0단 자동
AI가 규칙대로 쓰고 그대로 게시했습니다. 사람이 따로 보지 않았습니다.
- 규칙 판
- 규칙 판 도입 이전 기사입니다.
- 남기는 것
- 규칙 판 · 모델 · 시각
- 판 기록
- 아직 없습니다.
How Bayer Crop Science built an agentic decision engine on Amazon Bedrock AgentCore with AWS Unified Operations (원문, 새 창)
한국어 요약
Claude · 2026-10-25바이엘 크롭사이언스가 Amazon Bedrock AgentCore 기반으로 여러 ML 워크플로를 자연어로 설명해주는 멀티 에이전트 시스템 '에이전틱 디시전 엔진(ADE)'을 구축했다. 슈퍼바이저 에이전트가 질문을 분류해 22개의 전문 에이전트(트러블슈팅, 시각화, 도메인 전문가 등)로 라우팅하며, 출시 첫 단계에서 사용자 질문의 약 80%를 엔지니어 개입 없이 해결했다. LangGraph 체크포인트를 DynamoDB에 저장해 상태를 외부화하고, AgentCore Gateway로 500개 이상의 API를 MCP 도구로 노출시켜 API당 통합 부담을 99% 이상 줄였다. AWS Unified Operations와 협업해 모델 선택, 신원·권한 경계, 비용 귀속, 관측성 등 production 준비 과정을 거쳤으며, 프롬프트 캐싱으로 입력 토큰 비용을 20~30% 절감했다.
- 슈퍼바이저 에이전트가 질문을 분류해 22개 전문 에이전트로 라우팅, 질문의 약 80%를 엔지니어 없이 해결
- LangGraph 체크포인트를 DynamoDB에 저장해 런타임 재시작·스케일아웃에도 워크플로 상태 복원 가능
- AgentCore Gateway로 500개 이상 API를 MCP 도구로 노출, API당 통합 부담 99% 이상 절감
- 트러블슈팅 에이전트 도입 후 워크플로 실패 진단 시간이 1시간 이상에서 10분 이내로 단축
- 안정적 프롬프트 프리픽스 캐싱으로 입력 토큰 비용 20~30% 절감, Bedrock 애플리케이션 추론 프로파일로 비용 귀속
AI 인사이트
- Bayer Crop Science가 Bedrock AgentCore 기반 멀티에이전트 자연어 인터페이스 'ADE' 구축
- 슈퍼바이저 에이전트가 질문을 22개 전문 에이전트로 라우팅, 1차 단계서 질문의 약 80% 해결
- AgentCore Gateway로 500개 이상 모델 API를 MCP 도구로 노출, API당 통합 부담 99%↓ 절감
- 프롬프트 접두어 캐싱으로 입력 토큰 비용 20~30% 절감, 장애 진단시간 1시간→10분 미만으로 단축
왜 중요한가
멀티에이전트 시스템을 상용 환경에 안정적으로 운영하기 위한 상태관리·아이덴티티 분리·도구 범위 제한·비용 귀속 설계 원칙을 실제 엔터프라이즈 사례로 제시해, AgentCore로 에이전트를 만드는 기업들에 실전 참고가 된다.
본문 미리보기
Bayer Crop Science built the Agentic Decision Engine (ADE), a multi-agent platform on Amazon Bedrock AgentCore that lets breeders, analysts, and researchers ask natural language questions about their analytics platform. This post covers the ADE architecture, five design decisions, and how the team prepared it for production with AWS Unified Operations.
전체 내용이 궁금하다면?
AWS ML Blog에서 원문을 직접 읽어보세요
- #멀티에이전트
- #Bedrock AgentCore
- #농업 AI
- #에이전트 아키텍처
이 글이 만들어진 과정
- 10:45AI 초안