Agentic observability with Amazon OpenSearch Service MCP Apps

🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

Amazon OpenSearch Service MCP Apps는 에이전트의 조사 결과와 대화형 시각화를 같은 대화에 제공해 관측 데이터의 조사와 사람의 검증을 연결한다.

📌 핵심 요약

• 기존 관측 에이전트는 알림·로그·트레이스를 빠르게 조사하지만, 엔지니어는 별도 관측 UI에서 쿼리를 재실행하고 결과를 시각적으로 검증해야 한다.
• Amazon OpenSearch Service MCP Apps는 구조화된 텍스트 요약과 대화형 시각화를 하나의 응답으로 제공하며, 시각화는 실제 데이터에 대한 서버 측 코드 실행으로 생성된다.
• 로컬 MCP 서버는 AWS 자격 증명으로 인증해 OpenSearch UI 애플리케이션에 요청을 전달하며, 데이터는 사용자의 AWS 계정에 유지된다.
• 조사 도구는 알림 분류, 로그 패턴 분석, 트레이스 조사, PromQL과 RED 지표 분석, 서비스 토폴로지, 신호 간 상관관계 분석을 지원하며 AI·에이전트 추적과 계측 품질 점검도 포함한다.
• 설정에는 데이터 소스가 연결된 OpenSearch UI Observability 워크스페이스, 호환 클라이언트, Node.js 22 이상, es:ESHttpGet 및 es:ESHttpPost 권한이 필요하다. 제공된 본문은 서버 압축 파일 다운로드와 server/server.js 경로 확인을 설명한 뒤 IDE 등록 단계 도입부에서 끝난다.

🧩 주요 포인트

1. 외부 관측 UI에서 수행하던 검증을 같은 대화로 이동 → 엔지니어의 도구 전환과 조사 맥락 유지 부담을 줄이는 것이 핵심이다.
2. 텍스트 요약과 실제 쿼리 결과의 대화형 시각화를 함께 제공 → 에이전트는 후속 추론을 이어가고 사람은 근거 데이터를 직접 검토할 수 있다.
3. 로컬 MCP 서버와 OpenSearch UI를 연결하는 구성 → 사용자 계정과 권한에 따른 통제를 유지하면서 조사 기능을 이용하지만, 제공된 본문만으로는 IDE 등록과 연결 검증 절차 전체를 확인할 수 없다.

🧠 상세 정리

1. 빠른 조사 뒤에 남는 수동 검증

관측 에이전트는 알림을 조회하고 로그와 트레이스를 연관 지어 수분 안에 근본 원인 가설을 만들지만, 그 결과를 확인하는 일은 여전히 엔지니어에게 남는다. 엔지니어는 텍스트 요약을 읽은 뒤 브라우저에서 별도 관측 UI에 로그인하고, 트레이스 워터폴과 서비스 맵을 찾아 실제 데이터와 설명을 대조한다. 필요한 쿼리를 다른 도구에서 다시 실행하고 대시보드를 살펴본 다음 에이전트 대화로 돌아오는 과정에서는 조사 맥락도 끊긴다. 원문은 이러한 외부 검증 절차가 에이전트의 빠른 응답이 제공하는 이점을 약화하는 병목이라고 설명한다. 특히 통제권과 비용 효율 때문에 로컬 에이전트를 선택한 조직에서는 서비스와 AI가 긴밀하게 결합된 호스팅 솔루션보다 사용 편의성이 떨어질 수 있으며, 별도 도구에서 수행하는 검증이 주요 운영 부담으로 남는다.

2. 텍스트와 시각화를 결합하는 이중 응답

Amazon OpenSearch Service MCP Apps는 도구 호출 결과에 구조화된 텍스트 요약과 대화형 시각화를 함께 넣어 검증 과정의 단절을 줄인다. 사용자가 에이전트에 조사를 요청하면 관련 설명과 함께 트레이스 워터폴, 서비스 토폴로지 또는 로그 패턴 화면이 같은 대화 안에 표시된다. 시각화는 기존 대시보드에 데이터를 공급하는 동일한 데이터 소스를 대상으로 코드를 실행해 생성하므로, 원문은 그 결과가 결정적이라고 설명한다. 사람은 AI가 작성한 해석을 읽는 데 더해 실제 쿼리 결과를 차트나 서비스 맵으로 직접 살펴볼 수 있다. 따라서 조사 결과를 확인하기 위해 별도 브라우저 탭을 열거나 같은 쿼리를 다시 실행하는 대신, 질문했던 대화에서 근거를 검토하고 조사를 이어갈 수 있다.

3. 로컬 서버와 OpenSearch UI의 연결 구조

전체 구성은 사용자의 IDE 또는 AI 데스크톱 클라이언트, 로컬 MCP 서버, OpenSearch UI 애플리케이션으로 이루어진다. 사용자 컴퓨터에서 실행되는 MCP 서버는 에이전트가 호출할 관측 도구를 노출하고, 클라이언트와 OpenSearch UI 사이에서 인증된 요청을 중계한다. 도구 호출은 로컬 서버를 거쳐 OpenSearch UI 엔드포인트로 전달되며, 쿼리 실행 결과는 텍스트와 시각화가 결합된 응답으로 클라이언트에 돌아온다. 원문은 OpenSearch UI를 OpenSearch 도메인, 서버리스 컬렉션, CloudWatch, Amazon Managed Service for Prometheus와 함께 사용하는 통합 관측용 서버리스 인터페이스로 소개한다. MCP 서버는 로컬에서 실행되고 데이터는 사용자의 AWS 계정에 남으며, 접근에는 사용자의 자격 증명과 정책이 적용된다는 점이 통제 구조의 핵심이다.

4. MCP 확장과 시각화 전달 방식

원문은 표준 MCP 도구 호출을 에이전트가 도구 이름과 매개변수를 지정한 JSON-RPC 요청을 보내고 서버가 텍스트 결과를 반환하는 방식으로 설명한다. MCP Apps는 여기에 IDE가 대화형 위젯으로 표시할 시각화 페이로드를 추가해 텍스트와 시각화의 두 응답 경로를 구성한다. 로컬 MCP 서버는 설정된 AWS 자격 증명으로 인증한 뒤 OpenSearch UI 애플리케이션 엔드포인트에 HTTP API 요청을 전달한다. OpenSearch UI는 연결된 데이터 소스에 쿼리를 실행하고 구조화된 요약과 시각화 결과물을 반환하며, MCP 서버는 이를 하나의 MCP 응답으로 묶는다. IDE 호스트는 시각화 페이로드를 감지해 대화 안에 위젯을 표시하고, 에이전트는 텍스트 내용을 다음 추론에 사용한다. 시각화는 실제 데이터를 대상으로 서버 측에서 생성되므로 OpenSearch 대시보드에서 확인하는 결과와 일치한다고 원문은 설명한다.

5. 트레이스 조사 한 번의 처리 흐름

트레이스 조사 예시에서 에이전트는 트레이스 ID 또는 서비스 이름과 시간 범위 같은 필터를 매개변수로 전달한다. 로컬 MCP 서버는 요청을 받아 AWS 자격 증명으로 인증하고 OpenSearch UI에 전달하며, OpenSearch UI는 연결된 데이터 소스에서 해당 트레이스와 스팬을 조회한다. 반환되는 텍스트 요약에는 트레이스 ID, 전체 소요 시간, 스팬 수, 주요 실행 경로와 장애가 시작된 위치에 대한 분석이 포함된다. 함께 표시되는 대화형 트레이스 워터폴은 스팬 계층, 실행 시간과 오류 주석을 보여준다. 에이전트는 요약에서 얻은 정보를 이용해 실패한 스팬과 관련 로그를 연관 짓는 후속 조사를 진행할 수 있다. 엔지니어는 같은 대화에서 개별 스팬을 펼치고 속성을 확인하면서 원인 분석을 시각적으로 검증한다.

6. 조사 단계별 도구와 전문 기능

핵심 조사 도구는 활성 알림을 찾고 데이터 소스 간 관련 알림을 연관 지으며 심각도를 구분하는 초기 분류에서 시작한다. 영향을 받은 서비스가 드러나면 로그 도구가 오류 패턴과 유사 로그 묶음을 찾고, 트레이스 도구가 분산 호출의 스팬 계층과 지연 내역을 보여주며 장애 발생 지점을 좁힌다. 영향 분석에는 PromQL 쿼리와 임계값 분석, 서비스별 RED 지표인 요청률·오류·소요 시간, 호출량과 오류율이 표시된 서비스 의존성 그래프가 사용된다. 동적 시각화 도구는 지정한 쿼리로 선형·막대·영역·지표 차트를 만들고, 데이터셋 및 상관관계 도구는 서로 다른 신호의 결합과 데이터 요약을 지원한다. 전문 도구로는 LLM 호출과 에이전트 실행 맵 추적, 클러스터 상태와 샤드 할당 점검, 원격 측정 데이터의 품질 공백을 찾는 계측 평가가 소개된다.

7. 같은 대화에서 이어지는 온콜 대응

온콜 예시에서는 엔지니어가 결제 오류 급증의 원인을 질문하면 에이전트가 로그를 조회하고 트레이스를 연관 지으며 서비스 맵을 확인한다. 결과는 텍스트 요약과 알림 화면, 트레이스 워터폴, 서비스 맵이 결합된 형태로 같은 대화에 도착한다. 엔지니어는 대화 안의 시각화를 살펴보고 스팬 세부 정보를 선택하면서 원인과 영향 범위를 확인한다. 검증을 마친 뒤에는 에이전트에게 문제 요약을 작성하거나 복구 조치를 시작하도록 지시하는 흐름이 제시된다. 원문이 강조하는 변화는 조사, 검증, 해결 과정이 하나의 대화 안에서 이어져 엔지니어가 IDE를 떠나지 않아도 된다는 점이다. 이를 통해 더 빠른 해결과 간편한 에이전트 협업을 기대한다고 설명하지만, 제공된 본문에는 해결 시간 단축의 구체적인 측정 수치는 없다.

8. 설정 요건과 제공된 절차의 범위

시작하려면 최소 하나의 데이터 소스가 연결된 Observability 워크스페이스를 갖춘 OpenSearch UI 애플리케이션이 필요하다. 사전 요건에 명시된 데이터 소스는 Amazon OpenSearch Service 도메인, 서버리스 컬렉션 또는 Amazon Managed Service for Prometheus이며, 호환 클라이언트로 Claude Desktop, VS Code GitHub Copilot, Goose, ChatGPT, Cursor가 제시된다. 로컬에는 Node.js 22 이상이 설치되어 있어야 하고 AWS 자격 증명에는 es:ESHttpGet과 es:ESHttpPost 권한이 필요하다. 첫 번째 설정 단계는 OpenSearch 관측 MCP 서버 다운로드 페이지에서 압축 파일을 내려받아 해제하고, 추출된 디렉터리의 server/server.js 파일 전체 경로를 확인하는 것이다. 제공된 본문은 두 번째 단계인 IDE에 MCP 서버를 추가하는 설명의 도입부에서 끊기므로, 구체적인 등록 설정이나 연결 검증 방법은 확인할 수 없다.

🧾 핵심 주장 / 시사점

• 주요 개선 대상은 에이전트의 조회 속도보다 사람이 결과를 확인할 때 발생하는 도구 전환과 맥락 유지 부담이다.
• 텍스트 요약과 실제 데이터 시각화를 함께 제공하면 에이전트의 후속 추론과 사람의 근거 검토를 같은 대화에서 이어갈 수 있다.
• 로컬 MCP 서버는 사용자 계정과 권한에 따른 통제를 유지하는 연결점이며, 실제 적용에는 클라이언트 호환성과 설정 요건 충족이 필요하다.

✅ 액션 아이템

• 기존 관측 UI에서 쿼리를 재실행하고 검증하는 과정을 살펴보고 Amazon OpenSearch Service MCP Apps의 적용 지점 검토.
• OpenSearch UI Observability 워크스페이스, 호환 클라이언트, Node.js 22 이상 및 es:ESHttpGet·es:ESHttpPost 권한 충족 여부 확인.
• server/server.js 경로 확인 이후 제공된 본문에서 누락된 IDE 등록과 연결 검증 절차 확인.

❓ 열린 질문

• 기존 관측 UI에서 수행하는 검증 중 Amazon OpenSearch Service MCP Apps의 대화형 시각화로 옮길 수 있는 범위는 어디까지인가?
• 현재 환경은 Node.js 22 이상과 es:ESHttpGet 및 es:ESHttpPost 권한을 포함한 설정 요건을 충족하는가?
• 제공된 본문에서 누락된 IDE 등록과 연결 검증 절차는 어디에서 확인할 수 있는가?