아마존웹서비스(AWS)가 사용자가 사진을 올리고 자연어로 편집 내용을 말하면 몇 초 만에 결과를 돌려주는 서버리스 이미지 편집 AI 에이전트의 구축 방법을 자사 머신러닝 블로그에서 공개했다. 이용자가 “자동차 색을 파란색으로 바꿔줘” 같은 문장을 입력하면 에이전트가 이를 해석해 편집을 수행하는 구조로, 인증과 암호화 저장, 편집 도구, 프런트엔드를 아우르는 전체 스택을 단일 명령으로 배포할 수 있다는 점을 특징으로 내세웠다.
이 구조의 중심에는 베드록 에이전트코어 하니스(AgentCore harness)가 있다. 개발자가 조율 코드나 도구 호출 반복문, 스트리밍 처리를 직접 짜는 대신 API 파라미터로 에이전트 동작을 선언하면, 하니스가 메모리와 도구 라우팅, 관측성을 갖춘 격리된 마이크로VM에서 에이전트를 실행한다. 구성은 네 개 층으로 나뉜다. 프런트엔드는 AWS 앰플리파이에 올린 리액트 앱이 맡고, 브라우저 자격 증명과 하니스 API 사이에는 AWS 람다 함수가 보안 프록시로 놓인다. 에이전트 층에서는 에이전트코어 메모리로 대화를 유지하며, 도구 층의 세 개 람다 함수가 아마존 베드록을 거쳐 스태빌리티 AI 모델을 호출해 실제 이미지 생성을 처리한다.
편집 기능은 모델 컨텍스트 프로토콜(MCP) 도구로 노출되는 세 가지다. 사용자가 그린 마스크 영역만 바꾸는 인페인팅, 이미지 경계를 확장하는 아웃페인팅, 마스크 없이 설명만으로 객체를 찾아 교체하는 검색·치환이 그것이다. 추론과 도구 조율에는 클로드 소네트 4.6이, 지연을 낮춰야 하는 기본 대화에는 클로드 하이쿠 4.5가 쓰이며, 하니스는 요청마다 모델을 바꿔도 대화 맥락을 유지한다. 인증은 아마존 코그니토, 이미지 저장은 KMS로 암호화한 S3가 담당하고, 인프라는 클라우드포메이션과 CDK로 코드화된다.
AWS는 이 방식이 도구 호출 패턴이 단순한 에이전트에 적합하다고 설명하며, 개발자가 직접 작성한 코드는 80줄짜리 람다 프록시와 세 개의 도구 람다, 프로비저닝 스크립트뿐이라고 밝혔다. 상태 머신 같은 복잡한 맞춤형 조율이 필요한 경우에는 에이전트코어 런타임을 쓰라고 권했다. 이처럼 설정 중심으로 에이전트를 빠르게 만드는 흐름은 앞서 바즈가 에이전트코어로 코드 리뷰 정확도를 높인 사례에서도 확인된 바 있어, AWS가 에이전트 개발 진입 장벽을 계속 낮추고 있음을 보여준다.
