이틀간 18개 트랙·100여 개 용어가 한 자리에 모였습니다.
이게 왜 한 행사인지, 그 큰 그림부터 그립니다.
트랙 이름은 9개씩 둘이지만, 본질은 하나로 수렴합니다. Agentic AI(에이전틱 AI) 시대를 가정하고, 기존 클라우드 부품(모델·데이터·인프라·보안)이 모두 "에이전트 친화적"으로 재포장됐습니다. David의 SmartThings Scenario Agent도 정확히 이 흐름 위에 있습니다.
비유 한 줄 + 영역 역할 + 대표 용어 5~7개. 다음 단계부터 영역 하나씩 깊게 팝니다.
생각하고 판단하는 부분. LLM 본체(파운데이션 모델)와, 그 모델을 도구로 부려서 일을 시키는 에이전트 프레임워크.
코드·인프라·모델을 자동으로 찍어내는 생산라인. AI가 코딩까지 같이 하는 새 개발 사이클.
에이전트가 먹고 일하는 연료. 회사 데이터를 모델이 곧바로 쓸 수 있게 가공·검색·연결.
실제로 모델을 돌리는 실리콘. GPU·전용 칩·클러스터. "초당 토큰" 비용이 여기서 결정됨.
에이전트가 회사 데이터를 만지기 시작하니, 보안이 "AI 워크로드 전용"으로 다시 짜여야 함.
모니터 밖으로 나간 AI. 로봇·공장·자동차·헬스케어. 시뮬레이션으로 학습시켜 현실에 투입.
고객접점·내부생산성에 바로 꽂히는 완성형 에이전트. 마케팅 PM이 가장 자주 부딪힐 층.
AWS 혼자가 아니라 Anthropic·Cloudflare·Datadog·Snowflake 등이 같이 만드는 스택.
아래 흐름이 결국 "에이전트 한 번 호출"의 뒷면입니다. 한 줄로 외워두면 다음 단계가 쉬워집니다.
v2 아키텍처(5-Agent 파이프라인 + BYOK + prompt.txt SSOT)는 정확히
①비즈니스 앱(SmartThings) ←→ ②두뇌(Bedrock/Anthropic/Gemini + Multi-Agent) ←→ ③연료(27-시나리오 JSON DB = mini-RAG)
층에 걸쳐 있습니다.
이번 학습이 끝나면 같은 그림 위에서
"내가 어디를 더 강화해야 v3가 되는지"
가 보이게 될 것입니다. (예: ⑤요새 = 사내 KMS 연동, ⑥공장 = AI-DLC 도입 등)
3문제. 헷갈리면 다음 단계 가기 전에 다시 위로 올려서 확인해주세요.
Bedrock vs SageMaker vs Anthropic의 차이부터, AgentCore · Strands SDK · MCP · A2A · Multi-Agent의 관계도까지. David의 5-Agent 파이프라인이 이 그림 위에서 어떻게 보이는지도 같이 그립니다.