🖼️ 인포그래픽

🖼️ 4컷 인포그래픽

💡 한 줄 요약

n8n용 오픈소스 AgentCore harness 노드는 지속형 메모리, 사용자별 격리, 실행 도구, 기술 묶음, 모델 선택과 VPC 실행을 시각적 설정으로 제공해 별도의 에이전트 인프라 코드 없이 운영용 에이전트를 구축하게 한다.

📌 핵심 요약

• 운영용 AI 에이전트에는 단일 모델 호출을 넘어 장기 메모리, 실제 실행 도구, 문맥 관리, 실패 복구, 세션 격리와 장시간 작업을 처리할 실행 계층이 필요하다.
• 검증된 n8n 커뮤니티 노드 @aws/n8n-nodes-agentcore는 Harness ARN을 비워 두면 에이전트를 자동 생성·재사용·갱신하고, 기존 ARN을 입력하면 외부에서 만든 에이전트를 직접 호출한다.
• 관리형 메모리는 기본 활성화되며 같은 Session ID로 대화를 이어갈 수 있고, Actor ID와 Session ID를 함께 사용하면 사용자별 기억과 사용자 내부의 개별 대화를 분리할 수 있다.
• 에이전트에는 샌드박스 코드 인터프리터를 비롯한 도구와 카탈로그·Git·Amazon S3·파일시스템에서 불러오는 기술 묶음을 추가할 수 있다.
• VPC 실행에는 서브넷과 보안 그룹, Amazon ECR 및 Amazon S3용 VPC 엔드포인트가 필요하며, IAM 최소 권한 구성과 사용하지 않는 하네스 및 메모리 자원 정리가 요구된다.

🧩 주요 포인트

1. 설정만으로 오케스트레이션·도구 호출·상태 관리·복구를 맡기는 관리형 하네스 → 운영용 에이전트의 기반 계층을 직접 구현하는 부담을 줄인다.
2. 에이전트·Actor ID·Session ID로 이어지는 메모리 계층 → 하나의 공통 에이전트가 여러 사용자의 복수 대화를 서로 섞지 않고 처리할 수 있다.
3. 자동 프로비저닝과 VPC 실행을 지원하는 대신 별도 실행 역할·네트워크 엔드포인트·자원 삭제가 필요함 → 시각적 구축 환경에서도 보안과 비용 관리는 운영자의 책임으로 남는다.

🧠 상세 정리

1. 단일 모델 호출과 운영용 에이전트의 차이

n8n의 기본 AI Agent 노드는 워크플로에 모델 호출을 추가하는 출발점으로 적합하지만, 원문은 운영용 에이전트가 단일 호출만으로 완성되지 않는다고 설명한다. 여러 실행에 걸쳐 유지되는 메모리, 브라우저나 코드 샌드박스처럼 실제로 사용할 수 있는 도구, 긴 작업을 처리할 실행 공간이 추가로 필요하기 때문이다. 모델이 추론을 담당한다면 하네스는 오케스트레이션 반복 실행, 도구 호출, 문맥 창 관리, 턴 사이의 상태 유지, 실패 복구와 세션 격리를 맡는다. 이러한 주변 실행 계층을 직접 구축하는 일이 많은 팀의 시간과 노력을 차지하는 핵심 난점으로 제시된다. AgentCore harness는 이 계층을 관리형 기능으로 제공하며, 각 세션에 파일시스템과 셸이 포함된 격리 환경을 부여하고 세션을 넘는 메모리와 웹 탐색 기능도 지원한다.

2. n8n 커뮤니티 노드의 동작 방식

새로운 @aws/n8n-nodes-agentcore 커뮤니티 노드는 AgentCore harness의 기능을 n8n 시각적 편집기 안에 노출하며, MIT 라이선스의 오픈소스로 제공된다. 하네스는 AWS의 오픈소스 에이전트 프레임워크인 Strands Agents를 기반으로 작동하고, 설정만으로 부족한 경우 Strands 코드로 내보내 동일한 시스템에서 계속 실행할 수 있다. 노드의 핵심 분기 필드는 Harness ARN 하나이며, 값을 비워 두면 첫 실행에서 에이전트를 생성하고 이후 실행에서 재사용하며 설정 변경 시 갱신한다. 기존 Harness ARN을 입력하면 n8n 외부에서 만든 에이전트를 새로 만들지 않고 직접 호출한다. 모델 제공자는 Amazon Bedrock, OpenAI, Google Gemini와 LiteLLM 지원 제공자 중에서 선택할 수 있으며, 동일한 대화의 턴 사이에서도 제공자를 바꿀 수 있다. AWS 자격 증명 방식은 n8n의 기존 AWS Lambda 및 Amazon S3 노드와 같은 형태를 따른다.

3. 설치 조건과 자격 증명 구성

노드는 자체 호스팅 n8n과 n8n Cloud에서 모두 사용할 수 있으며, 검증된 커뮤니티 노드이므로 편집기의 노드 검색 화면에서 Amazon Bedrock AgentCore를 선택해 설치할 수 있다. 설정 메뉴의 Community Nodes에서 @aws/n8n-nodes-agentcore를 직접 입력하는 방식도 가능하고, 원문의 실습은 노드 버전 0.3을 기준으로 한다. 추가로 지원 리전에서 AgentCore harness에 접근할 수 있는 AWS 계정, 호출자용 AWS 자격 증명, 하네스가 실행 시 맡을 별도의 IAM 실행 역할이 필요하다. 호출자에게는 하네스 호출 권한을, 실행 역할에는 사용하는 기능에 맞는 권한을 부여해야 하며, 원문은 공식 보안 문서와 노드 README의 최소 권한 정책을 참조하도록 안내한다. n8n 자격 증명에는 액세스 키, 비밀 액세스 키, 필요하면 임시 세션 토큰, 리전과 실행 역할 ARN을 입력한 뒤 연결 테스트를 수행한다. 가능하면 IAM Identity Center나 AWS STS의 임시 자격 증명을 사용하고 최소 권한 원칙을 지켜야 하며, 자격 증명을 소스 관리에 커밋해서는 안 된다. 하네스와 관리형 메모리 저장소, 선택적으로 구성한 VPC 엔드포인트는 과금 자원이므로 설치 단계부터 비용과 정리 절차도 고려해야 한다.

4. 첫 에이전트와 지속형 대화 메모리

첫 실습은 수동 트리거 뒤에 AgentCore 노드를 연결하고, Harness ARN을 비운 상태에서 travel_concierge 같은 에이전트 이름과 모델, 시스템 프롬프트 및 Session ID를 설정하는 흐름이다. 메모리는 기본으로 활성화되어 있어 별도 옵션 없이도 노드가 관리형 메모리 저장소를 프로비저닝하며, 같은 Session ID를 재사용하면 후속 실행이 기존 대화를 이어받는다. 예시에서는 첫 턴에 따뜻한 해변을 좋아하고 채식주의자라는 정보를 기억하게 한 뒤, 두 번째 턴에서 기존 취향에 맞는 목적지와 음식을 추천하도록 요청한다. 첫 실행은 AWS가 에이전트를 프로비저닝하는 동안 약 30~60초가 걸리며, 출력에는 에이전트 응답, 토큰 사용량, 생성된 메모리 ARN을 포함한 하네스 요약이 표시된다. 두 번째 실행에서는 이전 대화를 불러온 뒤 추론하므로 입력 토큰 수가 증가하고, 제공한 Session ID를 사용했다는 상태도 출력에 나타난다. 반대로 Session ID를 비워 두면 실행할 때마다 새로운 대화가 시작된다.

5. Actor ID를 이용한 사용자별 메모리 격리

하나의 에이전트가 여러 사람을 상대할 때는 Actor ID를 사용자별 값으로 지정해 각 사용자의 기억을 분리할 수 있다. 메모리 범위는 에이전트, Actor ID, Session ID의 계층으로 구성되며, 에이전트는 공통 설정을 보유하고 Actor ID는 사용자 간 기억을 격리하며 Session ID는 한 사용자 안의 개별 대화를 구분한다. 따라서 하나의 Actor ID가 여러 Session ID를 가질 수 있고, 서로 다른 Actor ID가 같은 Session ID 문자열을 사용하더라도 실제 기억은 별도로 유지된다. 원문의 예시는 team_assistant 에이전트에서 Actor ID를 user-alice로 설정한 후 특정 Session ID와 함께 프로젝트 코드명이 Aurora라는 사실을 저장한다. 같은 Actor ID와 Session ID로 다시 질문하면 에이전트가 저장한 코드명을 반환하지만, 다른 Actor ID에는 그 기억이 공유되지 않는다. 이 구조는 공통 에이전트 구성을 재사용하면서도 사용자별 기록과 사용자 내부의 대화 단위를 동시에 나누는 방식으로 설명된다.

6. 샌드박스 코드 실행과 외부 도구

에이전트가 추론만 하는 데서 벗어나 실제 작업을 수행하도록 하려면 Add Tools 옵션을 활성화해 도구를 추가한다. 코드 계산 실습에서는 data_analyst 같은 에이전트에 AgentCore Code Interpreter를 연결하고, 시스템 프롬프트로 답을 내기 전에 코드를 작성하고 실행하도록 지시한다. 이어서 0부터 100 사이의 무작위 시험 점수 500개를 생성하고 평균, 중앙값과 표준편차를 보고하라는 계산형 프롬프트를 실행한다. 에이전트는 값을 추정하는 대신 격리된 샌드박스에서 코드를 작성하고 실행한 결과를 반환하며, 출력의 하네스 요약에는 도구 하나가 구성됐다는 사실이 표시된다. 같은 추가 방식으로 클라우드 브라우저, AgentCore Gateway와 원격 Model Context Protocol 서버도 연결할 수 있어, 에이전트가 사용할 실행 수단을 작업 성격에 맞게 확장할 수 있다.

7. 필요할 때 불러오는 기술 묶음

기술 묶음은 특정 분야의 지식을 에이전트에 제공하는 지침과 스크립트의 집합이며, 모든 내용을 항상 문맥에 넣는 대신 해당 작업에 필요할 때만 하네스가 불러온다. 원문에서 지원하는 출처는 AWS의 선별된 카탈로그, Git 저장소, Amazon S3와 파일시스템 경로다. 실습에서는 aws_architect 같은 에이전트에서 Add Skills를 활성화하고, AWS Skills 출처에 core-skills/* 같은 글로브 패턴을 입력한다. 필요하면 공개 저장소를 가리키는 Git 출처 등 여러 기술 묶음을 함께 추가할 수도 있다. 이후 AWS에서 서버리스 이미지 업로드 파이프라인을 설계하라는 프롬프트를 실행하면 에이전트가 불러온 기술을 적용해 안내를 생성하고, 하네스 요약에는 구성된 기술 묶음의 수가 표시된다. 이 과정은 도구가 실행 능력을 추가하는 것과 구분해, 기술 묶음이 과업별 지침과 스크립트를 선택적으로 제공하는 역할을 한다는 점을 보여준다.

8. VPC 내부의 비공개 실행

사설 네트워크에 접근해야 하는 에이전트는 하네스를 사용자의 VPC 안에서 실행하도록 설정할 수 있다. 네트워크 설정은 개별 워크플로 노드가 아니라 Amazon Bedrock AgentCore API 자격 증명에 지정되므로, 해당 자격 증명으로 프로비저닝되는 모든 에이전트에 같은 비공개 실행 조건이 적용된다. 설정 절차는 Network Mode를 VPC로 바꾸고 사용할 VPC 서브넷 ID와 보안 그룹 ID를 입력한 뒤 자격 증명을 저장하는 것이다. 서브넷 자체에는 인터넷 연결이 없어도 되며, 하네스가 같은 리전의 비공개 Amazon ECR 저장소에서 관리형 컨테이너 이미지를 가져오기 때문에 NAT 게이트웨이 대신 Amazon ECR 및 Amazon S3용 VPC 엔드포인트가 필요하다. 필요한 엔드포인트와 실행 역할 권한은 AgentCore의 네트워크 및 보안 문서를 따라 구성해야 한다. VPC 지원 자격 증명으로 private_vpc_agent 같은 에이전트를 실행하면 출력의 하네스 요약에서 네트워크 모드가 VPC임을 확인할 수 있다.

9. 자원 수명주기와 비용 정리

노드가 자동으로 에이전트를 만들어 주더라도 각 에이전트는 사용자의 AWS 계정에 생성되는 실제 하네스 자원이며, 관리형 메모리 저장소가 함께 프로비저닝될 수 있다. 원문은 하네스, 관리형 메모리 저장소와 사용 시 구성하는 VPC 엔드포인트가 모두 비용이 발생할 수 있는 AWS 자원이라고 명시한다. 실습을 마치거나 더 이상 사용하지 않는 에이전트가 생기면 AWS CLI 또는 Amazon Bedrock AgentCore 콘솔에서 하네스 목록을 확인해야 한다. 제시된 목록 조회 예시는 us-west-2 리전에서 aws bedrock-agentcore-control list-harnesses 명령을 실행하는 방식이다. 이후 불필요한 에이전트를 삭제해 지속적인 과금을 막아야 하며, 자동 생성의 편의성과 별개로 생성된 하네스 및 메모리 자원의 정리는 사용자가 수행해야 하는 운영 절차로 남는다.

🧾 핵심 주장 / 시사점

• Harness ARN 하나로 자동 생성·재사용 경로와 기존 에이전트 호출 경로를 나누므로, n8n 내부에서 만든 에이전트와 외부에서 관리하는 에이전트를 같은 노드로 다룰 수 있다.
• 동일한 대화의 턴 사이에서 모델 제공자를 바꿀 수 있다는 점은 대화 상태와 실행 하네스가 특정 모델 제공자 하나에 고정되지 않음을 보여준다.
• 에이전트 공통 설정 아래에 Actor ID와 Session ID를 두는 계층은 다중 사용자 격리와 사용자별 복수 대화 유지를 동시에 처리한다.

✅ 액션 아이템

• @aws/n8n-nodes-agentcore에서 Harness ARN을 비워 자동 생성·재사용·갱신할지, 기존 ARN으로 외부 에이전트를 호출할지 기준을 정한다.
• 관리형 메모리의 Actor ID와 Session ID 조합으로 사용자별 기억과 사용자 내부 개별 대화를 분리하는 규칙을 정의한다.
• VPC 실행에 필요한 서브넷·보안 그룹·Amazon ECR·Amazon S3 VPC 엔드포인트, IAM 최소 권한, 미사용 하네스·메모리 정리 범위를 점검한다.

❓ 열린 질문

• 운영용 에이전트에서 장기 메모리·실패 복구·세션 격리를 관리형 하네스에 맡길 범위는 어디까지인가?
• 샌드박스 코드 인터프리터와 카탈로그·Git·Amazon S3·파일시스템 기술 묶음 중 먼저 붙일 도구는 무엇인가?
• 자동 프로비저닝 에이전트와 외부 Harness ARN 호출을 나눌 판단 기준은 무엇인가?