어야 맞는지가 진짜 업무 지식이거든요.

• 아파치 아이스버그 형식으로 메타데이터를 게시하는 것도 중요한 선택이에요. AWS 안에서만 잠그는 구조가 아니라 아테나, 레드시프트, 스파크 같은 기존 분석 엔진에서도 컨텍스트를 읽게 하려는 의도예요.

• MCP 호환 환경을 언급한 건 에이전트 실행 위치가 하나로 고정되지 않는다는 걸 인정한 신호예요. 베드록 에이전트코어에서 돌든, EKS에서 돌든, 외부 MCP 환경에서 돌든 같은 컨텍스트를 쓰게 만드는 게 목표에 가까워요.

• IAM과 레이크 포메이션 권한을 그대로 적용하는 이유는 AI 에이전트가 데이터 접근 주체가 되기 때문이에요. 사람 대신 질의하는 에이전트가 권한을 우회하면 사고가 커지니, 기존 보안 모델 안에 에이전트를 넣는 게 현실적인 선택이에요.