docs: integrate 72 technical fragments into 5 high-density clusters and archive originals
This commit is contained in:
Antigravity Agent
+19
-21
@@ -1,40 +1,38 @@
|
||||
# [[Agentic Infrastructure & Observability (에이전틱 인프라 및 관측 가능성)]]
|
||||
|
||||
## 📌 Brief Summary
|
||||
에이전틱 인프라는 에이전트(LLM)가 안전하고 일관성 있게 작업을 수행할 수 있도록 지원하는 하부 구조를 의미한다. 이는 에이전트의 코드 실행을 격리하는 **[[Sandbox (샌드박스)]]**, 도구 및 데이터 연동을 표준화하는 **[[MCP (Model Context Protocol)]]**, 그리고 에이전트의 행동과 데이터의 출처를 추적하는 **[[Observability (관측성)]]** 및 **[[Data Governance (데이터 거버넌스)]]**로 구성된다.
|
||||
에이전틱 인프라는 에이전트(LLM)가 안전하고 일관성 있게 작업을 수행할 수 있도록 지원하는 하부 구조를 의미한다 [1, 2]. 이는 에이전트의 코드 실행을 격리하는 **[[Sandbox (샌드박스)]]**, 도구 및 데이터 연동을 표준화하는 **[[MCP (Model Context Protocol)]]**, 그리고 에이전트의 행동과 데이터의 출처를 추적하는 **[[Observability (관측성)]]** 및 **[[Data Governance (데이터 거버넌스)]]**로 구성된다 [3-5].
|
||||
|
||||
## 📖 Core Content
|
||||
|
||||
### 1. 실행 격리 및 보안 (Sandbox)
|
||||
* **[[Docker]] 기반 샌드박스**: 컨테이너 기술을 활용하여 에이전트의 코드 실행 환경을 호스트 시스템과 격리. 표준화된 환경 제공에 유리하다.
|
||||
* **[[MicroVM]] (Firecracker 등)**: 더 강력한 하드웨어 수준의 격리를 제공하여, 멀티 테넌트 환경이나 고위험 코드 실행 시 보안 위협을 원천 차단한다.
|
||||
### 1. 실행 격리 및 보안 (Sandbox Substrate)
|
||||
* **[[Docker]] 기반 샌드박스**: 컨테이너 기술을 활용하여 에이전트의 코드 실행 환경을 격리. 표준화된 환경 제공에 유리하다 [6].
|
||||
* **[[MicroVM]] (E2B, Firecracker)**: 하드웨어 수준의 격리를 제공하여 멀티 테넌트 환경에서 고위험 코드 실행 시 보안 위협을 원천 차단한다 [7].
|
||||
* **Kubernetes Agent Sandbox**: 대규모 에이전트 클러스터 운영을 위한 오케스트레이션 기반 격리 환경 [8].
|
||||
|
||||
### 2. 도구 및 데이터 표준화와 상호 운용성 (MCP & A2A)
|
||||
* **[[Model Context Protocol (MCP)]]**: 에이전트가 별도의 클라이언트 구현 없이 로컬 파일, 외부 API, 데이터베이스에 일관된 방식으로 접근할 수 있게 해주는 개방형 표준 프로토콜. **에이전트와 도구/데이터 간의 연결**을 표준화한다.
|
||||
* **[[A2A Protocol (Agent-to-Agent)]]**: 구글이 주도하는 에이전트 간 상호 운용성 표준. HTTP(S)/SSE 및 JSON-RPC를 기반으로 에이전트들이 작업(Task), 메시지(Message), 아티팩트(Artifact)를 교환할 수 있게 한다. **에이전트와 에이전트 간의 협업**을 표준화한다.
|
||||
* **Agent Card & Discovery**: '에이전트 카드' 메커니즘을 통해 네트워크상에서 다른 에이전트의 존재와 역량을 동적으로 발견(Discovery)할 수 있게 한다.
|
||||
* **MCP Gateway**: 여러 MCP 서버를 통합 관리하고 보안 정책을 적용하는 중앙 제어 지점 역할을 한다.
|
||||
### 2. 도구 및 데이터 표준화 (MCP & Protocols)
|
||||
* **[[Model Context Protocol (MCP)]]**: 로컬 파일, 외부 API, 데이터베이스에 일관된 방식으로 접근하게 해주는 개방형 표준 [13].
|
||||
* **[[A2A Protocol (Agent-to-Agent)]]**: 에이전트 간 작업(Task) 및 메시지 교환을 위한 상호 운용성 표준 [14].
|
||||
|
||||
### 3. 관측성 및 거버넌스 (Observability & Governance)
|
||||
* **LLM Observability**: 에이전트의 사고 과정(Thought), 도구 호출 트레이스, 토큰 비용, 지연 시간을 실시간으로 모니터링. (예: AgentOps, Langfuse)
|
||||
* **[[Data Lineage (데이터 리니지)]]**: 에이전트가 참조하는 데이터의 출처와 변경 이력을 추적. 컨텍스트 압축 과정에서의 정보 유실 및 오염된 데이터 주입을 방지한다.
|
||||
* **[[OpenTelemetry (OTEL)]]**: 분산 트레이싱 표준을 에이전트 워크플로우에 적용하여 엔드투엔드 가시성을 확보한다.
|
||||
### 3. 심층 관측성 및 진단 (Deep Observability)
|
||||
* **AI 기반 디버깅**: 방대한 트레이스에서 근본 원인을 찾아내는 **Polly**나 인과 그래프를 분석하는 **AgentTrace** 등의 도구 도입 [11].
|
||||
* **시각화 및 스태핑**: 다중 턴 에이전트의 실패를 추적하기 위한 **AgentPrism**, **AgentStepper**와 같은 인터랙티브 디버깅 도구 [11, 15].
|
||||
* **에이전트 분석 (Agent Analytics)**: 트레이스 데이터를 쿼리 가능한 분석 데이터로 취급하는 **BigQuery Agent Analytics** 기반 인프라 [4].
|
||||
|
||||
## ⚖️ Trade-offs & Caveats
|
||||
* **사후 관측 vs 사전 방어**: Observability 도구는 실행 후의 행동을 추적하지만, 데이터 리니지 및 거버넌스는 오염된 데이터가 컨텍스트에 주입되는 것을 사전에 예방하는 데 중점을 둔다.
|
||||
* **격리 수준과 성능**: MicroVM은 Docker보다 보안성이 높지만 기동 속도와 리소스 오버헤드가 더 클 수 있다.
|
||||
* **아키텍처 복잡성**: 인프라 계층이 두꺼워질수록 시스템의 전체 지연 시간(Latency)이 증가하며 운영 부담이 커진다.
|
||||
* **사후 관측(Post-hoc)의 한계**: AgentOps나 Langfuse는 실행 후의 로그를 분석할 뿐, 오염된 입력 데이터(Bad inputs)로 인한 환각이나 실패를 사전에 방지하지는 못한다 [10, 18].
|
||||
* **성능 오버헤드**: 관측성 도구 및 샌드박스 계층 통합 시 시스템 실행 속도가 약 **12%~15% 저하**될 수 있다 [14, 22].
|
||||
* **운영 부담**: 보안을 위해 관측성 데이터를 자체 호스팅(Self-hosting)할 경우 시스템 유지 관리에 막대한 엔지니어링 리소스가 소요된다 [10].
|
||||
|
||||
## 🔗 Knowledge Connections
|
||||
|
||||
### Related Concepts
|
||||
* **[[Agent Harness (에이전트 하네스)]]**: 이러한 인프라 구성 요소들을 통합하여 에이전트에게 실행 런타임을 제공하는 상위 계층.
|
||||
* **[[Context Engineering (컨텍스트 엔지니어링)]]**: 인프라를 통해 수집된 데이터를 에이전트가 읽기 좋은 형태로 압축하고 주입하는 기술.
|
||||
* **[[Security & Reliability (보안 및 신뢰성)]]**: 샌드박스와 거버넌스를 통해 달성하고자 하는 궁극적인 시스템 목표.
|
||||
* **[[Governance, Safety & Reliability (거버넌스, 안전 및 신뢰성)]]**: 사전 거버넌스를 통해 관측성의 한계를 보완하고 시스템 신뢰성을 확보하는 전략.
|
||||
|
||||
### Deeper Research Questions
|
||||
* 컨텍스트 압축(Compaction) 시 데이터 출처(Provenance) 정보를 소실하지 않고 보존하는 최적의 메타데이터 설계 방식은?
|
||||
* 실시간 데이터 계약(Data Contracts)과 리니지 정보를 결합하여 에이전트의 오염된 컨텍스트 학습을 사전 차단하는 파이프라인 구축 방안은?
|
||||
### Practical Application Contexts
|
||||
* **Debugging:** 원시 로그 분석 대신 AgentTrace와 같은 AI 진단 보조 도구를 활용하여 다중 턴 에이전트의 논리적 오류 지점을 식별한다.
|
||||
* **Infrastructure:** 고위험 작업이 포함된 에이전트 미션은 Firecracker 기반 MicroVM 샌드박스를 강제하여 시스템 침투 가능성을 원천 차단한다.
|
||||
|
||||
---
|
||||
*Last updated: 2026-05-05*
|
||||
|
||||
Reference in New Issue
Block a user