Get answers from tables with tabular search in Amazon Bedrock Managed Knowledge Base
Quick Summary
Amazon Bedrock Managed Knowledge Base의 tabular search는 검색한 CSV·Excel 원본 전체에 코드를 실행하고 관련 문서의 근거와 결합해 다단계 분석 질문에 답한다.
🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약
Amazon Bedrock Managed Knowledge Base의 tabular search는 검색한 CSV·Excel 원본 전체에 코드를 실행하고 관련 문서의 근거와 결합해 다단계 분석 질문에 답한다.
📌 핵심 요약
- Tabular search는 CSV, XLSX, XLS 파일의 관련 행 전체를 대상으로 값 조회와 계산을 수행하고, 관련 문서의 사실과 결합해 답변한다. Agentic retrieval에 포함되어 별도 활성화가 필요 없다.
- 일반 RAG는 제한된 수의 구절만 반환하므로 긴 표의 행이나 넓은 표의 열을 충분히 반영하지 못할 수 있다. Tabular search도 먼저 올바른 파일을 검색해야 하므로 질문에 파일명을 명시하는 것이 도움이 된다.
- AgenticRetrieveStream은 하나 이상의 지식 베이스에서 검색하고, 필요한 원본 표 파일을 네트워크 접근이 없는 격리 샌드박스로 복사해 모델이 작성한 코드를 실행한다. 답변은 문서 근거를 인용하고 trace는 코드가 읽은 표 파일을 기록하지만, Retrieve API는 구절만 반환하며 코드를 실행하지 않는다.
- 가상의 AnyCompany Retail 사례에서는 최종 P&L 워크북, 초안, 재무 편차 정책, Q3 마감 메모와 사업 검토 문서를 함께 활용한다. 예시 답변은 수정 예산을 기준으로 Sales, Engineering, Operations의 편차를 계산해 설명 작성 대상 부서로 제시한다.
- 코드 실행에는 최소 한 번의 추가 에이전트 턴이 필요해 텍스트 전용 답변보다 오래 걸린다. 통제된 지표, 반복 대시보드, 웨어하우스 규모 조인과 보고 통제는 BI 도구의 영역이며, 도입에는 지원 AWS Region, 호출자의 bedrock:GetDocumentContent 권한 등이 필요하다.
🧩 주요 포인트
- 검색은 올바른 표 파일을 찾고 코드는 원본 전체를 계산하는 역할 분담 → 일부 검색 구절에 의존하는 집계 누락을 줄이지만 파일 선택의 정확성은 여전히 중요하다.
- 정책·메모의 규칙과 워크북의 수치를 함께 해석 → 단일 파일에 저장되지 않은 분석 결과를 도출하며, 문서 인용과 표 파일 trace를 함께 확인해야 근거를 추적할 수 있다.
- 별도 스키마 정의 없이 문서 옆의 표 파일을 분석 → 문서와 표를 결합하는 질문에 적합하되, 추가 에이전트 턴의 지연과 BI 도구가 담당할 범위를 고려해야 한다.
🧠 상세 정리
1. 문서와 표를 결합하는 분석 질문
Amazon Bedrock Managed Knowledge Base는 tabular search를 통해 표 데이터를 활용하는 agentic retrieval을 지원한다. CSV, XLSX, XLS 파일의 특정 값을 조회하거나 하나 이상의 표·시트에서 관련 행 전체를 계산한 뒤, 관련 문서의 사실과 결합해 여러 단계가 필요한 분석 질문에 답한다. 원문은 분기 마감 때 어떤 부서가 편차 설명을 작성해야 하는지 판단하는 재무팀 사례를 제시하며, 이 답에는 정책의 임계값, 마감 메모의 예산 수정 사항, P&L 워크북 계산이 모두 필요하다고 설명한다. Microsoft SharePoint의 워크북과 정책, Amazon S3의 CSV와 PDF처럼 서술 문서와 데이터가 함께 저장된 환경을 전제로 한다. 사용자는 문서 질문에 쓰던 동일한 AgenticRetrieveStream 요청으로 이러한 분석을 요청할 수 있다.
2. 일반 검색이 표에서 놓치는 정보
일반적인 RAG는 질문과 가장 잘 맞는 일정 수의 구절을 반환하므로 산문에는 잘 작동하지만, 표를 구절로 나누면 표의 형태에 따라 정보가 손실될 수 있다. 수천 행의 긴 표에서는 일부 행만 검색되어 합계, 비교, 임계값 검사 결과가 불완전해질 수 있고, 수백 열의 넓은 표에서는 한 행이 처리 범위를 넘어서 뒤쪽 열의 값이 검색되기 어려워질 수 있다. 넓은 표에서 나온 긴 구절이 여러 무관한 질문과 일치해 더 관련성 높은 구절을 밀어내는 문제도 제시된다. 여기에 질문의 업무 용어와 표의 원가 중심 코드·계정명이 다르거나 초안과 최종본이 비슷하게 보이고 해석 규칙이 별도 정책에 있는 문제가 겹친다. Tabular search는 올바른 표 파일의 구절 하나를 찾은 뒤 코드로 전체 표를 읽도록 역할을 나누지만, 파일 검색 자체는 여전히 필요하므로 질문에 파일명을 넣는 것이 도움이 된다.
3. 검색부터 계산과 답변까지의 실행 과정
Tabular search는 agentic retrieval 흐름에 포함되어 있어 별도로 켤 기능이 없으며, 검색된 구절이 CSV, XLSX, XLS 파일에서 왔고 질문에 행 간 계산이나 특정 값 조회가 필요할 때 시작된다. 먼저 검색으로 표 파일을 포함한 구절을 가져오고, 에이전트가 질문과 표 구조를 바탕으로 하나 이상의 검색된 표에 코드를 실행할지 계획한다. 이어 원본 파일을 네트워크 접근이 없는 격리 샌드박스로 복사하고, 모델이 작성한 코드가 전체 표나 시트를 대상으로 실행된다. 에이전트가 돌려받는 것은 전체 실행 환경이 아니라 합계나 조건에 맞는 행처럼 코드가 출력한 결과이며, 이를 검색 구절과 결합해 인용을 포함한 답변을 작성한다. 재무 사례의 비교에서는 일반 검색이 완성된 답을 제공하지 못하는 반면, tabular search는 최종 워크북의 부서별 행을 계산해 Sales, Engineering, Operations와 각 부서의 수정 예산 대비 편차를 제시한다.
4. API·커넥터 지원과 도구 선택의 경계
AgenticRetrieveStream 요청은 하나의 지식 베이스뿐 아니라 여러 지식 베이스를 검색할 수 있지만, Retrieve API는 계속 구절만 반환하며 코드를 실행하지 않는다. Tabular search는 파일을 가져오는 커넥터와 관계없이 같은 방식으로 작동하며, 원문은 Amazon S3, Microsoft SharePoint, Atlassian Confluence 등을 예로 든다. 이 기능은 검색으로 찾은 표 파일의 계산과 값 조회를 위해 설계되었고 별도 스키마를 정의할 필요는 없지만, 코드 실행이 최소 한 번의 추가 에이전트 턴을 발생시키므로 텍스트 전용 답변보다 시간이 더 걸린다. 원문은 통제된 지표, 반복 대시보드, 웨어하우스 규모 조인, 보고 통제는 여전히 BI 도구가 담당해야 한다고 선을 긋는다. 따라서 문서 옆에 저장된 표를 질문에 맞게 분석하는 용도와 기존 BI 체계가 맡는 용도를 구분하는 것이 도입 판단의 핵심이다.
5. 솔루션 구조와 AnyCompany Retail 예제
예제 구조에서는 Amazon S3 데이터 소스가 표와 문서를 지식 베이스로 동기화하고, 지식 베이스는 임베딩, 텍스트, 메타데이터와 원본 파일을 보관한다. 애플리케이션이 AgenticRetrieveStream으로 질문하면 에이전트가 검색과 작업을 계획하고, 필요할 때 원본 표를 샌드박스에서 계산한 뒤 인용과 trace 이벤트가 포함된 답변을 스트리밍한다. 가상의 AnyCompany Retail 자료 중 최종 워크북 anycompany-pnl-fy2026.xlsx에는 Notes, Actuals, Budget, Summary 시트가 있으며, Actuals와 Budget은 월·원가 중심·계정별로 행을 구성한다. 함께 제공되는 초안은 Q3 수치가 다르고, PDF 재무 편차 정책은 통제 가능 지출과 승인 예산 및 검토 임계값을 정의하며, Word 형식 Q3 마감 메모는 승인·반려된 예산 수정을, Markdown 사업 검토 문서는 주요 편차를 설명한다. 자료는 sample-managed-knowledge-base-patterns GitHub 저장소의 tabular-search 폴더에 있고, 같은 폴더에는 리소스를 배포하는 AWS CDK 앱과 질문용 Python 스크립트도 포함된다.
6. 실행 전제와 호출자 권한
실습에는 IAM 역할, S3 버킷, Amazon Bedrock 지식 베이스를 생성할 권한과 tabular search를 지원하는 AWS Region이 필요하며, 사용할 CSV, XLSX, XLS 파일 및 관련 문서도 준비해야 한다. AgenticRetrieveStream 호출 주체에는 agentic retrieval 권한과 bedrock:GetDocumentContent가 필요하고, 에이전트는 이 호출자의 자격 증명으로 원본 표 파일을 읽는다. 제시된 호출자 정책은 bedrock:AgenticRetrieveStream, bedrock:Retrieve, bedrock:GetDocumentContent, bedrock:InvokeModelWithResponseStream을 허용하며, Retrieve와 GetDocumentContent는 예시 계정·리전의 지식 베이스 ARN 범위를 사용한다. Python 실습 기준은 Python 3.10 이상과 Boto3 1.43.123 이상이며, Amazon Bedrock 콘솔의 지식 베이스 테스트 창이나 AWS CLI로도 질문할 수 있다. 원문은 리전 지원 여부와 비용을 각각 지원 AWS Regions 문서 및 Amazon Bedrock 요금 문서에서 확인하도록 안내하지만, 구체적인 지원 리전 목록이나 가격은 제시하지 않는다.
7. S3 업로드와 지식 베이스 역할 구성
파일 준비 단계에서는 표와 관련 문서를 하나의 S3 접두사 아래에 모으며, 예제는 전역적으로 고유한 버킷 이름을 지정하고 Block all public access를 선택한 상태로 버킷을 생성한다. 이후 finance 폴더를 만들고 그 안에 분석에 사용할 표 파일과 문서를 업로드하며, 예시 버킷 이름은 amzn-s3-demo-bucket이다. 지식 베이스에는 Amazon Bedrock이 수임할 IAM 역할이 필요하고, 제시된 신뢰 정책은 bedrock.amazonaws.com 서비스 주체만 허용한다. 이 정책은 aws:SourceAccount와 aws:SourceArn 조건으로 해당 계정의 지식 베이스에서 사용하는 경우로 수임 범위를 제한하며, 예제 역할 이름은 kb-finance-role이다. 역할의 인라인 정책은 해당 버킷의 s3:ListBucket과 객체의 s3:GetObject를 허용하고 aws:ResourceAccount 조건도 적용하므로, 호출자의 원본 파일 읽기 권한과 별도로 지식 베이스가 데이터 소스에 접근할 역할을 구성한다.
8. 관리형 지식 베이스와 데이터 소스 생성
리소스 생성 단계에서는 관리형 임베딩 모델을 사용하는 MANAGED 유형 지식 베이스를 만들고, S3 버킷의 finance/ 접두사로 범위를 제한한 MANAGED_KNOWLEDGE_BASE_CONNECTOR 데이터 소스를 구성한다. 데이터 소스의 maxFileSizeInMegaBytes는 업로드할 가장 큰 파일보다 크게 설정하도록 안내된다. 제시된 Python 코드는 boto3의 bedrock-agent 클라이언트로 finance-kb를 생성한 뒤, 지식 베이스 상태가 CREATING 또는 UPDATING인 동안 10초 간격으로 상태를 조회한다. 상태가 ACTIVE가 되어야 데이터 소스를 추가하며, 다른 상태로 끝나면 RuntimeError를 발생시키고, 이어 finance-s3라는 데이터 소스를 생성하는 코드가 시작된다. 다만 제공된 source_body는 이 데이터 소스 구성 코드 중간에서 끝나므로, 이후 동기화 절차나 실제 질의 실행 결과까지 확인된 것으로 서술할 수는 없다.
🧾 핵심 주장 / 시사점
- 전체 표 계산의 완전성과 올바른 파일 선택은 별개의 문제다. Tabular search는 검색된 일부 행만 계산하는 한계를 줄이지만, 초안 대신 최종본을 찾는 검색 정확성까지 자동으로 보장하는 것은 아니다.
- 답변 근거는 문서 인용과 실행 trace에 나뉘어 나타난다. 정책·메모의 해석 근거와 코드가 읽은 워크북을 함께 살펴야 계산에 적용된 규칙과 데이터 출처를 연결할 수 있다.
- 스키마 정의 없이 문서와 표를 함께 분석할 수 있다는 편의성에는 추가 실행 시간과 권한 요건이 따른다. 적용 가치는 문서 맥락이 필요한 질문인지, 기존 BI 도구가 맡아야 할 반복·통제 업무인지에 따라 달라진다.
✅ 액션 아이템
- 표 분석 질문에 파일명을 명시해 올바른 파일 검색을 돕는 방식 적용 검토.
- AgenticRetrieveStream 답변의 문서 인용과 trace에 기록된 표 파일을 함께 확인.
- 지원 AWS Region과 bedrock:GetDocumentContent 권한을 확인하고, 추가 에이전트 턴의 지연과 BI 도구의 담당 범위를 고려해 적용 여부 판단.
❓ 열린 질문
- 최종 P&L 워크북과 초안이 함께 검색될 때 질문에 파일명을 명시하는 것만으로 올바른 파일 선택을 충분히 유도할 수 있는가?
- AgenticRetrieveStream의 문서 인용과 trace를 통해 정책·메모의 규칙과 실제 계산에 사용된 표 파일을 어떻게 함께 확인할 수 있는가?
- 추가 에이전트 턴으로 늘어나는 응답 시간과 BI 도구의 담당 범위를 고려할 때 tabular search에 맡길 질문은 어디까지인가?