View a markdown version of this page

이벤트 기반 시스템에서 인지 증강 시스템으로 - AWS 권장 가이드
이벤트 중심 아키텍처Cognition 증강 워크플로핵심 인사이트

기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.

이벤트 기반 시스템에서 인지 증강 시스템으로

최신 클라우드 아키텍처, 특히 서버리스 및 이벤트 기반 원칙을 기반으로 구축된 아키텍처는 전통적으로 라우팅, 팬아웃 및 보강과 같은 패턴에 의존하여 응답성이 뛰어나고 확장 가능한 시스템을 만들었습니다. 에이전트 AI 시스템은 LLM 증강 추론 및 인지 유연성을 중심으로 리프레이밍하면서 이러한 기반을 기반으로 구축됩니다. 이 접근 방식을 사용하면 보다 정교한 문제 해결 및 자동화 기능을 사용할 수 있으므로 클라우드 환경에서 복잡한 작업을 처리하는 방식이 혁신될 가능성이 있습니다.

이벤트 중심 아키텍처

다음 다이어그램은 일반적인 분산 시스템을 보여줍니다.

데이터 보강이 포함된 이벤트 기반 아키텍처입니다.

  1. 사용자가 Amazon API Gateway에 요청을 제출합니다.

  2. Amazon API Gateway는 요청을 AWS Lambda 함수로 라우팅합니다.

  3. AWS Lambda 는 Amazon Aurora 데이터베이스를 쿼리하여 데이터 보강을 수행합니다.

  4. Amazon API Gateway는 강화된 페이로드를 호출자에게 반환합니다.

이 구조는 안정적이고 확장 가능하지만 기본적으로 정적입니다. 비즈니스 규칙 및 로직 경로는 명시적으로 코딩되어야 하며 변화하는 컨텍스트 또는 불완전한 정보에 적응하는 것은 제한됩니다.

Cognition 증강 워크플로

에이전트 아키텍처는 이벤트 기반 시스템에 인지 증강을 추가합니다. 다음 다이어그램은 에이전트와 동등한 것을 보여줍니다.

Cognition 증강 워크플로.

  1. 사용자가 SDK 또는 API 직접 호출을 통해 쿼리를 제출합니다.

  2. Amazon Bedrock 에이전트가 쿼리를 수신합니다.

  3. 에이전트는 LLM을 호출하여 쿼리를 해석합니다.

  4. 에이전트는 Amazon Bedrock 지식 기반 또는 기타 외부 데이터 소스를 검색하여 의미 체계 보강을 수행합니다.

  5. LLM은 컨텍스트가 풍부한 목표 정렬 응답을 합성합니다.

  6. 시스템은 합성된 응답을 사용자에게 반환합니다.

이 흐름에서 LLM은 로직을 사용하고, 의도를 이해하고, 관련 컨텍스트를 검색 및 결합한 다음, 최선의 대응 방법을 결정합니다. 이 패턴은 메시지가 더 라우팅되기 전에 외부 데이터로 보강되는 기존 보강 패턴을 미러링합니다. 그러나 에이전트 시스템에서이 보강은 정적 조회가 아닙니다. 대신 보강은 동적이고 의미론적으로 안내되며 목적에 따라 구동됩니다.

핵심 인사이트

각 LLM 워크플로는 기존의 이벤트 기반 아키텍처 스타일을 미러링하고 발전시키는 에이전트 워크플로 패턴에 매핑할 수 있습니다. 에이전트 워크플로의 기본 구성 요소는 데이터, 도구 및 메모리로 LLM의 컨텍스트를 보강하는 기능입니다. 이렇게 하면 정보에 입각하고 적응력이 뛰어나며 사용자 의도에 맞는 추론 루프가 생성됩니다. 기존 시스템이 조회 데이터로 메시지를 보강하는 경우 에이전트 시스템을 사용하면 소프트웨어가 스크립트처럼 작동하지 않고 지능형 공동 작업자처럼 작동할 수 있습니다.