Articleaws.amazon.com·2026년 11월 19일·0

Amazon Bedrock AgentCore harness adds Strands harness defaults, built-in tools, and lifecycle hooks

Quick Summary

Amazon은 Amazon Bedrock AgentCore harness에 Strands harness 기반 관리형 기본값과 내장 도구, 수명주기 훅을 도입해 장기 작업 수행과 결정론적 정책 통제를 강화한다고 발표했다.

Amazon Bedrock AgentCore harness adds Strands harness defaults, built-in tools, and lifecycle hooks 관련 대표 이미지

🖼️ 인포그래픽

Amazon Bedrock AgentCore harness adds Strands harness defaults, built-in tools, and lifecycle hooks 내용을 설명하는 본문 이미지

🖼️ 4컷 인포그래픽

Amazon Bedrock AgentCore harness adds Strands harness defaults, built-in tools, and lifecycle hooks의 핵심 내용을 4단계로 요약한 인포그래픽
Amazon Bedrock AgentCore harness adds Strands harness defaults, built-in tools, and lifecycle hooks 핵심 내용을 4단계로 압축한 4컷 인포그래픽

💡 한 줄 요약

Amazon은 Amazon Bedrock AgentCore harness에 Strands harness 기반 관리형 기본값과 내장 도구, 수명주기 훅을 도입해 장기 작업 수행과 결정론적 정책 통제를 강화한다고 발표했다.

📌 핵심 요약

  • AgentCore harness는 Apache 2.0 라이선스의 오픈소스 Strands harness를 기반으로 업그레이드되며, 기존 사용자는 새로운 리소스 유형이나 통합 없이 업데이트를 받는다. AWS는 실행 인프라를 관리하고 사용자는 모델·지침·도구·권한·수명주기 정책을 제어한다.
  • 관리형 기본값에는 최신 권장 모델, 작업 지향 시스템 프롬프트, 자동 프롬프트 캐싱, 선제적 컨텍스트 관리가 포함된다. 캐싱은 처음에는 Amazon Bedrock의 Anthropic 모델을 대상으로 제공되며, Amazon은 컨텍스트 관리 등을 통해 다른 주요 하네스보다 토큰 비용이 약 34% 낮다고 주장한다.
  • 내장 도구는 계획 유지, 웹 검색·조회, 세분화된 파일 접근, 컨텍스트 외부 보관, 하위 에이전트 위임을 지원한다. 명시적 설정이 관리형 기본값보다 우선하며, allowedTools를 생략하거나 ["*"]로 설정하면 시간이 지나며 확장될 수 있는 권장 내장 도구 집합이 적용된다.
  • 수명주기 훅은 요청 전후와 도구 호출 전후의 네 지점에서 실행된다. Lambda 훅만 동기적 허용·거부로 에이전트 흐름을 바꿀 수 있고, Amazon SNS와 Amazon EventBridge는 흐름을 차단하지 않는 알림을 제공한다. after_invocation 시점에는 이미 스트리밍된 출력을 회수할 수 없다.
  • 환불 예시는 500달러 초과 자동 승인을 도구 실행 전에 차단하며, 같은 도구 호출 훅이 하위 에이전트에도 적용된다. Lambda 오류·시간 초과 시 failureMode의 기본값은 deny다. AgentCore CLI 예시는 연구자·종합자·검토자 역할을 한 호출에서 조정하는 구성을 설명하지만, 제공된 원문은 첫 질문 명령 도중 끊겨 있다.

🧩 주요 포인트

  1. Strands harness와 AWS 관리형 실행 환경의 결합 → 에이전트 기반 구성과 인프라 운영 부담을 줄이면서 애플리케이션의 모델·권한·정책 선택권을 유지한다.
  2. 지속적으로 개선되는 기본값과 확장 가능한 allowedTools → 최신 기능을 자동으로 받는 편의성과 고정된 보안·기능 경계를 유지하려는 요구 사이에 명시적 설정이 필요하다.
  3. Lambda 정책 검사와 하위 에이전트에 대한 동일 훅 적용 → 위임된 작업에도 실행 전 통제를 유지할 수 있지만, 검사 시점과 failureMode, 이미 스트리밍된 출력의 회수 불가 제약을 함께 고려해야 한다.

🧠 상세 정리

1. 모델 선택 이후의 과제와 Strands 도입

원문은 AI 에이전트를 만들 때 모델 선택만으로는 충분하지 않으며, 작업에 필요한 도구와 완료 지침, 긴 세션의 컨텍스트 관리, 환불처럼 결과에 영향을 주는 행동에 대한 통제가 필요하다는 문제에서 출발한다. Amazon은 이를 지원하기 위해 Amazon Bedrock AgentCore harness가 올해 초 공개한 오픈소스 Strands harness를 사용하도록 업그레이드한다고 설명한다. Strands harness는 Apache 2.0 라이선스로 제공되며, 권장 지침과 도구, 컨텍스트 관리를 조합한 에이전트 기반을 제공한다. 이번 변경에는 관리형 기본값의 기능 확대와 에이전트 루프의 정해진 지점에서 사용자 코드를 실행하는 수명주기 훅이 함께 포함된다. 기존 AgentCore harness 사용자는 새로운 리소스 유형이나 별도 통합을 도입할 필요 없이 두 업데이트를 자동으로 받는다는 것이 발표의 설명이다.

2. AWS가 운영하는 실행 기반과 사용자 제어

Strands harness가 에이전트의 기본 구성을 제공한다면, AgentCore harness는 그 구성을 AWS 관리형 서비스로 운영하는 역할을 맡는다. 각 세션은 AgentCore runtime의 커널 격리 마이크로VM에서 실행되며, 서비스가 컴퓨팅 자원과 확장, 고가용성을 관리한다고 원문은 설명한다. 따라서 사용자가 직접 컴퓨팅을 프로비저닝하거나 에이전트 루프를 패키징해 호스팅하고, 세션 확장과 도구 실행 인프라를 운영할 필요가 없다는 주장이다. 이 기반은 세션 지속성, 스트리밍 응답, 사용량 메타데이터, 관측 기능뿐 아니라 AgentCore memory, Identity, Gateway, Browser, Code Interpreter 및 고객 제공 컨테이너와 연결된다. 실행 환경을 AWS가 관리하더라도 모델과 지침, 도구, 권한, 수명주기 정책에 대한 제어는 사용자에게 남는다는 점을 강조한다.

3. 권장 모델·작업 지침·자동 캐싱

모델을 생략하면 AgentCore harness는 현재 권장하는 기본 모델을 사용하며, 이 기본값은 새 모델이 출시됨에 따라 바뀐다. 하네스 수준이나 개별 호출에서 모델을 명시하면 해당 설정이 우선하므로, 특정 모델을 계속 사용하려는 경우에는 이를 직접 지정할 수 있다. 관리형 시스템 프롬프트는 관련 맥락 수집, 적절한 도구 사용, 작업 해결까지의 지속, 실패나 거부에 대한 적응, 완료 보고 전 검증을 유도하며 하네스 동작 개선에 맞춰 갱신된다. 자동 프롬프트 캐싱은 처음에는 Amazon Bedrock의 Anthropic 모델을 대상으로 제공되고, 세부 설명에서는 Converse를 사용하는 지원 모델의 시스템 프롬프트와 도구 정의, 대화 이력을 캐시한다고 밝힌다. 같은 프롬프트와 도구 구성을 반복해서 사용하는 호출은 더 저렴한 캐시 읽기 토큰을 활용해 입력 처리 지연과 비용을 줄일 수 있다고 설명하지만, 그 효과를 모든 모델이나 요청에 동일하게 보장하지는 않는다.

4. 긴 작업을 위한 컨텍스트 관리와 내장 도구

기본 컨텍스트 관리는 설정 가능한 임계값에 도달하면 오래된 대화를 요약하고 최근 맥락을 유지하며, Amazon은 이러한 경량화를 통해 다른 주요 하네스보다 토큰 비용이 약 34% 낮다고 주장한다. 제공된 본문에는 이 수치의 비교 대상이나 측정 조건이 상세히 제시되어 있지 않아, 특정 작업에서 같은 절감률이 나온다고 단정할 근거는 부족하다. 큰 도구 결과는 즉시 사용하는 모델 컨텍스트 밖에 보관하고 미리보기만 전달한 뒤 필요할 때 전체 결과를 다시 가져올 수 있다. todo_write는 대화 요약 이후를 포함해 같은 세션의 후속 호출에서 복원할 수 있는 구조화된 작업 계획을 유지한다. subagent는 독립적인 과제를 새 작업자에게 맡겨 결과를 돌려받으며, 별도 관리 리소스가 아니라 현재 호출 내부에서 호출 제한과 도구 호출 훅을 공유한다. 이 밖에 web_fetch는 지정한 웹페이지를 조회하고, read·write·edit는 파일 접근 권한을 세분화하며, 기존 MCP 서버와 Gateway, Browser, Code Interpreter, 인라인 함수, skills, memory 및 고객 제공 컨테이너도 기존 인터페이스로 계속 사용할 수 있다.

5. 자동 개선과 명시적 구성의 경계

AgentCore harness의 관리형 기본값은 모델과 지침, 컨텍스트 관리, 내장 기능이 개선될 때 사용자가 현재 권장 경험을 받도록 설계되어 있다. 동시에 명시적 설정이 항상 우선하므로, 모델 ID를 지정하면 특정 모델을 유지하고 systemPrompt를 지정하면 관리형 시스템 프롬프트를 완전히 대체한다. truncation으로 특정 컨텍스트 관리 정책을 유지할 수 있으며, allowedTools에 개별 선택자를 나열하면 허용 도구 구성을 고정할 수 있다. 반대로 allowedTools를 생략하거나 ["*"]로 설정하면 현재 권장하는 내장 도구 집합이 적용되고, 이 집합은 시간이 지나면서 새로운 기능을 포함할 수 있다. 따라서 고정된 보안 또는 기능 경계가 필요한 애플리케이션에는 필요한 도구만 명시하라고 원문은 권고하며, 읽기 전용 파일 접근과 웹 조회만 허용하는 사례로 이 차이를 설명한다.

6. 네 수명주기 훅의 개입 시점과 한계

수명주기 훅은 before_invocation, before_tool_call, after_tool_call, after_invocation의 네 이벤트를 지원하며, 실행 시점에 따라 거부의 효과가 다르다. before_invocation에서 Lambda가 거부하면 요청 처리를 시작하기 전에 hook_stopped로 호출을 중단하고, before_tool_call에서 거부하면 제안된 도구 실행만 건너뛴 채 에이전트 루프는 계속된다. after_tool_call에서 거부하면 이미 만들어진 도구 결과는 보존하지만 추가 모델 추론에 들어가기 전에 멈춘다. after_invocation은 호출 완료 후 결정을 보고하는 단계이므로 이미 스트리밍된 출력을 되돌릴 수 없다. 에이전트 루프를 변경할 수 있는 것은 동기적으로 실행되어 허용 또는 거부와 선택적 사유를 반환하는 Lambda 훅뿐이다. Amazon SNS와 Amazon EventBridge는 활동 기록이나 비동기 워크플로 시작을 위한 알림 대상으로 사용할 수 있지만, 에이전트 흐름을 차단하는 정책 검사와는 역할이 구분된다.

7. 환불 통제, 위임 작업 적용과 실패 처리

고객 지원 사례에서는 에이전트가 주문을 조사하되, 환불 도구가 실행되기 전에 before_tool_call 훅이 승인 한도를 검사하도록 설명한다. 예시의 정책은 500달러를 초과하는 환불을 거부하며, 거부된 도구 호출은 실행하지 않고 에이전트는 계속 진행해 고객에게 요청이 상위 승인 절차로 넘어갔다고 알릴 수 있다. 각 결정은 InvokeHarness 응답 스트림의 hookEvent에도 나타나며, 하위 에이전트의 도구 호출에도 동일한 beforeToolCall과 afterToolCall 훅이 적용되므로 위임으로 환불 정책을 우회할 수 없다는 것이 원문의 설명이다. 호출 수준의 beforeInvocation과 afterInvocation 훅은 전체 호출에 대해 한 번씩 실행되고, 훅은 CreateHarness 또는 UpdateHarness로 구성한다. Lambda가 오류를 반환하거나 시간 초과되면 failureMode를 적용하며 기본값은 deny로, 실패 시 처리 방향도 정책의 일부가 된다. 원문은 네 이벤트와 세 대상 유형, 고객 제공 인라인 함수 결과 검증, deny와 allow의 차이를 보여주는 Refund Desk 샘플 및 개발자 가이드를 추가 참고 자료로 제시한다.

8. Research Coordinator 예시와 제공 자료의 범위

마지막 부분은 AgentCore CLI로 Research Coordinator를 구성해 연구자, 종합자, 검토자 역할의 하위 에이전트를 한 호출에서 실행하고 하나의 보고서로 합치는 예시를 소개한다. 이 예시는 인프라를 직접 준비하거나 위임 연결을 별도로 구현하지 않고 다중 에이전트 조정과 컨텍스트 관리를 사용할 수 있다는 설명을 뒷받침한다. 구성에는 요약 비율 0.3과 최근 메시지 30개 보존, 최대 반복 100회, 제한 시간 3,600초가 제시되며, 모델과 메모리, 실행 역할을 생략하면 권장 모델과 관리형 메모리를 사용하고 CLI가 IAM 실행 역할을 생성한다고 설명한다. CLI 명령은 하네스 API를 직접 호출해 별도 CLI 프로젝트나 배포 단계가 필요 없고, 기본 AWS 자격 증명을 사용하며 특정 프로필은 AWS_PROFILE로 지정하는 방식이다. 생성은 비동기적으로 진행되어 READY 상태 확인 후 호출하도록 안내하고, 간단한 첫 질문은 하위 에이전트 없이 조정자가 직접 답한다고 서술한다. 다만 제공된 source_body는 첫 질문 명령 중간에서 끊기므로 이후 질문 내용이나 실제 실행 결과, 최종 보고서의 품질까지 확인할 수는 없다.

🧾 핵심 주장 / 시사점

  • 관리형 기본값은 모델뿐 아니라 지침·도구·컨텍스트 정책까지 함께 갱신하므로, 자동 개선의 편익과 동작 변경 가능성을 하나의 구성 선택으로 이해할 필요가 있다.
  • 약 34%의 토큰 비용 절감은 Amazon이 제시한 비교 주장이다. 제공된 본문만으로는 비교 조건과 작업별 재현 가능성을 판단할 수 없다.
  • 수명주기 훅의 통제 범위는 개입 시점에 달려 있다. 실행 전 도구 호출 거부는 행동을 막을 수 있지만, 호출 완료 후 훅은 이미 스트리밍된 출력을 회수하지 못한다.

✅ 액션 아이템

  • AgentCore harness의 관리형 기본값과 명시적 모델·정책 설정을 비교해 자동 업데이트 적용 범위를 결정할 필요가 있다.
  • 고정된 보안·기능 경계가 필요한 경우 allowedTools에 필요한 도구만 명시하는 구성을 검토할 필요가 있다.
  • Lambda 훅의 검사 시점과 failureMode를 검토하고, 하위 에이전트 적용 및 after_invocation의 출력 회수 불가 제약을 통제 설계에 반영할 필요가 있다.

❓ 열린 질문

  • Amazon이 주장한 약 34%의 토큰 비용 절감은 어떤 비교 조건에서 나온 수치이며, 적용하려는 작업에서도 유사하게 나타나는가?
  • allowedTools가 생략되거나 ["*"]로 설정된 애플리케이션은 권장 도구 집합의 확장을 허용할 수 있는가?
  • 500달러 초과 환불 통제에서 Lambda 오류·시간 초과 시 기본 failureMode인 deny와 하위 에이전트에 대한 동일 훅 적용은 필요한 정책을 충족하는가?

관련 문서

공통 태그와 주제 흐름을 기준으로 같이 보면 좋은 문서를 이어서 제안합니다.