AWS, 세이지메이커 추론 최적화 스킬 공개

ai.euno.news 자동 뉴스 요약

AWS가 코딩 에이전트에 아마존 세이지메이커 AI(Amazon SageMaker AI)의 생성형 AI 추론 최적화 지식을 더하는 aws-ai-ml 스킬을 5일 공개했다. Kiro, Claude Code, Codex처럼 모델 콘텍스트 프로토콜(Model Context Protocol·MCP)을 지원하는 에이전트에 연결하면 엔드포인트 벤치마크, 배포 구성 추천, 성능 측정 결과 비교, 실행 가능한 SageMaker Python SDK v3 코드 생성을 맡길 수 있다.¹

AWS가 겨냥한 문제는 사용자의 요구와 실제 인프라 구성 사이의 간극이다. SageMaker AI는 실시간·배치·비동기 호스팅, 온디맨드·예약 용량, 여러 인스턴스 유형, 가상 사설 클라우드(VPC) 격리, 자동 확장 등을 지원한다. 선택지는 많지만 엔지니어가 목표 성능과 비용 한도에 맞는 인스턴스 계열이나 서빙 컨테이너를 처음부터 고르기는 어렵다.

aws-ai-ml은 사용자가 자연어로 성능 목표, 예산, 평가할 모델을 설명하면 필요한 사항을 추가로 묻고, 실제 벤치마크와 측정된 성능 데이터를 바탕으로 코드를 작성하는 방식으로 이 문제를 다룬다. AWS는 이를 솔루션 아키텍트가 제약 조건에 맞춰 구성을 제안하는 과정에 빗댔다. 결과는 불투명한 화면 뒤에서 실행되는 작업이 아니라 사용자가 읽고 수정한 뒤 자신의 환경에서 실행할 수 있는 코드로 제시된다.

로컬 환경에서는 ‘에이전트 툴킷 포 AWS(Agent Toolkit for AWS)’를 먼저 설치해야 한다. AWS 명령줄 인터페이스(AWS CLI) 2.35 이상과 uv가 필요하며, 툴킷이 에이전트를 감지해 스킬과 AWS MCP 서버를 설정한다. SageMaker Studio의 JupyterLab 공간에서도 사용할 수 있다. AWS는 두 방식 모두 약 10분 안에 대화를 시작할 수 있다고 설명했다.

다만 스킬 자체에 별도 AWS 아이덴티티 및 액세스 관리(IAM) 설정이 필요 없다는 말이 곧 권한이 불필요하다는 뜻은 아니다. 생성된 코드는 사용자의 AWS 자격 증명으로 실행되므로 엔드포인트 생성과 벤치마크·추천 작업에 필요한 SageMaker AI API 권한을 미리 갖춰야 한다. Kiro와 Claude Code는 로컬 설치 없이 AWS MCP 서버에서 스킬을 검색해 실행 중 불러오는 방식도 지원한다.

읽기 목록은 이 브라우저에 저장됩니다.