아마존 웹서비스(AWS)가 자사 머신러닝 공식 블로그를 통해 LangChain 딥에이전트(Deep Agents)와 아마존 베드록 에이전트코어(Amazon Bedrock AgentCore)를 결합해 리서치 에이전트를 구축하는 방법을 공개했다. AI 기반 리서치 워크플로에서 가장 흔한 문제는 깊이와 컨텍스트의 충돌이다. 에이전트가 여러 웹 페이지를 읽거나 데이터 분석 코드를 동시에 실행하면 LLM(대규모 언어 모델)의 컨텍스트 윈도우가 원시 내용으로 채워져 고차원 추론 공간이 줄어든다. LangChain 딥에이전트는 깊이 있는 작업을 격리된 서브에이전트에 위임해 간결한 결과만 조율 에이전트로 반환하는 방식으로 이 문제를 해결한다.
AWS가 제시한 구성은 경쟁사 조사 에이전트를 예시로 삼는다. 조율 에이전트가 요청을 받으면 AgentCore 메모리에서 과거 조사 결과를 먼저 확인하고, 이후 세 브라우저 서브에이전트를 병렬로 생성해 각각 별도의 AgentCore 브라우저 마이크로VM(MicroVM)에서 경쟁사 웹사이트를 탐색하게 한다. 세 서브에이전트가 구조화된 조사 결과를 반환하면 분석 서브에이전트가 AgentCore 코드 인터프리터를 활용해 비교 차트와 마크다운 보고서를 만들고, 핵심 인사이트는 이후 세션을 위해 AgentCore 메모리에 저장한다. 각 서브에이전트 유형은 자신에게 할당된 도구에만 접근하는 구조라 의도치 않은 도구 오용을 막을 수 있다. 예상 실행 시간은 클로드 소넷(Claude Sonnet)으로 4~6분이며, 순차 처리보다 최대 3배 빠르다고 AWS는 밝혔다.
베드록 에이전트코어는 브라우저, 코드 인터프리터, 메모리 세 가지 핵심 도구를 제공하며, 이들은 특정 모델이나 프레임워크에 종속되지 않는다. 브라우저 세션은 1시간, 코드 인터프리터 세션은 15분 뒤 자동 만료된다. AgentCore CLI를 활용하면 같은 에이전트를 세션 격리·안정적 엔드포인트를 갖춘 관리형 서비스인 AgentCore 런타임에 배포할 수도 있다. 관찰성(Observability)은 아마존 클라우드워치(CloudWatch)의 OpenTelemetry 형식 추적으로 지원하며, LangSmith 연동도 선택적으로 사용할 수 있다.
이번 공개는 클라우드 AI 플랫폼 경쟁이 모델 제공에서 에이전트 운영 인프라 전체로 확장되는 흐름을 반영한다. 병렬 데이터 수집, 전문 처리, 합성이라는 이번 패턴은 경쟁사 조사 외에도 실사 문서 분석, 콘텐츠 제작, 데이터 파이프라인 오케스트레이션 등 다양한 워크플로에 적용 가능하다고 AWS는 덧붙였다.
