> For the complete documentation index, see [llms.txt](https://atomoh.gitbook.io/aiops/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://atomoh.gitbook.io/aiops/readme.md).

# 워크샵 소개

> **Amazon Bedrock AgentCore를 활용한 지능형 클라우드 운영 자동화 워크샵**

***

## 모든 것을 바꾼 "새벽 3시 호출 알림"

새벽 3시, 긴급 알림이 울립니다. 미션 크리티컬한 애플리케이션이 성능 저하를 겪고 있거나, 리포팅 서버가 데이터베이스 연결을 잃었습니다. 운영팀은 근본 원인을 파악하기 위해 메트릭, 로그, 트레이스 등 여러 데이터 소스를 분석하고 있습니다.

이 워크샵은 **Amazon Bedrock AgentCore**를 활용하여 이러한 운영 문제를 **자동으로 진단하고 해결하는 AI 에이전트**를 구축하는 방법을 학습합니다.

## 4가지 핵심 역량

| 역량                            | 설명                    | 모듈         |
| ----------------------------- | --------------------- | ---------- |
| **Runtime + Identity**        | 관리형 실행 환경 + 안전한 접근 제어 | 모듈 1       |
| **CloudWatch Investigations** | AI가 근본 원인을 찾는다        | 모듈 2       |
| **Memory**                    | 에이전트가 기억하고 학습한다       | 모듈 3 \[선택] |
| **A2A**                       | 에이전트가 협업한다            | 모듈 4 \[선택] |

## 학습 여정

```mermaid
graph LR
    M1["<b>Module 1</b><br/>Runtime<br/><i>단일 에이전트<br/>배포 & 실행</i><br/>~30분"] --> M2["<b>Module 2</b><br/>Investigations<br/><i>AI 근본원인<br/>분석</i><br/>~20분"]
    M2 --> M3["<b>Module 3 [선택]</b><br/>Memory<br/><i>개인화된<br/>에이전트</i><br/>~20분"]
    M3 --> M4["<b>Module 4 [선택]</b><br/>A2A<br/><i>멀티 에이전트<br/>협업</i><br/>~30분"]

    style M1 fill:#232F3E,stroke:#FF9900,color:#fff
    style M2 fill:#232F3E,stroke:#FF9900,color:#fff
    style M3 fill:#232F3E,stroke:#FF9900,color:#fff
    style M4 fill:#232F3E,stroke:#FF9900,color:#fff
```

## 비즈니스 임팩트

| Before (수동)           | After (AI 에이전트)      |
| --------------------- | -------------------- |
| 새벽 3시 알림 → 엔지니어 수동 대응 | 에이전트가 1차 진단 & 자동 수정  |
| 매번 처음부터 문제 파악         | Memory로 이전 컨텍스트 활용   |
| 한 사람이 모든 영역 담당        | A2A로 전문 에이전트 분업      |
| MTTR: 시간 단위           | MTTR: 분 단위 (80%+ 단축) |

## 달성할 내용

이 워크샵을 마치면 다음을 수행할 수 있습니다:

* Amazon Cognito 인증 및 Gateway 통합이 포함된 안전한 AgentCore Runtime 환경 구현
* Amazon CloudWatch Investigations를 활용한 인시던트 해결 시간 단축
* 에이전트가 네트워킹 패턴을 학습하고 적응할 수 있는 고급 메모리 패턴 학습
* 전문 에이전트가 협업하는 멀티 에이전트 시스템 배포

## 사전 요구 사항

{% hint style="warning" %}
**VS Code 설치 필수**: 이 워크샵은 VS Code (Code Server)를 먼저 설치한 후 진행합니다. 아래 YAML 파일을 참고하여 환경을 구성해 주세요.

👉 [vscode-server.yaml 다운로드](http://workshop-asset.aws.atomai.click/vscode-server.yaml)
{% endhint %}

* AWS 서비스 기본 이해 (VPC, EC2, RDS, Lambda, CloudWatch, Bedrock)
* Python 프로그래밍 기초
* 네트워크 문제 해결 기본 개념

## 대상 청중

| 역할                                  | 관심 포인트               |
| ----------------------------------- | -------------------- |
| **클라우드 운영 엔지니어**                    | 자동화된 문제 해결, 알림 피로 감소 |
| **SRE (Site Reliability Engineer)** | MTTR 단축, 인시던트 대응 자동화 |
| **DevOps 엔지니어**                     | CI/CD 파이프라인에 AI 통합   |
| **플랫폼 엔지니어**                        | 셀프서비스 인프라 운영 도구 구축   |
| **솔루션 아키텍트**                        | AI 에이전트 아키텍처 설계 패턴   |