이 글은 아마존 베드락 AgentCore 게이트웨이를 활용해 AI 에이전트의 내부 도구 접근을 통제하는 4단계 성숙도 모델(연결·통제·카탈로그·강화)을 제시한다. 다수 기업이 각 AI 어시스턴트마다 자격증명이 담긴 mcp.json을 개별 관리하면서 자격증명 확산, 정책 드리프트, 감사 공백, 비용 불투명성, 섀도 IT 같은 구조적 문제를 겪는다는 점에서 출발한다. 1단계 '연결'은 Cognito 기반 인증으로 단일 진입점을 마련하고, 2단계 '통제'는 Cedar 정책과 가드레일로 사용자별 권한과 PII 마스킹을 적용하며, 3단계 '카탈로그'는 셀프서비스 도구 등록과 온프레미스·멀티클라우드 연동을, 4단계 '강화'는 프라이빗 접속과 장애 복구 체계를 구축한다. 금융서비스 기업 사례에서는 6개월에 걸쳐 4단계를 모두 거쳐 1000명 규모까지 확장했고, 감사기관이 어떤 애널리스트가 어떤 정책 하에 어떤 포지션을 조회했는지 추적할 수 있게 됐다.

• •게이트웨이 없이 mcp.json을 개별 관리하면 자격증명 확산·정책 드리프트·감사 공백 등 5가지 구조적 위험 발생
• •4단계 성숙도 모델(연결→통제→카탈로그→강화)로 필요에 따라 단계적으로 통제 수준 확장
• •2단계에서 Cedar RBAC/ABAC와 베드락 가드레일로 PII 마스킹 및 사용자별 권한 적용
• •금융서비스 사례에서 6개월 만에 1000명 규모로 확장, MiFID II 감사 요건까지 충족