Search

[14] RAG & Lambda 함수를 활용한 AI Agent 만들기 Hands-On 실습

생성일
2026/10/06 03:45
태그

Amazon Bedrock 기능

•
Amazon Bedrock은 업계를 선도하는 기반 모델(FM)의 선택권과 생성형 AI 애플리케이션 구축에 필요한 광범위한 기능을 제공하는 완전 관리형 서비스로, 보안, 개인정보 보호 및 책임감 있는 AI로 개발을 단순화합니다.
•
Amazon Bedrock의 포괄적인 기능을 통해 다양한 최고 수준의 FM을 실험하고, 파인튜닝 및 검색 증강 생성(RAG)과 같은 기술을 사용하여 고객의 데이터로 비공개적으로 사용자 정의하며, 여행 예약부터 보험 청구 처리, 광고 캠페인 생성, 재고 관리까지 복잡한 비즈니스 작업을 수행하는 관리형 에이전트를 코드 작성 없이 생성할 수 있습니다.
•
Amazon Bedrock은 서버리스 이므로 인프라를 관리할 필요가 없으며, 이미 익숙한 AWS 서비스를 사용하여 생성형 AI 기능을 애플리케이션에 안전하게 통합하고 배포할 수 있습니다.

Amazon Bedrock Agents

•
Amazon Bedrock Agents는 개발자가 광범위한 사용 사례에서 복잡한 작업을 완료하고 독점 지식 소스를 기반으로 최신 답변을 제공할 수 있는 생성형 AI 기반 애플리케이션을 쉽게 생성할 수 있도록 하는 완전 관리형 기능입니다.
•
단 몇 단계만으로 Amazon Bedrock Agents는 수동 코딩 없이 작업을 자동으로 분해하고 오케스트레이션 계획을 생성합니다.
•
Bedrock에서 생성된 에이전트는 API를 통해 회사 데이터에 안전하게 연결하고, 데이터를 기계 판독 가능한 형식으로 자동 변환하며, 관련 정보로 요청을 보강하여 가장 정확한 응답을 생성할 수 있습니다.
•
그런 다음 에이전트는 사용자의 요청을 충족하기 위해 API를 자동으로 호출할 수 있습니다.
•
완전 관리형 기능으로서 Amazon Bedrock Agents는 시스템 통합 및 인프라 프로비저닝 관리라는 차별화되지 않는 작업을 제거하여 개발자가 조직 전체에서 생성형 AI를 최대한 활용할 수 있도록 합니다.

Amazon Bedrock AgentCore

•
AgentCore는 개발자가 실제 배포에 중요한 규모, 신뢰성 및 보안을 갖춘 AI 에이전트를 프로덕션 환경으로 신속하게 도입할 수 있도록 지원합니다.
•
AgentCore는 에이전트를 더욱 효과적이고 유능하게 만드는 도구와 기능, 에이전트를 안전하게 확장하기 위한 전용 인프라, 신뢰할 수 있는 에이전트를 운영하기 위한 제어 기능을 제공합니다.
•
AgentCore 기능은 구성 가능하며 인기 있는 오픈소스 프레임워크 및 모든 모델과 함께 작동하므로 오픈소스 유연성과 엔터프라이즈급 보안 및 신뢰성 사이에서 선택할 필요가 없습니다.
•
AgentCore는 오픈소스 또는 커스텀 에이전트 프레임워크를 사용하여 구축된 개념 증명에서 AI 에이전트를 프로덕션으로 이전하려는 조직을 위해 설계되었습니다.
•
런타임에서 동적 실행 경로를 지원하는 견고한 인프라, 동작을 모니터링하는 제어 기능, 에이전트를 향상시키는 강력한 도구, 그리고 환경이 발전함에 따라 적응할 수 있는 유연성이 필요한 개발자와 기업에게 서비스를 제공합니다.

검색 증강 생성(RAG)

•
에이전트는 회사의 데이터 소스에 안전하게 연결하고 정확한 응답을 생성하기 위해 올바른 정보로 사용자 요청을 보강합니다. 예를 들어, 사용자가 청구 자격에 대해 질문하면 RAG 에이전트는 지식 베이스에서 정보를 조회하고 제출된 청구와 자격 정책 응답 간을 조정합니다.
•
Amazon Bedrock Knowledge Bases는 고객의 자체 데이터 소스에서 컨텍스트 정보를 통합하여 고정확도, 저지연, 보안, 맞춤형 생성형 AI 애플리케이션을 생성할 수 있는 엔드투엔드 관리형 RAG 워크플로를 제공합니다.

Amazon Bedrock Guardrails

•
Amazon Bedrock Guardrails는 사용 사례와 책임감 있는 AI 정책을 기반으로 생성형 AI 애플리케이션에 대한 보호 장치를 구현하는 데 도움이 됩니다. 다양한 사용 사례에 맞춘 여러 가드레일을 생성하고 여러 기반 모델(FM)에 적용 가능합니다.
•
일관된 사용자 경험을 제공하고 생성형 AI 애플리케이션 전반에 걸쳐 안전 및 개인정보 보호 제어를 표준화할 수 있습니다.

가상시나리오 : 가상 펫샵 만들기

회사 로고
고양이와 강아지 제품을 전문으로 하는 온라인 소매업체인 Virtual Pet Store는 고객 서비스 경험을 혁신하고자 합니다. 사업이 성장함에 따라, 증가하는 문의량을 효율적으로 처리하면서도 높은 수준의 고객 케어를 유지해야 합니다. Virtual Pet Store는 생성형 AI를 활용하여 직원들이 실시간 채팅과 이메일 채널을 통해 받는 고객 커뮤니케이션에 대해 정확하고 일관된 응답을 준비할 수 있도록 도와주고자 합니다.
이 상점은 프리미엄 펫푸드부터 전문 액세서리에 이르기까지 다양한 제품과 전문적인 반려동물 케어 조언을 제공합니다. 고객층은 정기 구독자와 가끔 구매하는 고객을 모두 포함하며, 이들은 모두 자신의 문의에 대해 빠르고 정확하며 개인화된 응답을 기대합니다.
현재 상점은 다음과 같은 여러 도전 과제에 직면해 있습니다:
•
피크 시간대 고객 문의 응답 지연
•
다양한 고객 서비스 담당자 간의 일관되지 않은 응답 품질
•
정확한 제품 추천과 가격 계산 유지의 어려움
•
정확한 반려동물 케어 조언을 빠르게 제공하는 데 어려움
이러한 도전 과제를 해결하기 위해 Virtual Pet Store는 다음과 같은 AI 지원 시스템을 구현하고자 합니다:
•
직원들이 메시지와 이메일에서 고객 문의를 분석하는 것을 도움
•
관련 제품 및 재고 정보를 자동으로 수집
•
할인 및 배송비를 포함한 정확한 가격 계산
•
검증된 출처에서 적절한 반려동물 케어 조언 제안
•
고객 상태 및 특별 혜택 자격 확인
•
부적절한 요청 스크리닝
이 시스템은 고객 서비스 직원들과 함께 작동하여, 고객에게 보내기 전에 검토하고 커스터마이즈할 수 있는 포괄적인 응답 제안을 제공할 것입니다. 이는 응답 속도와 정확성을 향상시키면서도 인간의 감독을 유지할 수 있도록 합니다.
성공은 다음과 같은 요소로 측정됩니다:
•
응답 준비에 소요되는 시간 감소
•
비즈니스 규칙의 일관된 적용
•
가격 및 제품 정보의 정확성 향상
•
반려동물 케어 조언 제공에 대한 직원 자신감 향상
•
채팅과 이메일 커뮤니케이션 전반에 걸친 통일된 응답 품질
이 개선은 Virtual Pet Store의 고객 서비스 팀이 고객이 소중히 여기는 개인적인 터치를 유지하면서도 더 나은, 더 빠른, 더 일관된 응답을 제공할 수 있도록 하는 것을 목표로 합니다.

기업 시스템

Virtual Pet Store는 고객 서비스 운영을 혁신하기 위해 Amazon Bedrock의 단일 에이전트 협업 기능을 활용하기로 결정했습니다. 이 시스템은 제품 정보, 반려동물 케어 지식, 재고 관리, 고객 정보를 원활하게 통합하여 고객 서비스 담당자에게 실시간의 정확한 정보를 제공합니다. 정교한 기업 시스템 네트워크를 통해, 이 플랫폼은 직원들이 채팅과 이메일 채널을 통해 고객 문의에 효과적으로 응답할 수 있도록 하여, 모든 상호작용이 회사 정책에 부합하면서도 운영 효율성을 유지할 수 있게 합니다.
•
인프라 아키텍쳐 구성도
시스템 설계

AI Agent 개발 실습에 앞서 내용 다시한번 내용 정리

PART0 : 사전작업

1단계

2단계 : aws configure 통한 로그인 계정에 대한 액세스 키와 시큐리티 키 발급 및 입력
→ awsbedrock_admin
3단계 : aws configure 구성

PART1 : AWS S3 데이터 저장

1. Bedrock 콘솔에서 지식 베이스로 이동하여 지식 베이스 생성을 클릭하고 벡터 스토어가 있는 지식 베이스를 선택합니다.
•
제품 정보 저장소에는 다음이 포함됩니다 : 1) 제품 설명이 포함된 제품 카탈로그(PDF). 2) 상세 제품 사양이 포함된 종합 문서(PDF).
•
버킷이름 : regpetstore
regpetstore
JavaScript
복사
•
해당 버킷의 이름은 소문자로 또한 유닉크해야 한다. (다른 사람과 중복되서는 안 된다.)

PART2 : 지식 베이스 생성 → 웹 크롤링 생성 (잠깐 Stop → PART4에서 진행 )

•
데이터 소스 2: 반려동물 관리 지식 (위키피드 정보 연결)
•
반려동물 케어 조언을 위한 참고 자료로 사용할 수 있는 공개 기사의 다음 큐레이션된 링크가 제공됩니다.

PART3 : 지식 베이스 생성 : ProductInformation

•
상품정보 관련 지식베이스 생성
1단계
2단계
3단계
•
KB 이름: ProductInformation
ProductInformation
JavaScript
복사
•
설명 : 제품 정보 저장소에는 다음이 포함됩니다: 1) 제품 설명이 포함된 제품 카탈로그(PDF). 2) 상세 제품 사양이 포함된 종합 문서(PDF).
제품 정보 저장소에는 다음이 포함됩니다: 1) 제품 설명이 포함된 제품 카탈로그(PDF). 2) 상세 제품 사양이 포함된 종합 문서(PDF).
JavaScript
복사
4단계
5단계
6단계
•
데이터 소스 이름 : PetStoreProductData
PetStoreProductData
JavaScript
복사
•
S3 URL : s3://ragpetstore/
8단계
9단계
10단계
생성확인
•
PetStoreProductData 동기화 : 이 부분을 빠뜨리면 RAG가 검색되지 않습니다.
•
테스트 진행
테스트 항목
Doggy Delights의 가격과 제품 코드를 알려주세요.
JavaScript
복사
Bark Park Buddy의 가격과 특징을 알려주세요.
JavaScript
복사
관련 PDF 내용이 검색되면 성공입니다.

PART4 : 지식 베이스 생성 : PetCaringKnowledge

•
애완동물 돌봄 지식 베이스 생성
1.
Bedrock 콘솔에서 지식 베이스로 이동하여 지식 베이스 생성을 클릭하고 벡터 스토어가 있는 지식 베이스를 선택합니다.
2.
기본 정보 설정:
•
이름: PetCaringKnowledge
PetCaringKnowledge
JavaScript
복사
•
설명: 애완동물 돌봄 정보에 대한 유일한 권위 있는 참조가 되어야 하는 소스를 포함하는 애완동물 돌봄 조언을 위한 참조 자료.
애완동물 돌봄 정보에 대한 유일한 권위 있는 참조가 되어야 하는 소스를 포함하는 애완동물 돌봄 조언을 위한 참조 자료.
JavaScript
복사
•
쿼리 엔진:
◦
데이터 소스 선택: Web Crawler
•
다음을 클릭합니다.
3.
데이터 소스 구성
•
데이터 소스 이름 PetCaringDataWebCrawler
PetCaringDataWebCrawler
JavaScript
복사
•
설명-선택사항 : PetCaringDataWebCrawler
PetCaringDataWebCrawler
JavaScript
복사
•
데이터소스 유형선택 : 웹크롤러 Preview 선택
◦
소스URL에 다음과 같이 4개의 URL 추가합니다:
https://en.wikipedia.org/wiki/Cat_food
JavaScript
복사
https://en.wikipedia.org/wiki/Cat_play_and_toys
JavaScript
복사
https://en.wikipedia.org/wiki/Dog_food
JavaScript
복사
https://en.wikipedia.org/wiki/Dog_grooming
JavaScript
복사
•
다음을 클릭합니다.
•
동기화 범위 : Default 선택
4.
데이터 저장 및 처리 구성
•
임베딩 모델 구성:
◦
Amazon Titan Text Embeddings V2를 선택합니다.
•
벡터 스토어
◦
새로운 벡터 저장소 빠른 생성을 선택합니다.
◦
Amazon OpenSearch Serverless 선택
•
다음을 클릭합니다.
1.
검토 및 생성
•
이전 단계를 모두 검토합니다.
•
지식 베이스 생성을 클릭합니다.
2.
데이터 소스 동기화
•
생성 후 PetCaringKnowledge 지식 베이스를 클릭합니다.
•
데이터 소스 탭으로 이동합니다.
•
동기화를 클릭하여 초기 동기화를 시작합니다.
•
동기화 기록 섹션에서 동기화 상태를 모니터링합니다.
•
상태가 완료됨으로 표시될 때까지 기다립니다.
1단계
2단계
3단계
4단계
5단계
6단계
7단계
8단계
9단계
KB 생성 확인
10단계 : PetCaringKnowledge 동기화
11단계 : PetCaringKnowledge 동기화
12단계 : PetCaringKnowledge 동기화 완료 확인
13단계 : 모델 선택 후 테스트 진행
14단계 : 테스트 진행
•
Completed가 되면 아래와 같이 테스트 합니다.
강아지를 목욕시킬 때 주의해야 할 점을 알려주세요.
JavaScript
복사
고양이에게 적절한 음식은 무엇인가요?
JavaScript
복사
15단계 : 테스트 결과

PART5 : Knowledge Base ID 기록 → .env 환경변수에 기록할 예정

이제 두 KB의 Knowledge Base ID를 기록합니다. → 아래 내용은 강사 KB ID 본인의 실제 값으로 변경하여 저장한다. (반드시 본인 콘솔에 표시되는 실제 ID를 사용해야 합니다.)
ProductInformation KB ID = H6IWBKNDPD PetCaringKnowledge KB ID = ZW3BDOIVGS
JavaScript
복사
나중에 Python에서 사용 예정:
PRODUCT_KB_ID = "H6IWBKNDPD" PET_CARE_KB_ID = "ZW3BDOIVGS"
JavaScript
복사

PART 6. Lambda 함수생성 하기전에 반드시 먼저 함수 실행 정책 및 권한설정

1번작업
2번 작업
3번 작업
이때 반드시 본인의 Account ID 및 지식 기반 ID 입력하도록 하자.
{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": "lambda:InvokeFunction", "Resource": [ "arn:aws:lambda:ap-northeast-2:595362810845:function:PetStoreInventoryManagementFunction", "arn:aws:lambda:ap-northeast-2:595362810845:function:PetStoreUserManagementFunction" ] }, { "Effect": "Allow", "Action": "bedrock:Retrieve", "Resource": [ "arn:aws:bedrock:ap-northeast-2:595362810845:knowledge-base/HFNUGBRYNN", "arn:aws:bedrock:ap-northeast-2:595362810845:knowledge-base/FPHSIK5M5P" ] } ] }
JavaScript
복사
4번 작업 : 정책이름
lambda_execute_policy
JavaScript
복사
5번 작업
6번 작업 : 정책을 생성했으므로 이어서 역활생성을 해보자
7번 작업
8번 작업
9번 작업 : 역할이름은 아래와 같이 지정한다.
lambda_execute_role
JavaScript
복사
10번 작업

PART 7. User Management Lambda 생성

•
AWS Console 에서 Lambda 선택
•
Lambda → 함수 생성
•
사용자 관리 시스템 함수 : 함수 이름 → PetStoreUserManagementFunction.py
PetStoreUserManagementFunction
JavaScript
복사
import json USERS = { "USER-001": { "user_id": "USER-001", "name": "김철수", "membership": "GOLD", "points": 12500, "pet_type": "강아지", "pet_name": "초코" }, "USER-002": { "user_id": "USER-002", "name": "이영희", "membership": "SILVER", "points": 5300, "pet_type": "고양이", "pet_name": "나비" }, "USER-003": { "user_id": "USER-003", "name": "박민수", "membership": "BRONZE", "points": 1200, "pet_type": "강아지", "pet_name": "콩이" } } def lambda_handler(event, context): print("Received event:") print(json.dumps(event, ensure_ascii=False)) user_id = event.get("user_id", "") if not user_id: return { "success": False, "message": "user_id가 필요합니다." } user = USERS.get(user_id) if user is None: return { "success": False, "user_id": user_id, "message": "해당 회원을 찾을 수 없습니다." } return { "success": True, "user_id": user["user_id"], "name": user["name"], "membership": user["membership"], "points": user["points"], "pet_type": user["pet_type"], "pet_name": user["pet_name"] }
JavaScript
복사
기능은 2개입니다.
getUserById getUserByEmail
JavaScript
복사
간단한 실습용 데이터는
•
Lambda에서 Test → Create new event를 선택하고 다음 JSON을 입력합니다.
{ "user_id": "USER-001" }
JavaScript
복사
아래와 같이 반환되면 성공
{ "success": true, "user_id": "USER-001", "name": "김철수", "membership": "GOLD", "points": 12500, "pet_type": "강아지", "pet_name": "초코" }
JavaScript
복사

PART 8. Inventory Lambda 생성

•
두 번째 Lambda입니다.
•
함수 이름:
PetStoreInventoryManagementFunction
JavaScript
복사
•
재고 관리 시스템 함수 : 고객 서비스 작업을 처리하는 함수 → PetStoreInventoryManagementFunction.py
# ============================================================ # Pet Store Inventory Management Lambda # ============================================================ import json from datetime import datetime, timezone # ============================================================ # 01. 재고 데이터 # ============================================================ # # product_code는 ProductInformation Knowledge Base의 # Product Catalog와 동일하게 사용합니다. # # 가격은 여기에서 관리하지 않습니다. # # 가격: # ProductInformation Knowledge Base # # 현재 재고: # 이 Lambda # # ============================================================ INVENTORY = { # -------------------------------------------------------- # Cat Products # -------------------------------------------------------- "CM001": { "product_code": "CM001", "name": "Meow Munchies", "quantity": 25, "reorder_level": 10 }, "PT003": { "product_code": "PT003", "name": "Purr-fect Playtime", "quantity": 15, "reorder_level": 5 }, "KK005": { "product_code": "KK005", "name": "Kitty Krunchers", "quantity": 40, "reorder_level": 10 }, "SS007": { "product_code": "SS007", "name": "Scratch Sensation", "quantity": 8, "reorder_level": 5 }, "CC009": { "product_code": "CC009", "name": "Catnip Craze", "quantity": 22, "reorder_level": 8 }, "LL011": { "product_code": "LL011", "name": "Litter Lifter", "quantity": 18, "reorder_level": 5 }, "FF013": { "product_code": "FF013", "name": "Feline Fiesta", "quantity": 12, "reorder_level": 5 }, # -------------------------------------------------------- # Dog Products # -------------------------------------------------------- "DB002": { "product_code": "DB002", "name": "Bark Bites", "quantity": 30, "reorder_level": 10 }, "WL004": { "product_code": "WL004", "name": "Wag-a-licious", "quantity": 16, "reorder_level": 5 }, "DD006": { "product_code": "DD006", "name": "Doggy Delights", "quantity": 20, "reorder_level": 10 }, "FF008": { "product_code": "FF008", "name": "Fetch Frenzy", "quantity": 28, "reorder_level": 10 }, "BP010": { "product_code": "BP010", "name": "Bark Park Buddy", "quantity": 14, "reorder_level": 5 }, "PP012": { "product_code": "PP012", "name": "Paw-some Pampering", "quantity": 11, "reorder_level": 5 }, "CC014": { "product_code": "CC014", "name": "Canine Carnival", "quantity": 9, "reorder_level": 5 }, # -------------------------------------------------------- # Cat & Dog # -------------------------------------------------------- "PM015": { "product_code": "PM015", "name": "Paw-ty Mix", "quantity": 24, "reorder_level": 8 } } # ============================================================ # 02. Lambda Handler # ============================================================ def lambda_handler(event, context): try: # ---------------------------------------------------- # product_code 가져오기 # ---------------------------------------------------- product_code = event.get( "product_code" ) if not product_code: return { "success": False, "message": "product_code가 필요합니다." } # ---------------------------------------------------- # 상품코드 정리 # ---------------------------------------------------- product_code = str( product_code ).strip().upper() # ---------------------------------------------------- # 상품 조회 # ---------------------------------------------------- product = INVENTORY.get( product_code ) if not product: return { "success": False, "product_code": product_code, "message": ( f"{product_code} 상품의 " "재고 정보를 찾을 수 없습니다." ) } # ---------------------------------------------------- # 재고수량 # ---------------------------------------------------- quantity = product[ "quantity" ] reorder_level = product[ "reorder_level" ] # ---------------------------------------------------- # 재고상태 결정 # ---------------------------------------------------- if quantity <= 0: status = "OUT_OF_STOCK" elif quantity <= reorder_level: status = "LOW_STOCK" else: status = "IN_STOCK" # ---------------------------------------------------- # 최종 결과 # ---------------------------------------------------- return { "success": True, "product_code": product_code, "name": product["name"], "quantity": quantity, "reorder_level": reorder_level, "status": status, "last_updated": ( datetime.now( timezone.utc ).isoformat() ) } except Exception as error: return { "success": False, "message": "재고 조회 중 오류가 발생했습니다.", "error_type": type(error).__name__ }
JavaScript
복사
•
저장 후 반드시 Deploy 버튼을 누릅니다.
•
Lambda에서 Test → Create new event를 선택하고 다음 JSON을 입력합니다.
{ "product_code": "BP010" }
JavaScript
복사
•
아래와 같이 결과 값을 반환하면 성공
{ "success": true, "product_code": "BP010", "name": "Bark Park Buddy", "quantity": 25, "reorder_level": 10, "status": "IN_STOCK", "last_updated": "2026-09-29T06:56:10.474004+00:00" }
JavaScript
복사
11번 작업 : 함수 생성 이후 작업 → PART 7 작업이후 작업 진행하자.
12번 작업
13번 작업
14번 작업
15번 최종 권한 확인

PART 9. 지금까지 AWS 리소스 확인

여기서 AWS Bedrock AgentCore를 만들기 전에 잠깐 확인하고 넘어 갑시다.
AWS │ ├─ S3 │ └─ ragpetstore │ ├─ Product Catalog.pdf │ └─ Product Content.pdf │ ├─ Lambda │ ├─ PetStoreUserManagementFunction │ └─ PetStoreInventoryManagementFunction │ └─ Bedrock Knowledge Bases ├─ ProductInformation └─ PetCaringKnowledge
JavaScript
복사

PART 10. AgentCore 프로젝트 생성을 명령어로 설치하는 방법

AgentCore 작업을 명령어로 실행

1.
AgentCore CLI 버전 설치
npm install -g @aws/agentcore@0.31.1
JavaScript
복사
2.
CDK 설치:
npm install -g aws-cdk
JavaScript
복사
3.
반드시 C:/ 폴더에서 아래 명령어 실행
agentcore create --project-name PetStoreProject --name PetStoreAgent --language Python --framework Strands --model-provider Bedrock --memory none --build CodeZip
JavaScript
복사
agentcore create ` --project-name PetStoreProject ` --name PetStoreAgent ` --language Python ` --framework Strands ` --model-provider Bedrock ` --memory none ` --build CodeZip
JavaScript
복사
(중요사항) 절대 아래 위치에서 실행하지 마세요.
C:\PetStoreProject>
Plain Text
복사
각 옵션의 의미
옵션
의미
--project-name PetStoreProject
전체 프로젝트 이름
--name PetStoreAgent
AI Agent 이름
--language Python
Python 사용
--framework Strands
Strands Agents 사용
--model-provider Bedrock
Amazon Bedrock 모델 사용
--memory none
AgentCore Memory 사용 안 함
--build CodeZip
Docker 없이 ZIP 방식으로 배포
2.
생성 결과 확인
Test-Path C:\PetStoreProject
Plain Text
복사
True
Plain Text
복사
3.
설치 디렉토리 구조 확인 : AgentCore 버전에 따라 세부 파일은 달라질 수 있지만, 다음과 같은 구조가 생성되었는지 확인
C:\PetStoreProject │ ├─ agentcore\ ├─ app\ │ └─ PetStoreAgent\ │ ├─ .venv\ │ ├─ mcp_client\ │ ├─ model\ │ ├─ skills\ │ ├─ .gitignore │ ├─ main.py │ ├─ pyproject.toml │ ├─ README.md │ └─ uv.lock │ ├─ AGENTS.md └─ README.md
Plain Text
복사
4.
가상화 설정 확인
C:\PetStoreProject\app\PetStoreAgent\.venv
JavaScript
복사
5.
아래 폴더 위치에서 작업
cd C:\PetStoreProject\app\PetStoreAgent .\.venv\Scripts\Activate.ps1
JavaScript
복사
6.
실행확인
python -c "import sys; print(sys.executable)"
JavaScript
복사
7.
실행결과
C:\PetStoreProject\app\PetStoreAgent\.venv\Scripts\python.exe
JavaScript
복사
cd C:\PetStoreProject\app\PetStoreAgent .\.venv\Scripts\Activate.ps1
JavaScript
복사
PS C:\PetStoreProject> cd C:\PetStoreProject\app\PetStoreAgent PS C:\PetStoreProject\app\PetStoreAgent> PS C:\PetStoreProject\app\PetStoreAgent> .\.venv\Scripts\Activate.ps1 (.venv) PS C:\PetStoreProject\app\PetStoreAgent> (.venv) PS C:\PetStoreProject\app\PetStoreAgent> python -c "import sys; print(sys.executable)" C:\PetStoreProject\app\PetStoreAgent\.venv\Scripts\python.exe
JavaScript
복사
8.
pip 설치 내용도 확인
python -m pip --version
JavaScript
복사
9.
실행결과
No module named pip
JavaScript
복사
10.
2가지 작업에 대한 확인 (참고)
cd C:\PetStoreProject\app\PetStoreAgent .\.venv\Scripts\Activate.ps1 python -c "import sys; print(sys.executable)" python -m pip --version
JavaScript
복사
11.
앞으로 만들 테스트 파일도 이곳에 위치
C:\PetStoreProject\app\PetStoreAgent\ ├─ main.py ├─ .env ├─ test_user_lambda.py └─ test_inventory_lambda.py
JavaScript
복사
12.
특히 아래 두 명령어를 실행하면 main.py와 .venv의 실제 위치를 정확하게 알 수 있습니다.
Get-ChildItem C:\PetStoreProject -Filter main.py -Recurse | Select-Object FullName
JavaScript
복사
Get-ChildItem C:\PetStoreProject -Directory -Recurse -Force | Where-Object { $_.Name -eq ".venv" } | Select-Object FullName
JavaScript
복사
13.
모든 패키지도 여기에 설치
C:\PetStoreProject │ ├─ agentcore\ │ ├─ app\ │ └─ PetStoreAgent\ │ ├─ .venv\ ← 사용할 가상환경 │ ├─ main.py ← Agent 코드 │ ├─ pyproject.toml ← 있다면 프로젝트 의존성 설정 │ ├─ model\ │ ├─ skills\ │ └─ mcp_client\ │ ├─ AGENTS.md └─ README.md
JavaScript
복사
14.
앞으로 작업을 시작할 때는 다음 순서로 고정
cd C:\PetStoreProject\app\PetStoreAgent .\.venv\Scripts\Activate.ps1
JavaScript
복사
python -c "import sys; print(sys.executable)"
JavaScript
복사
15.
실행결과
C:\PetStoreProject\app\PetStoreAgent\.venv\Scripts\python.exe
JavaScript
복사
16.
pip 설치 및 업그레이드 (C:\PetStoreProject\app\PetStoreAgent) → 가상화 환경 디렉토리에서 라이브러리 설치 진행
python -m ensurepip --upgrade
JavaScript
복사
python -m pip --version
JavaScript
복사
python -m pip install --upgrade pip
JavaScript
복사
17.
필요한 패키지를 현재 폴더에 가상화 환경이 구성되어 있는곳에서 설치
python -m pip install boto3 python-dotenv strands-agents bedrock-agentcore
JavaScript
복사
18.
설치확인
python -m pip --version
JavaScript
복사
19.
문법검사
python -m py_compile main.py
JavaScript
복사
20.
작업디렉토리 구조
C:\PetStoreProject │ ├─ agentcore\ ├─ app\ │ └─ PetStoreAgent\ │ ├─ .venv\ ← AgentCore가 만든 가상환경 │ ├─ mcp_client\ │ ├─ model\ │ ├─ skills\ │ ├─ .gitignore │ ├─ main.py ← 실제 Agent 프로그램 │ ├─ pyproject.toml ← Python 의존성 정의 │ ├─ README.md │ └─ uv.lock ← uv 의존성 잠금 파일 │ ├─ AGENTS.md └─ README.md
JavaScript
복사
21.
AgentCore 상태 확인
agentcore status
JavaScript
복사
22. Python 프로젝트의 경우 필요한 개발 환경을 준비하고 의존성을 설치한 뒤 로컬 서버와 Agent Inspector를 아래 명령어로 실행
agentcore dev
JavaScript
복사
넌누구니?
JavaScript
복사
에러원인
현재 AgentCore Inspector 오류의 원인은 Amazon Bedrock에서 사용 중인 AI 모델이 Legacy(구형 모델)로 분류되어 호출이 차단되었기 때문
따라서 아래와 같이 main.py 소스코드를 수정해 주어야 한다.
23 : main.py 선택 및 수정
main.py 작성 (최종본)
# ============================================================ # Pet Store AI Agent # Final Deployment Version # ============================================================ # # 주요 기능 # ------------------------------------------------------------ # 1. ProductInformation Knowledge Base 검색 # 2. PetCaringKnowledge Knowledge Base 검색 # 3. Inventory Lambda를 이용한 실시간 재고 조회 # 4. User Lambda를 이용한 회원 정보 조회 # 5. Amazon Nova Pro 기반 AI Agent # 6. AWS Bedrock AgentCore Runtime 배포 # # # 전체 구조 # ------------------------------------------------------------ # # 사용자 # ↓ # PetStore AI Agent # │ # ├── product_search() # │ └── ProductInformation KB # │ # ├── pet_care_search() # │ └── PetCaringKnowledge KB # │ # ├── inventory_lookup() # │ └── PetStoreInventoryManagementFunction # │ # └── user_lookup() # └── PetStoreUserManagementFunction # # ============================================================ # ============================================================ # 01. 필요한 라이브러리 Import # ============================================================ import json import os import re import boto3 from botocore.exceptions import ClientError from strands import Agent, tool from strands.models import BedrockModel from bedrock_agentcore.runtime import BedrockAgentCoreApp # ============================================================ # 02. 기본 환경 설정 # ============================================================ # AWS Region REGION = os.getenv( "PETSTORE_REGION", "ap-northeast-2" ) # ------------------------------------------------------------ # ProductInformation Knowledge Base # ------------------------------------------------------------ PRODUCT_KB_ID = os.getenv( "PRODUCT_KB_ID", "H6IWBKNDPD" ) # ------------------------------------------------------------ # PetCaringKnowledge Knowledge Base # ------------------------------------------------------------ PET_CARE_KB_ID = os.getenv( "PET_CARE_KB_ID", "ZW3BDOIVGS" ) # ------------------------------------------------------------ # Inventory Lambda # ------------------------------------------------------------ INVENTORY_LAMBDA_NAME = os.getenv( "INVENTORY_LAMBDA_NAME", "PetStoreInventoryManagementFunction" ) # ------------------------------------------------------------ # User Lambda # ------------------------------------------------------------ USER_LAMBDA_NAME = os.getenv( "USER_LAMBDA_NAME", "PetStoreUserManagementFunction" ) # ------------------------------------------------------------ # Amazon Nova Pro # ------------------------------------------------------------ MODEL_ID = os.getenv( "NOVA_MODEL_ID", "apac.amazon.nova-pro-v1:0" ) # ============================================================ # 03. AgentCore Application 생성 # ============================================================ app = BedrockAgentCoreApp() # ============================================================ # 04. AWS Client 생성 # ============================================================ # ------------------------------------------------------------ # Lambda Client # ------------------------------------------------------------ lambda_client = boto3.client( "lambda", region_name=REGION ) # ------------------------------------------------------------ # Bedrock Knowledge Base Runtime Client # ------------------------------------------------------------ kb_client = boto3.client( "bedrock-agent-runtime", region_name=REGION ) # ============================================================ # 05. Amazon Nova Pro 모델 생성 # ============================================================ model = BedrockModel( model_id=MODEL_ID, region_name=REGION, temperature=0.1 ) # ============================================================ # 06. Lambda 공통 호출 함수 # ============================================================ def invoke_lambda(function_name: str, payload: dict) -> dict: """ AWS Lambda를 동기 방식으로 호출합니다. Parameters ---------- function_name: 호출할 Lambda 함수 이름 payload: Lambda로 전달할 JSON 데이터 Returns ------- dict Lambda에서 반환된 JSON 결과 """ try: response = lambda_client.invoke( FunctionName=function_name, InvocationType="RequestResponse", Payload=json.dumps( payload, ensure_ascii=False ).encode("utf-8") ) # ---------------------------------------------------- # Lambda 응답 읽기 # ---------------------------------------------------- raw_payload = response["Payload"].read() if not raw_payload: return { "success": False, "message": "Lambda 응답이 없습니다." } result = json.loads( raw_payload.decode("utf-8") ) # ---------------------------------------------------- # Lambda 자체 실행 오류 확인 # ---------------------------------------------------- if response.get("FunctionError"): return { "success": False, "message": "Lambda 실행 중 오류가 발생했습니다.", "detail": result } # ---------------------------------------------------- # API Gateway 형식의 Lambda 응답도 처리 # # 예: # # { # "statusCode": 200, # "body": "{\"success\": true}" # } # ---------------------------------------------------- if ( isinstance(result, dict) and "body" in result ): body = result["body"] if isinstance(body, str): try: result = json.loads(body) except json.JSONDecodeError: result = { "success": True, "body": body } return result except ClientError as error: print( f"[Lambda ClientError] " f"{function_name}: {error}" ) return { "success": False, "message": str(error) } except Exception as error: print( f"[Lambda Error] " f"{function_name}: {error}" ) return { "success": False, "message": str(error) } # ============================================================ # 07. Knowledge Base 공통 검색 함수 # ============================================================ def retrieve_kb( knowledge_base_id: str, query: str, number_of_results: int = 10 ) -> list: """ Amazon Bedrock Knowledge Base를 검색합니다. 검색된 원문을 삭제하거나 변경하지 않고 Agent에게 전달하기 위한 공통 함수입니다. """ try: response = kb_client.retrieve( knowledgeBaseId=knowledge_base_id, retrievalQuery={ "text": query }, retrievalConfiguration={ "vectorSearchConfiguration": { "numberOfResults": number_of_results } } ) results = [] # ---------------------------------------------------- # 검색 결과 정리 # ---------------------------------------------------- for item in response.get( "retrievalResults", [] ): content = item.get( "content", {} ) text = content.get( "text", "" ) if not text: continue results.append( { "text": text, "score": item.get("score") } ) return results except ClientError as error: print( f"[Knowledge Base ClientError] " f"{knowledge_base_id}: {error}" ) return [] except Exception as error: print( f"[Knowledge Base Error] " f"{knowledge_base_id}: {error}" ) return [] # ============================================================ # 08. 상품 종류 참고 판별 함수 # ============================================================ def detect_product_type(text: str) -> str: """ Knowledge Base의 상품 설명에서 상품 종류를 참고용으로 판별합니다. 중요: 이 함수의 결과만으로 KB 검색 결과를 삭제하지 않습니다. 최종 상품 분류는 Nova Pro가 원본 text를 읽고 SYSTEM_PROMPT의 규칙에 따라 결정합니다. """ if not text: return "other" value = text.lower() # ======================================================== # 1. 강아지/고양이 사료 # # 간식보다 먼저 food를 검사합니다. # ======================================================== if ( "wet dog food" in value or "dry dog food" in value or "dog food" in value ): return "dog_food" if ( "wet cat food" in value or "dry cat food" in value or "cat food" in value ): return "cat_food" # ======================================================== # 2. 간식 # ======================================================== if ( "dog treats" in value or "dog treat" in value or "chew bones" in value or "dog chews" in value ): return "dog_treat" if ( "cat treats" in value or "cat treat" in value ): return "cat_treat" # ======================================================== # 3. 장난감 # ======================================================== if ( "puzzle toys" in value or "toys" in value or "toy" in value or "ball" in value or "scratching post" in value ): return "toy" # ======================================================== # 4. 기타 # ======================================================== return "other" # ============================================================ # 09. Product Knowledge Base Tool # ============================================================ @tool def product_search(query: str) -> str: """ Pet Store 상품 정보를 검색합니다. 상품명, 상품 코드, 상품 설명, 카테고리, 가격 등의 기본 상품 정보를 조회할 때 사용합니다. 중요: 이 Tool에서는 KB 검색 결과를 강제로 제거하지 않습니다. 모든 검색 결과의 원본 text를 Agent에게 전달합니다. 현재 실제 재고는 이 Tool에서 판단하지 않습니다. 재고는 inventory_lookup을 사용해야 합니다. """ print( f"[TOOL] product_search: {query}" ) # -------------------------------------------------------- # ProductInformation Knowledge Base 검색 # -------------------------------------------------------- results = retrieve_kb( PRODUCT_KB_ID, query, number_of_results=15 ) # -------------------------------------------------------- # 검색 실패 # -------------------------------------------------------- if not results: return json.dumps( { "success": False, "message": ( "ProductInformation Knowledge Base에서 " "상품 정보를 검색할 수 없습니다." ) }, ensure_ascii=False ) # -------------------------------------------------------- # 검색 결과를 삭제하지 않고 그대로 Agent에게 전달 # -------------------------------------------------------- formatted_results = [] for result in results: text = result.get( "text", "" ) formatted_results.append( { # KB 원본 상품 정보 "text": text, # Python이 판단한 참고용 상품 종류 "detected_product_type": detect_product_type(text), # Vector Search 점수 "score": result.get("score") } ) # -------------------------------------------------------- # Agent에게 JSON 형식으로 전달 # -------------------------------------------------------- return json.dumps( { "success": True, "query": query, "results": formatted_results, "classification_rule": ( "검색 결과를 상품명만으로 분류하지 마십시오. " "반드시 각 results 항목의 text에 포함된 " "상품 설명을 확인하십시오. " "dry/wet dog food는 강아지 사료입니다. " "dog treats와 chews는 강아지 간식입니다. " "dry/wet cat food는 고양이 사료입니다. " "cat treats는 고양이 간식입니다. " "toys는 장난감입니다. " "detected_product_type은 참고 정보이며 " "최종 분류는 text 원문을 기준으로 결정하십시오." ) }, ensure_ascii=False ) # ============================================================ # 10. Pet Care Knowledge Base Tool # ============================================================ @tool def pet_care_search(query: str) -> str: """ 반려동물 관리 및 돌봄 정보를 검색합니다. 예: - 강아지 건강 관리 - 고양이 관리 - 식사 관리 - 생활 습관 - 일반적인 반려동물 돌봄 정보 """ print( f"[TOOL] pet_care_search: {query}" ) results = retrieve_kb( PET_CARE_KB_ID, query, number_of_results=8 ) if not results: return json.dumps( { "success": False, "message": ( "PetCaringKnowledge Knowledge Base에서 " "반려동물 관리 정보를 검색할 수 없습니다." ) }, ensure_ascii=False ) return json.dumps( { "success": True, "query": query, "results": results }, ensure_ascii=False ) # ============================================================ # 11. Inventory Lambda Tool # ============================================================ @tool def inventory_lookup( product_code: str ) -> str: """ 상품 코드로 현재 실제 재고를 조회합니다. 반환 정보 예: - 상품 코드 - 상품명 - 현재 재고 - 재주문 기준 - 재고 상태 - 마지막 업데이트 """ product_code = ( product_code .strip() .upper() ) print( f"[TOOL] inventory_lookup: " f"{product_code}" ) if not product_code: return json.dumps( { "success": False, "message": "상품 코드가 필요합니다." }, ensure_ascii=False ) result = invoke_lambda( INVENTORY_LAMBDA_NAME, { "product_code": product_code } ) return json.dumps( result, ensure_ascii=False ) # ============================================================ # 12. User Lambda Tool # ============================================================ @tool def user_lookup( user_id: str ) -> str: """ 회원 ID로 회원 정보를 조회합니다. 반환 정보 예: - 회원 ID - 회원 이름 - 회원 등급 - 포인트 - 반려동물 종류 - 반려동물 이름 """ user_id = ( user_id .strip() .upper() ) print( f"[TOOL] user_lookup: " f"{user_id}" ) if not user_id: return json.dumps( { "success": False, "message": "회원 ID가 필요합니다." }, ensure_ascii=False ) result = invoke_lambda( USER_LAMBDA_NAME, { "user_id": user_id } ) return json.dumps( result, ensure_ascii=False ) # ============================================================ # 13. Agent System Prompt # ============================================================ SYSTEM_PROMPT = """ 당신은 Pet Store AI Agent입니다. 사용자의 질문을 분석하고 필요한 Tool만 사용하여 정확한 답변을 한국어로 제공하십시오. ============================================================ 1. Tool 사용 규칙 ============================================================ 상품명, 상품 코드, 상품 설명, 상품 카테고리, 가격에 관한 질문: → product_search를 사용하십시오. 현재 재고 수량, 재주문 기준, 재고 상태에 관한 질문: → inventory_lookup을 사용하십시오. 회원 이름, 회원 등급, 포인트, 반려동물 정보에 관한 질문: → user_lookup을 사용하십시오. 반려동물 관리, 건강, 생활 습관, 돌봄 정보에 관한 질문: → pet_care_search를 사용하십시오. ============================================================ 2. 상품 분류의 가장 중요한 규칙 ============================================================ product_search가 반환한 상품을 상품명만 보고 분류하지 마십시오. 반드시 results의 text에 포함된 상품 설명을 읽고 최종 상품 종류를 결정하십시오. detected_product_type은 참고 정보입니다. 최종 판단은 반드시 원본 text를 기준으로 하십시오. ============================================================ 3. 강아지 사료 분류 규칙 ============================================================ 다음 설명은 강아지 사료입니다. - dog food - dry dog food - wet dog food - grain-free dry dog food 예: Doggy Delights 설명: Grain-free dry dog food → 강아지 사료 → "강아지 사료" 질문에 포함 다음은 강아지 사료가 아닙니다. - dog treats - dog treat - chew - chews - chew bones - toys - puzzle toys 예: Bark Bites 설명: Savory dog treats → 강아지 간식 → "강아지 사료" 질문에서 제외 Canine Carnival 설명: toys / chews → 장난감 또는 간식 → "강아지 사료" 질문에서 제외 ============================================================ 4. 고양이 사료 분류 규칙 ============================================================ 다음 설명은 고양이 사료입니다. - cat food - dry cat food - wet cat food 예: Meow Munchies 설명: Gourmet wet cat food → 고양이 사료 → "고양이 사료" 질문에 포함 다음은 고양이 사료가 아닙니다. - cat treats - cat treat - toys - cat toys 예: Kitty Krunchers 설명: Crunchy cat treats → 고양이 간식 → "고양이 사료" 질문에서 제외 Feline Fiesta 설명: toys and treats → 장난감/간식 → "고양이 사료" 질문에서 제외 ============================================================ 5. 재고 조회 규칙 ============================================================ Knowledge Base의 상품 설명을 이용하여 현재 재고를 추측해서는 안 됩니다. 현재 재고에 대한 질문이 들어오면: 1. product_search로 필요한 상품을 찾습니다. 2. 상품 설명을 기준으로 요청한 카테고리에 해당하는 상품만 선택합니다. 3. 선택된 상품의 상품 코드를 확인합니다. 4. 상품 코드별로 inventory_lookup을 한 번씩 호출합니다. 5. inventory_lookup의 quantity를 현재 재고로 사용합니다. inventory_lookup이 success=false를 반환하면: "해당 상품의 현재 재고 데이터는 확인할 수 없습니다." 라고 설명하십시오. 재고를 임의로 생성하지 마십시오. ============================================================ 6. 가격 규칙 ============================================================ 상품 가격은 반드시 ProductInformation Knowledge Base의 product_search 결과를 사용하십시오. 가격을 임의로 생성하지 마십시오. Inventory Lambda의 quantity는 재고 수량이며 가격이 아닙니다. ============================================================ 7. 전체 재고금액 계산 규칙 ============================================================ 사용자가 전체 재고금액을 요청하면 다음 공식을 사용하십시오. 상품별 재고금액 = 상품 단가 × 현재 재고 수량 전체 재고금액 = 모든 상품별 재고금액의 합계 예: 상품 가격 = $54.99 현재 재고 = 20개 계산: $54.99 × 20 = $1,099.80 계산 결과를 제공할 때 반드시 사용한 가격과 재고 수량을 같이 보여주십시오. ============================================================ 8. Tool 호출 순서 ============================================================ 예를 들어 사용자가 다음과 같이 질문합니다. "강아지 사료 상품명, 가격, 현재 재고와 전체 재고금액을 알려줘" 다음 순서로 처리하십시오. STEP 1 product_search 호출 STEP 2 검색 결과의 text를 확인 STEP 3 실제 강아지 사료만 선택 STEP 4 선택한 상품의 product_code 확인 STEP 5 각 product_code에 대해 inventory_lookup 호출 STEP 6 가격 × quantity 계산 STEP 7 최종 답변 작성 ============================================================ 9. Tool 반복 호출 방지 ============================================================ 동일한 질문에 대해 동일한 Tool을 동일한 인자로 반복 호출하지 마십시오. product_search 결과에서 필요한 상품 코드와 가격을 이미 확보했다면 product_search를 다시 호출하지 마십시오. inventory_lookup 결과를 받은 상품 코드는 다시 inventory_lookup하지 마십시오. 필요한 정보가 확보되면 Tool 호출을 종료하고 최종 답변을 작성하십시오. ============================================================ 10. 정확성 규칙 ============================================================ Tool이 반환하지 않은 다음 정보를 임의로 생성하지 마십시오. - 상품 - 상품 코드 - 가격 - 재고 - 회원 정보 - 포인트 검색 또는 조회되지 않은 정보는 "확인할 수 없습니다." 라고 답하십시오. Tool 호출에 실패한 경우 성공한 것처럼 답하지 마십시오. ============================================================ 11. 회원 정보 규칙 ============================================================ 회원 정보를 요청받으면 반드시 user_lookup을 사용하십시오. 예: "USER-001 회원 정보를 알려줘" → user_lookup("USER-001") Lambda가 반환한: - name - membership - points - pet_type - pet_name 을 사용하여 답변하십시오. ============================================================ 12. 반려동물 관리 규칙 ============================================================ 반려동물 건강, 관리, 돌봄 등에 관한 질문은 pet_care_search를 사용하십시오. Knowledge Base 검색 결과를 근거로 답변하고 검색되지 않은 전문적인 의료 내용을 임의로 생성하지 마십시오. ============================================================ 13. 최종 답변 형식 ============================================================ 답변은 한국어로 작성하십시오. 상품이 여러 개인 경우 가능한 한 다음 정보를 구분하여 표시하십시오. - 상품 코드 - 상품명 - 상품 분류 - 가격 - 현재 재고 - 상품별 재고금액 전체 재고금액을 요청한 경우 마지막에 전체 금액을 표시하십시오. 불필요한 사과 문구를 반복하지 마십시오. Tool 이름이나 내부 처리 과정을 최종 사용자에게 설명하지 마십시오. 내부 추론 과정도 표시하지 마십시오. 최종 답변 안에 문자 그대로의 다음 escape 문자열을 출력하지 마십시오. \\n /n \\r \\t """ # ============================================================ # 14. Pet Store Agent 생성 # ============================================================ agent = Agent( model=model, tools=[ product_search, pet_care_search, inventory_lookup, user_lookup ], system_prompt=SYSTEM_PROMPT ) # ============================================================ # 15. Agent 응답 정리 함수 # ============================================================ def clean_response(response) -> str: """ Strands Agent가 반환한 결과를 최종 사용자 응답 문자열로 정리합니다. """ text = str(response).strip() # ======================================================== # JSON 문자열이 여러 번 감싸진 경우 처리 # ======================================================== for _ in range(3): try: decoded = json.loads(text) # ------------------------------------------------ # JSON 문자열 # ------------------------------------------------ if isinstance(decoded, str): text = decoded.strip() continue # ------------------------------------------------ # {"answer": "..."} 형태 # ------------------------------------------------ if ( isinstance(decoded, dict) and "answer" in decoded ): text = str( decoded["answer"] ).strip() continue break except Exception: break # ======================================================== # thinking 태그 제거 # ======================================================== text = re.sub( r"<thinking>.*?</thinking>", "", text, flags=re.DOTALL | re.IGNORECASE ) text = re.sub( r"</?thinking>", "", text, flags=re.IGNORECASE ) # ======================================================== # 실제 문자열 escape가 포함된 경우 정리 # ======================================================== for _ in range(3): old_text = text text = text.replace( "\\r\\n", "\n" ) text = text.replace( "\\n", "\n" ) text = text.replace( "\\r", "\n" ) text = text.replace( "\\t", " " ) text = text.replace( "/n", "\n" ) if text == old_text: break # ======================================================== # CR 제거 # ======================================================== text = text.replace( "\r", "" ) text = text.strip() # ======================================================== # 바깥쪽 따옴표 제거 # ======================================================== while ( len(text) >= 2 and text.startswith('"') and text.endswith('"') ): text = text[1:-1].strip() # ======================================================== # 줄 끝 공백 제거 # ======================================================== lines = [ line.rstrip() for line in text.splitlines() ] text = "\n".join( lines ) # ======================================================== # 빈 줄이 너무 많이 생성되는 것 방지 # ======================================================== text = re.sub( r"\n{3,}", "\n\n", text ) return text.strip() # ============================================================ # 16. AgentCore Runtime Entrypoint # ============================================================ @app.entrypoint def invoke(payload): """ AWS Bedrock AgentCore Runtime에서 요청을 받는 진입점입니다. """ try: # ==================================================== # 입력 Prompt 추출 # ==================================================== if isinstance( payload, dict ): prompt = ( payload.get("prompt") or payload.get("message") or payload.get("input") or "" ) else: prompt = str( payload ) prompt = str( prompt ).strip() # ==================================================== # 빈 질문 방지 # ==================================================== if not prompt: return "질문을 입력해 주세요." # ==================================================== # 요청 로그 # ==================================================== print( f"[REQUEST] {prompt}" ) # ==================================================== # Agent 실행 # ==================================================== response = agent( prompt ) # ==================================================== # 최종 응답 정리 # ==================================================== answer = clean_response( response ) # ==================================================== # 응답 로그 # ==================================================== print( f"[RESPONSE] {answer}" ) # ==================================================== # AgentCore 최종 응답 # ==================================================== return answer except Exception as error: print( f"[Agent Error] " f"{type(error).__name__}: " f"{error}" ) return ( "요청 처리 중 오류가 발생했습니다. " "AgentCore Runtime 로그를 확인해 주세요." ) # ============================================================ # 17. Local 실행 # ============================================================ if __name__ == "__main__": app.run()
JavaScript
복사
main.py 작성 (최종본) 수정 적용 후 검색 결과 화면
(.venv) PS C:\PetStoreProject> agentcore dev
JavaScript
복사
agentcore dev
JavaScript
복사
넌 누구니?
JavaScript
복사
[참고사항]
•
현재 작업 디렉토리에 대한 가상화 설정 명령어
cd C:\PetStoreProject\app\PetStoreAgent .\.venv\Scripts\Activate.ps1
JavaScript
복사
•
AI Agent 실행 명령어
(.venv) PS C:\PetStoreProject> agentcore dev
JavaScript
복사
•
각각 ProductInformation KB → Inventory Lambda → User Lambda → KB+Lambda 연계가 정상인지 단계적으로 확인할 수 있습니다.
강아지 사료를 고를 때 중요한 기준을 알려줘
JavaScript
복사
•
현재 Agent가 실제 데이터를 지어내지 않는지 확인합니다.
현재 강아지 사료 재고가 몇 개 남았어?
JavaScript
복사
현재 강아지 사료 재고가 몇 개 남았어?[w
JavaScript
복사

[중요시힝] 다만 아직 agentcore deploy 하지 않은 상태이므로 로컬에서만 답변을 조회 할 수 있다.

따라서 아래와 같이 배포를 진해애 보자
•
(.venv) PS C:\PetStoreProject> agentcore deploy --dry-run
agentcore deploy --dry-run
JavaScript
복사
현재 강아지 사료 재고가 몇 개 남았어?[w
JavaScript
복사
•
(.venv) PS C:\PetStoreProject> agentcore deploy
agentcore deploy
JavaScript
복사
•
Ctrl + C 중지 시킨다.
Ctrl + C
JavaScript
복사
•
하지만 역시 Local 에서는 재고 수량 정보를 넘겨주지만 deploy 에서는 반영이 안된다. 따라서 아래와 같이 추가 작업 필요
현재 강아지 사료 재고가 몇 개 남았어?
JavaScript
복사
결과값
현재 강아지 사료의 재고를 확인할 수 없습니다. 다른 방법으로 확인해 보시길 바랍니다.
JavaScript
복사
CloudFormation 스택 내용 확인

[참고사항]

(중요) agentcore invoke --prompt 조회가 안되면 아래와 같이 작업을 진행해 본다.
1번 : IAM에서 > 역활에서 AgentCore-PetStoreProject 조회
2번 : JSON (이때 반드시 본인의 KB ID 입력 필요)
{ "Version": "2012-10-17", "Statement": [ { "Effect": "Allow", "Action": "lambda:InvokeFunction", "Resource": [ "arn:aws:lambda:ap-northeast-2:595362810845:function:PetStoreInventoryManagementFunction", "arn:aws:lambda:ap-northeast-2:595362810845:function:PetStoreUserManagementFunction" ] }, { "Effect": "Allow", "Action": "bedrock:Retrieve", "Resource": [ "arn:aws:bedrock:ap-northeast-2:595362810845:knowledge-base/LTAAXCBPNS", "arn:aws:bedrock:ap-northeast-2:595362810845:knowledge-base/0ETB2OLDFT" ] } ] }
JavaScript
복사
3번
최종 권한 확인

재 배포 작업 진행

•
(.venv) PS C:\PetStoreProject> agentcore deploy
agentcore deploy
JavaScript
복사
ctrl + c 빠져 나온다
agentcore dev
JavaScript
복사
아래처럼 AI Agent 에 Deploy 추가로 생긴것을 볼 수 있다.
테스트 진행
현재 강아지 사료 재고가 몇 개 남았어?
JavaScript
복사
테스트 진행
•
질문1
강아지 사료를 고를 때 중요한 기준을 알려줘
JavaScript
복사
•
질문2
현재 강아지 사료 재고가 몇 개 남았어?
JavaScript
복사
•
질문3
강아지 사료 재고 합계 알려줘
JavaScript
복사
•
질문4
고양이 사료 재고와 가격과 전체 금액을 알려줘
JavaScript
복사
최종결과 화면

이번에는 CMD 관리자 창을 하나 더 띄어서 : agentcore invoke --prompt 명령어를 통해 조회를 진행해 보자.

agentcore dev
JavaScript
복사
•
위 명령어를 실행 후 또 다른 CMD (관리자) 실행 후 아래 명령어 진행
•
현재 PetStore AgentCore 프로젝트에서는 agentcore invoke --prompt 형태로 테스트도 가능
•
이 명령은 C:\PetStoreProject 폴더에서 실행
cd C:\PetStoreProject
Plain Text
복사
•
가장 먼저 단순 질문부터 테스트하세요.
agentcore invoke --prompt "안녕하세요. 어떤 기능을 제공하나요?"
Plain Text
복사
•
특히 현재 프로젝트에서는 아래 4개를 핵심 최종 테스트로 진행하시면 된다.
agentcore invoke --prompt "강아지 사료 상품명과 가격을 알려줘"
JavaScript
복사
agentcore invoke --prompt "DD006 현재 재고를 알려줘"
JavaScript
복사
agentcore invoke --prompt "USER-001 회원 정보를 알려줘"
JavaScript
복사
agentcore invoke --prompt "강아지 사료 상품명, 가격, 현재 재고와 전체 재고금액을 알려줘"
Plain Text
복사
결과값
.venv) PS C:\PetStoreProject> agentcore invoke --prompt "안녕하세요. 어떤 기능을 제공하나요?" 안녕하세요! 저는 Pet Store AI Agent입니다. 다음과 같은 기능을 제공합니다: 1. **상품 검색**: 상품명, 상품 코드, 상품 설명, 카테고리, 가격 등의 기본 상품 정보를 조회합니다. 2. **재고 조회**: 상품 코드로 현재 실제 재고를 확인합니다. 3. **회원 정보 조회**: 회원 ID로 회원 이름, 회원 등급, 포인트, 반려동물 정보 등을 확인합니다. 4. **반려동물 관리 정보 검색**: 반려동물의 건강, 관리, 돌봄 등에 관한 정보를 제공합니다. 어떤 기능을 이용하시겠습니까? Session: 9bfca266-1def-4dd4-a81d-95d2c955b5e7 To resume: agentcore invoke --session-id 9bfca266-1def-4dd4-a81d-95d2c955b5e7 Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20261116-184838.log (.venv) PS C:\PetStoreProject> agentcore invoke --prompt "강아지 사료 상품명과 가격을 알려줘" 강아지 사료의 상품명과 가격은 다음과 같습니다: - 상품 코드: DD006 - 상품명: Doggy Delights - 상품 분류: 강아지 사료 - 가격: $54.99 해당 상품은 강아지를 위한 고품질의 건조 사료로, 실제 고기를 첫 번째 성분으로 사용하고 있으며, 프로바이오틱스가 포함되어 있습니다. Session: 4166db36-126b-4fd5-af82-facc27950a2a To resume: agentcore invoke --session-id 4166db36-126b-4fd5-af82-facc27950a2a Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20261116-184935.log (.venv) PS C:\PetStoreProject> agentcore invoke --prompt "DD006 현재 재고를 알려줘" 상품 코드: DD006 상품명: Doggy Delights 상품 분류: 강아지 사료 가격: $54.99 현재 재고: 20 상품별 재고금액: $54.99 × 20 = $1,099.80 Session: a24ec2f6-c0cb-4e05-9e35-17b4a6e4d295 To resume: agentcore invoke --session-id a24ec2f6-c0cb-4e05-9e35-17b4a6e4d295 Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20261116-184957.log (.venv) PS C:\PetStoreProject>
JavaScript
복사
•
•
현재 구성된 Tool별로 테스트할 수 있습니다.
# 1. ProductInformation Knowledge Base 테스트 agentcore invoke --prompt "강아지 사료 상품명과 가격을 알려줘" # 2. 특정 상품 검색 agentcore invoke --prompt "DD006 상품 정보를 알려줘" # 3. Inventory Lambda 테스트 agentcore invoke --prompt "DD006 현재 재고를 알려줘" # 4. User Lambda 테스트 agentcore invoke --prompt "USER-001 회원 정보를 알려줘" # 5. PetCaringKnowledge Knowledge Base 테스트 agentcore invoke --prompt "강아지를 건강하게 관리하는 방법을 알려줘" # 6. 고양이 관리 Knowledge Base 테스트 agentcore invoke --prompt "고양이를 건강하게 관리하려면 어떻게 해야 하나요?" # 7. 상품 + 재고 연계 테스트 agentcore invoke --prompt "DD006 상품명, 가격과 현재 재고를 알려줘" # 8. 상품 검색 → Inventory Lambda 연계 테스트 agentcore invoke --prompt "강아지 사료 상품명, 가격, 현재 재고를 알려줘" # 9. 여러 Tool을 사용하는 종합 테스트 agentcore invoke --prompt "강아지 사료 상품명, 가격, 현재 재고와 전체 재고금액을 알려줘" # 10. 존재하지 않는 상품에 대한 예외 처리 테스트 agentcore invoke --prompt "ZZ999 현재 재고를 알려줘" # 11. 환각 방지 테스트 agentcore invoke --prompt "재고가 가장 많은 강아지 사료를 알려줘"
Plain Text
복사
•
특히 현재 프로젝트에서는 아래 4개를 핵심 최종 테스트로 진행하시면 된다.
agentcore invoke --prompt "강아지 사료 상품명과 가격을 알려줘"
JavaScript
복사
agentcore invoke --prompt "DD006 현재 재고를 알려줘"
JavaScript
복사
agentcore invoke --prompt "USER-001 회원 정보를 알려줘"
JavaScript
복사
agentcore invoke --prompt "강아지 사료 상품명, 가격, 현재 재고와 전체 재고금액을 알려줘"
Plain Text
복사
•
실행 결과 내용
PS C:\PetStoreProject> agentcore invoke --prompt "안녕하세요. 어떤 기능을 제공하나요?" { "answer": "안녕하세요! 저는 Pet Store AI Agent로서 다음과 같은 기능을 제공합니다:\n\n1. **상품 정보 조회**: 상품명, 상품코드, 상품 설명, 가격 등 상품에 대한 다양한 정보를 제공합니다.\n2. **반려동물 관리 정보 제공**: 강아지나 고양이의 사료 선택, 급여 방법, 건강 관리 등에 대한 정보를 제공합니다.\n3. **재고 조회**: 상품의 현재 재고 수량을 확인합니다.\n4. **회원 정보 조회**: 회원의 이름, 등급, 포인트, 반려동물 정보 등을 제공합니다.\n\n어떤 기능을 이용하시겠습니까?" } Session: 33cd3cee-a654-4a2d-a434-19eb33df564f To resume: agentcore invoke --session-id 33cd3cee-a654-4a2d-a434-19eb33df564f Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20260930-010428.log PS C:\PetStoreProject> agentcore invoke --prompt "강아지 사료 상품명과 가격을 알려줘" { "answer": "강아지 사료의 상품명과 가격은 다음과 같습니다:\n\n1. **Bark Bites**\n - 상품명: Bark Bites\n - 가격: $12.99\n\n2. **Doggy Delights**\n - 상품명: Doggy Delights\n - 가격: $54.99\n\n3. **Canine Carnival (chew portion)**\n - 상품명: Canine Carnival\n - 가격: $45.99\n\n4. **Paw-ty Mix (강아지 부분)**\n - 상품명: Paw-ty Mix\n - 가격: $27.99\n\n위 상품들은 강아지를 위한 사료 또는 간식으로 제공됩니다." } Session: a33a41ee-3a2b-49cd-ae3e-e3a2e886286a To resume: agentcore invoke --session-id a33a41ee-3a2b-49cd-ae3e-e3a2e886286a Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20260930-010533.log PS C:\PetStoreProject> agentcore invoke --prompt "DD006 상품 정보를 알려줘" { "answer": "DD006 상품은 \"Doggy Delights\"라는 상품명으로, 곡물이 없는 건조 강아지 사료입니다. 첫 번째 성분으로 실제 고기를 사용하고, 프로바이오틱스가 포함되어 있습니다. 30파운드 봉지에 54.99달러로 판매되며, 강아지를 위한 상품입니다." } Session: 35461a9b-853a-4d38-9b2c-12b058e254ec To resume: agentcore invoke --session-id 35461a9b-853a-4d38-9b2c-12b058e254ec Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20260930-010553.log PS C:\PetStoreProject> agentcore invoke --prompt "강아지 사료 상품명과 가격을 알려줘" { "answer": "강아지 사료의 상품명과 가격은 다음과 같습니다:\n\n1. **Bark Bites**\n - 가격: $12.99\n - 설명: Savory dog treats made with grass-fed beef and organic vegetables. Perfect for training. 8oz bag\n\n2. **Doggy Delights**\n - 가격: $54.99\n - 설명: Grain-free dry dog food with real meat as first ingredient. Includes probiotics. 30lb bag\n\n3. **Canine Carnival**\n - 가격: $45.99\n - 설명: Assortment of 3 puzzle toys and 4 different natural chews. Mental stimulation kit\n\n4. **Paw-ty Mix**\n - 가격: $27.99\n - 설명: Party-size combo pack of premium treats for both cats and dogs. Perfect for multi-pet homes\n\n추가 정보로, 주문 금액이 $75 이상일 경우 무료 배송, 월별 특별 할인, 동일 상품 2개 구매 시 10% 할인, $300 이상 주문 시 15% 추가 할인 및 익스프레스 배송 혜택이 있습니다." } Session: eb0b6d51-afa7-4b72-b2d8-df61deba3917 To resume: agentcore invoke --session-id eb0b6d51-afa7-4b72-b2d8-df61deba3917 Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20260930-010612.log PS C:\PetStoreProject> agentcore invoke --prompt "DD006 현재 재고를 알려줘" { "answer": "DD006 상품의 현재 재고는 20개입니다. 재주문 기준은 10개이며, 현재 상태는 재고 있음(IN_STOCK)입니다. 마지막 업데이트 시간은 2026년 9월 29일 16:06입니다." } Session: feb62015-8b54-4457-9924-f990196262d5 To resume: agentcore invoke --session-id feb62015-8b54-4457-9924-f990196262d5 Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20260930-010633.log PS C:\PetStoreProject> agentcore invoke --prompt "USER-001 회원 정보를 알려줘" { "answer": "USER-001 회원의 정보는 다음과 같습니다:\n\n- 이름: 김철수\n- 회원 등급: GOLD\n- 포인트: 12,500\n- 반려동물 종류: 강아지\n- 반려동물 이름: 초코\n\n추가로 필요한 정보가 있으시면 언제든지 알려주세요." } Session: bf9bc74b-3ffc-4e21-bfae-ffb0c6d75545 To resume: agentcore invoke --session-id bf9bc74b-3ffc-4e21-bfae-ffb0c6d75545 Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20260930-010647.log PS C:\PetStoreProject> agentcore invoke --prompt "강아지 사료 상품명, 가격, 현재 재고와 전체 재고금액을 알려줘" { "answer": "강아지 사료 상품명, 가격, 현재 재고와 전체 재고금액은 다음과 같습니다:\n\n- Bark Bites: 가격 $12.99, 현재 재고 30개, 재고금액 $389.70\n- Doggy Delights: 가격 $54.99, 현재 재고 20개, 재고금액 $1,099.80\n- Canine Carnival: 가격 $45.99, 현재 재고 9개, 재고금액 $413.91\n\n전체 재고금액: $1,883.41" } Session: 3cb99e82-3b6c-4b3d-8f76-2a6e7f9b06bf To resume: agentcore invoke --session-id 3cb99e82-3b6c-4b3d-8f76-2a6e7f9b06bf Log: C:\PetStoreProject\agentcore\.cli\logs\invoke\invoke-PetStoreAgent-20260930-010716.log PS C:\PetStoreProject>
JavaScript
복사
•
cloudformation 스택 내용 확인

[선생님 실습과제] 각각 파일을 만들어서 테스트 진행

•
app\PetStoreAgent > .env 파일 수정
•
디렉토리 구조
C:\PetStoreProject ← 여기서 agentcore dev 실행 │ ├─ agentcore\ │ ├─ app\ │ └─ PetStoreAgent\ │ ├─ main.py ← 실제 Agent 코드 │ ├─ pyproject.toml │ └─ .venv\ │ ├─ AGENTS.md └─ README.md
JavaScript
복사
•
app\PetStoreAgent > .env 파일 생성 후 수정
# ============================================================ # Pet Store AI Agent 환경 설정 # ============================================================ # ------------------------------------------------------------ # 1. AWS Region # ------------------------------------------------------------ PETSTORE_REGION=ap-northeast-2 # ------------------------------------------------------------ # 2. Product Information Knowledge Base # 상품 정보 검색용 Knowledge Base # ------------------------------------------------------------ PRODUCT_KB_ID=IHQZJ3UVWL # ------------------------------------------------------------ # 3. Pet Caring Knowledge Base # 반려동물 사료 / 건강 / 관리 정보 검색용 Knowledge Base # ------------------------------------------------------------ PET_CARE_KB_ID=M5ZZBNGQ5C # ------------------------------------------------------------ # 4. User Management Lambda # 회원정보 조회용 Lambda # ------------------------------------------------------------ USER_LAMBDA_NAME=PetStoreUserManagementFunction # ------------------------------------------------------------ # 5. Inventory Management Lambda # 상품 재고 조회용 Lambda # ------------------------------------------------------------ INVENTORY_LAMBDA_NAME=PetStoreInventoryManagementFunction # ------------------------------------------------------------ # 6. Amazon Nova Pro # APAC Inference Profile 사용 # ------------------------------------------------------------ NOVA_MODEL_ID=apac.amazon.nova-pro-v1:0
JavaScript
복사
•
app\PetStoreAgent > .gitignore 파일 수정
# Environment variables .env # Python __pycache__/ *.py[cod] *$py.class *.so .Python build/ develop-eggs/ dist/ downloads/ eggs/ .eggs/ lib/ lib64/ parts/ sdist/ var/ wheels/ *.egg-info/ .installed.cfg *.egg # Virtual environments .venv/ venv/ ENV/ env/ # IDE .vscode/ .idea/ *.swp *.swo *~ # OS .DS_Store Thumbs.db .env .venv/ __pycache__/ *.pyc
JavaScript
복사
•
app\PetStoreAgent > 01.test_aws.py 파일 생성
# ============================================================ # AWS boto3 연결 테스트 # ============================================================ import os import boto3 from pathlib import Path from dotenv import load_dotenv # ============================================================ # 1. .env 파일 읽기 # ============================================================ BASE_DIR = Path(__file__).resolve().parent ENV_FILE = BASE_DIR / ".env" load_dotenv(dotenv_path=ENV_FILE) # ============================================================ # 2. AWS Region 가져오기 # ============================================================ REGION = os.getenv( "PETSTORE_REGION", "ap-northeast-2" ) # ============================================================ # 3. boto3 Session 생성 # ============================================================ session = boto3.Session( region_name=REGION ) # ============================================================ # 4. 현재 AWS 로그인 정보 확인 # # STS = Security Token Service # 현재 어떤 AWS 사용자/Role로 로그인되어 있는지 확인합니다. # ============================================================ sts_client = session.client("sts") identity = sts_client.get_caller_identity() # ============================================================ # 5. AWS Client 생성 # ============================================================ # Lambda 호출용 lambda_client = session.client( "lambda" ) # Bedrock Knowledge Base 호출용 kb_client = session.client( "bedrock-agent-runtime" ) # Amazon Nova 호출용 bedrock_runtime = session.client( "bedrock-runtime" ) # ============================================================ # 6. 결과 출력 # ============================================================ print("========================================") print("AWS boto3 연결 테스트") print("========================================") print("AWS Region :", REGION) print("Account ID :", identity["Account"]) print("ARN :", identity["Arn"]) print() print("Lambda Client : 생성 성공") print("Bedrock Agent Runtime : 생성 성공") print("Bedrock Runtime : 생성 성공") print("========================================") print("AWS boto3 연결 성공") print("========================================")
JavaScript
복사
실행결과
C:\PetStoreProject\app\PetStoreAgent>python test_aws.py ======================================== AWS boto3 연결 테스트 ======================================== AWS Region : ap-northeast-2 Account ID : 595362810845 ARN : arn:aws:iam::595362810845:root Lambda Client : 생성 성공 Bedrock Agent Runtime : 생성 성공 Bedrock Runtime : 생성 성공 ======================================== AWS boto3 연결 성공 ========================================
JavaScript
복사
•
app\PetStoreAgent > 02. test_env.py 파일 생성
# ============================================================ # AWS boto3 연결 테스트 # ============================================================ import os import boto3 from pathlib import Path from dotenv import load_dotenv # ============================================================ # 1. .env 파일 읽기 # ============================================================ BASE_DIR = Path(__file__).resolve().parent ENV_FILE = BASE_DIR / ".env" load_dotenv(dotenv_path=ENV_FILE) # ============================================================ # 2. AWS Region 가져오기 # ============================================================ REGION = os.getenv( "PETSTORE_REGION", "ap-northeast-2" ) # ============================================================ # 3. boto3 Session 생성 # ============================================================ session = boto3.Session( region_name=REGION ) # ============================================================ # 4. 현재 AWS 로그인 정보 확인 # # STS = Security Token Service # 현재 어떤 AWS 사용자/Role로 로그인되어 있는지 확인합니다. # ============================================================ sts_client = session.client("sts") identity = sts_client.get_caller_identity() # ============================================================ # 5. AWS Client 생성 # ============================================================ # Lambda 호출용 lambda_client = session.client( "lambda" ) # Bedrock Knowledge Base 호출용 kb_client = session.client( "bedrock-agent-runtime" ) # Amazon Nova 호출용 bedrock_runtime = session.client( "bedrock-runtime" ) # ============================================================ # 6. 결과 출력 # ============================================================ print("========================================") print("AWS boto3 연결 테스트") print("========================================") print("AWS Region :", REGION) print("Account ID :", identity["Account"]) print("ARN :", identity["Arn"]) print() print("Lambda Client : 생성 성공") print("Bedrock Agent Runtime : 생성 성공") print("Bedrock Runtime : 생성 성공") print("========================================") print("AWS boto3 연결 성공") print("========================================")
JavaScript
복사
실행결과
C:\PetStoreProject\app\PetStoreAgent>python test_env.py ======================================== AWS boto3 연결 테스트 ======================================== AWS Region : ap-northeast-2 Account ID : 595362810845 ARN : arn:aws:iam::595362810845:root Lambda Client : 생성 성공 Bedrock Agent Runtime : 생성 성공 Bedrock Runtime : 생성 성공 ======================================== AWS boto3 연결 성공 ========================================
JavaScript
복사
•
app\PetStoreAgent > 03.test_inventory_lambda.py 생성 후 테스트
# ============================================================ # PetStoreInventoryManagementFunction 최종 호출 테스트 # ============================================================ # # 목적 # ------------------------------------------------------------ # PetStore AI Agent에서 사용할 Inventory Lambda가 # 최종 배포 환경에서도 정상적으로 동작하는지 확인합니다. # # 최종 데이터 흐름 # # ProductInformation Knowledge Base # ↓ # product_code 확인 # ↓ # inventory_lookup(product_code) # ↓ # PetStoreInventoryManagementFunction # ↓ # 현재 재고정보 반환 # # Lambda에 전달되는 최종 JSON 형식 # # { # "product_code": "BP010" # } # # ============================================================ # ============================================================ # 01. 필요한 라이브러리 # ============================================================ import os import json import sys import boto3 from pathlib import Path from dotenv import load_dotenv from botocore.exceptions import ClientError # ============================================================ # 02. 현재 Python 파일 위치 확인 # ============================================================ # # 현재 파일: # # C:\PetStoreProject\app\PetStoreAgent\ # test_inventory_lambda.py # # .env 파일도 같은 디렉터리에 있다고 가정합니다. # # C:\PetStoreProject\app\PetStoreAgent\.env # # ============================================================ BASE_DIR = Path(__file__).resolve().parent ENV_FILE = BASE_DIR / ".env" # ============================================================ # 03. .env 파일 존재 여부 확인 # ============================================================ if not ENV_FILE.exists(): raise FileNotFoundError( f".env 파일을 찾을 수 없습니다.\n" f"확인할 경로: {ENV_FILE}" ) # ============================================================ # 04. .env 파일 로드 # ============================================================ load_dotenv( dotenv_path=ENV_FILE ) # ============================================================ # 05. 환경변수 읽기 # ============================================================ REGION = os.getenv( "PETSTORE_REGION", "ap-northeast-2" ) INVENTORY_LAMBDA_NAME = os.getenv( "INVENTORY_LAMBDA_NAME" ) # ============================================================ # 06. 필수 환경변수 확인 # ============================================================ if not INVENTORY_LAMBDA_NAME: raise ValueError( ".env 파일에 " "INVENTORY_LAMBDA_NAME이 없습니다." ) # ============================================================ # 07. 테스트할 상품 코드 # ============================================================ # # ProductInformation Knowledge Base에서 # Bark Park Buddy의 상품코드가 BP010이라고 가정합니다. # # ============================================================ PRODUCT_CODE = "BP010" # ============================================================ # 08. AWS Lambda Client 생성 # ============================================================ lambda_client = boto3.client( "lambda", region_name=REGION ) # ============================================================ # 09. Lambda에 전달할 Payload # ============================================================ # # 매우 중요 # # 이전 구조: # # { # "function": "getInventory", # "parameters": [...] # } # # 를 사용하지 않습니다. # # 최종 Agent와 Lambda 사이에서는 다음 형식으로 통일합니다. # # { # "product_code": "BP010" # } # # ============================================================ payload = { "product_code": PRODUCT_CODE } # ============================================================ # 10. 테스트 시작 정보 출력 # ============================================================ print() print("=" * 60) print("Inventory Lambda 호출 시작") print("=" * 60) print( "Region :", REGION ) print( "Lambda :", INVENTORY_LAMBDA_NAME ) print( "Product Code :", PRODUCT_CODE ) print( ".env File :", ENV_FILE ) # ============================================================ # 11. Lambda에 실제 전달되는 JSON 확인 # ============================================================ print() print("=" * 60) print("Lambda 실제 전송 Payload") print("=" * 60) print( json.dumps( payload, indent=2, ensure_ascii=False ) ) # ============================================================ # 12. Lambda 호출 # ============================================================ try: response = lambda_client.invoke( # .env에서 읽은 Lambda 이름 FunctionName=INVENTORY_LAMBDA_NAME, # Lambda 실행 완료까지 기다린 후 결과 수신 InvocationType="RequestResponse", # Python Dictionary → JSON → UTF-8 Bytes Payload=json.dumps( payload, ensure_ascii=False ).encode("utf-8") ) # ============================================================ # 13. AWS Client 오류 # ============================================================ except ClientError as error: print() print("=" * 60) print("AWS Lambda 호출 실패") print("=" * 60) print(error) sys.exit(1) # ============================================================ # 14. 기타 오류 # ============================================================ except Exception as error: print() print("=" * 60) print("예상하지 못한 오류 발생") print("=" * 60) print(error) sys.exit(1) # ============================================================ # 15. Lambda HTTP 상태 확인 # ============================================================ status_code = ( response .get("ResponseMetadata", {}) .get("HTTPStatusCode") ) print() print("=" * 60) print("AWS Lambda 호출 상태") print("=" * 60) print( "HTTP Status :", status_code ) # ============================================================ # 16. Lambda 응답 Payload 읽기 # ============================================================ response_payload = ( response["Payload"] .read() .decode("utf-8") ) print() print("=" * 60) print("Lambda 원본 응답") print("=" * 60) print(response_payload) # ============================================================ # 17. Lambda 자체 실행 오류 확인 # ============================================================ # # Python 예외 등이 Lambda 내부에서 발생하면 # FunctionError가 포함될 수 있습니다. # # ============================================================ if "FunctionError" in response: print() print("=" * 60) print("Lambda 함수 내부 실행 오류") print("=" * 60) print(response_payload) sys.exit(1) # ============================================================ # 18. JSON 응답 파싱 # ============================================================ try: result = json.loads( response_payload ) except json.JSONDecodeError as error: print() print("=" * 60) print("Lambda 응답 JSON 변환 실패") print("=" * 60) print(error) print() print( "Lambda 원본 응답:", response_payload ) sys.exit(1) # ============================================================ # 19. Lambda 비즈니스 처리 결과 확인 # ============================================================ if not result.get("success"): print() print("=" * 60) print("재고 조회 실패") print("=" * 60) print( "message :", result.get( "message", "알 수 없는 오류" ) ) # Lambda에 received_event 진단 기능이 있다면 # 실제 받은 Event도 확인합니다. if result.get("received_event"): print() print("Lambda가 실제 받은 Event:") print( json.dumps( result.get("received_event"), indent=2, ensure_ascii=False ) ) sys.exit(1) # ============================================================ # 20. 정상적인 재고정보 추출 # ============================================================ product_code = result.get( "product_code" ) name = result.get( "name" ) quantity = result.get( "quantity" ) reorder_level = result.get( "reorder_level" ) status = result.get( "status" ) last_updated = result.get( "last_updated" ) # ============================================================ # 21. 재고 조회 결과 출력 # ============================================================ print() print("=" * 60) print("상품 재고 조회 결과") print("=" * 60) print( "success :", result.get("success") ) print( "product_code :", product_code ) print( "name :", name ) print( "quantity :", quantity ) print( "reorder_level :", reorder_level ) print( "status :", status ) print( "last_updated :", last_updated ) # ============================================================ # 22. 필수 응답 필드 확인 # ============================================================ # # 재고 수량은 실제 운영에서 변경될 수 있기 때문에 # # quantity == 30 # # 처럼 특정 수량을 성공 조건으로 사용하지 않습니다. # # 대신 API 계약에 필요한 필드가 제대로 반환되는지 # 확인합니다. # # ============================================================ required_fields = [ "product_code", "name", "quantity", "reorder_level", "status", "last_updated" ] missing_fields = [] for field in required_fields: if result.get(field) is None: missing_fields.append( field ) # ============================================================ # 23. 누락 필드가 있는 경우 # ============================================================ if missing_fields: print() print("=" * 60) print("테스트 결과 확인 필요") print("=" * 60) print( "다음 필드가 Lambda 응답에 없습니다:" ) for field in missing_fields: print( "-", field ) sys.exit(1) # ============================================================ # 24. 상품코드 확인 # ============================================================ if product_code != PRODUCT_CODE: print() print("=" * 60) print("테스트 결과 확인 필요") print("=" * 60) print( "요청한 상품코드:", PRODUCT_CODE ) print( "응답 상품코드:", product_code ) sys.exit(1) # ============================================================ # 25. 최종 성공 # ============================================================ print() print("=" * 60) print("Inventory Lambda 테스트 성공") print("=" * 60) print( f"{product_code} 상품의 재고 정보를 " f"정상적으로 조회했습니다." ) print() print( f"상품명 : {name}" ) print( f"현재 재고 : {quantity}개" ) print( f"재주문 기준 : {reorder_level}개" ) print( f"재고 상태 : {status}" ) print( f"최종 업데이트: {last_updated}" ) print("=" * 60)
JavaScript
복사
실행결과
C:\PetStoreProject\app\PetStoreAgent>python test_inventory_lambda.py ============================================================ Inventory Lambda 호출 시작 ============================================================ Region : ap-northeast-2 Lambda : PetStoreInventoryManagementFunction Product Code : BP010 .env File : C:\PetStoreProject\app\PetStoreAgent\.env ============================================================ Lambda 실제 전송 Payload ============================================================ { "product_code": "BP010" } ============================================================ AWS Lambda 호출 상태 ============================================================ HTTP Status : 200 ============================================================ Lambda 원본 응답 ============================================================ {"success": true, "product_code": "BP010", "name": "Bark Park Buddy", "quantity": 25, "reorder_level": 10, "status": "IN_STOCK", "last_updated": "2026-09-29T06:59:26.452071+00:00"} ============================================================ 상품 재고 조회 결과 ============================================================ success : True product_code : BP010 name : Bark Park Buddy quantity : 25 reorder_level : 10 status : IN_STOCK last_updated : 2026-09-29T06:59:26.452071+00:00 ============================================================ Inventory Lambda 테스트 성공 ============================================================ BP010 상품의 재고 정보를 정상적으로 조회했습니다. 상품명 : Bark Park Buddy 현재 재고 : 25개 재주문 기준 : 10개 재고 상태 : IN_STOCK 최종 업데이트: 2026-09-29T06:59:26.452071+00:00 ============================================================
JavaScript
복사
•
app\PetStoreAgent > 04.test_product_kb.py 생성
# ============================================================ # ProductInformation KB + Amazon Nova Pro RAG 테스트 # ============================================================ import os import boto3 from pathlib import Path from dotenv import load_dotenv # ============================================================ # 1. .env 파일 읽기 # ============================================================ BASE_DIR = Path(__file__).resolve().parent ENV_FILE = BASE_DIR / ".env" load_dotenv(dotenv_path=ENV_FILE) # ============================================================ # 2. 환경변수 가져오기 # ============================================================ REGION = os.getenv( "PETSTORE_REGION", "ap-northeast-2" ) PRODUCT_KB_ID = os.getenv( "PRODUCT_KB_ID" ) NOVA_MODEL_ID = os.getenv( "NOVA_MODEL_ID", "amazon.nova-pro-v1:0" ) # ============================================================ # 3. 필수 환경변수 확인 # ============================================================ if not PRODUCT_KB_ID: raise ValueError( ".env 파일에 PRODUCT_KB_ID가 없습니다." ) # ============================================================ # 4. AWS Client 생성 # ============================================================ # Knowledge Base 검색용 kb_client = boto3.client( "bedrock-agent-runtime", region_name=REGION ) # Amazon Nova 호출용 bedrock_runtime = boto3.client( "bedrock-runtime", region_name=REGION ) # ============================================================ # 5. 사용자가 질문할 내용 # ============================================================ USER_QUESTION = """ Bark Park Buddy 제품의 제품 코드와 가격을 알려주세요. """ print("=" * 60) print("사용자 질문") print("=" * 60) print(USER_QUESTION.strip()) print() # ============================================================ # 6. ProductInformation Knowledge Base 검색 # ============================================================ print("=" * 60) print("1단계 - ProductInformation KB 검색") print("=" * 60) response = kb_client.retrieve( knowledgeBaseId=PRODUCT_KB_ID, retrievalQuery={ "text": USER_QUESTION }, retrievalConfiguration={ "vectorSearchConfiguration": { "numberOfResults": 5 } } ) # ============================================================ # 7. Knowledge Base 검색 결과 가져오기 # ============================================================ results = response.get( "retrievalResults", [] ) print( "검색 결과 개수 :", len(results) ) print() # ============================================================ # 8. 검색 결과를 하나의 Context로 합치기 # # Nova에게 전달하기 위해 # # 검색 결과 #1 # 검색 결과 #2 # ... # # 형태의 문자열로 만듭니다. # ============================================================ context_parts = [] for index, item in enumerate( results, start=1 ): content = item.get( "content", {} ) text = content.get( "text", "" ) if text: context_parts.append( f"[검색 결과 {index}]\n{text}" ) # 모든 검색 결과 합치기 CONTEXT = "\n\n".join( context_parts ) # ============================================================ # 9. 검색 결과 출력 # ============================================================ print("=" * 60) print("Knowledge Base 검색 결과") print("=" * 60) print(CONTEXT) print() # ============================================================ # 10. 검색 결과가 없는 경우 종료 # ============================================================ if not CONTEXT: print( "Knowledge Base에서 관련 문서를 찾지 못했습니다." ) raise SystemExit(1) # ============================================================ # 11. Nova에게 전달할 System Prompt # # Nova가 자기 지식으로 임의 답변하지 않고 # Knowledge Base에서 검색한 정보만 사용하도록 합니다. # ============================================================ SYSTEM_PROMPT = """ 당신은 온라인 Pet Store의 상품 안내 AI입니다. 반드시 제공된 ProductInformation Knowledge Base 검색 결과를 근거로만 답변하세요. 검색 결과에 없는 제품 코드나 가격을 임의로 만들지 마세요. 사용자가 상품 정보를 물어보면 다음 내용을 우선 확인하세요. 1. 상품 이름 2. 제품 코드 3. 가격 답변은 한국어로 간결하고 정확하게 작성하세요. """ # ============================================================ # 12. Nova에게 전달할 User Prompt # # 사용자 질문 + KB 검색 결과를 함께 전달합니다. # ============================================================ NOVA_PROMPT = f""" 다음은 사용자의 질문입니다. [사용자 질문] {USER_QUESTION} 다음은 ProductInformation Knowledge Base에서 검색한 자료입니다. [Knowledge Base 검색 결과] {CONTEXT} 위 검색 결과를 근거로 사용자의 질문에 답변하세요. """ # ============================================================ # 13. Amazon Nova Pro 호출 # # Bedrock Converse API를 사용합니다. # ============================================================ print("=" * 60) print("2단계 - Amazon Nova Pro 호출") print("=" * 60) print("Model :", NOVA_MODEL_ID) print() nova_response = bedrock_runtime.converse( modelId=NOVA_MODEL_ID, # System Prompt system=[ { "text": SYSTEM_PROMPT } ], # User Message messages=[ { "role": "user", "content": [ { "text": NOVA_PROMPT } ] } ], # 모델 생성 설정 inferenceConfig={ "maxTokens": 1000, "temperature": 0.1, "topP": 0.9 } ) # ============================================================ # 14. Nova 응답에서 최종 텍스트 가져오기 # ============================================================ output_message = nova_response[ "output" ][ "message" ] answer_parts = [] for content in output_message.get( "content", [] ): if "text" in content: answer_parts.append( content["text"] ) FINAL_ANSWER = "\n".join( answer_parts ) # ============================================================ # 15. Nova 최종 답변 출력 # ============================================================ print("=" * 60) print("Amazon Nova 최종 답변") print("=" * 60) print(FINAL_ANSWER) print() # ============================================================ # 16. Token 사용량 출력 # ============================================================ usage = nova_response.get( "usage", {} ) print("=" * 60) print("Token 사용량") print("=" * 60) print( "Input Tokens :", usage.get("inputTokens") ) print( "Output Tokens:", usage.get("outputTokens") ) print( "Total Tokens :", usage.get("totalTokens") ) print() print("=" * 60) print("ProductInformation KB + Nova 테스트 완료") print("=" * 60)
JavaScript
복사
실행결과
C:\PetStoreProject\app\PetStoreAgent>python test_product_kb.py ============================================================ 사용자 질문 ============================================================ Bark Park Buddy 제품의 제품 코드와 가격을 알려주세요. ============================================================ 1단계 - ProductInformation KB 검색 ============================================================ 검색 결과 개수 : 5 ============================================================ Knowledge Base 검색 결과 ============================================================ [검색 결과 1] Includes squeaker. Tennis ball size Dogs $9.99 CC009 Catnip Craze Organic premium catnip blend, specially harvested at peak potency. 2oz jar Cats $11.99 BP010 Bark Park Buddy BPA-free portable water bottle (20oz) with fold-out silicone bowl. Carabiner included Dogs $16.99 LL011 Litter Lifter Premium clumping litter with activated charcoal and natural odor control. 40lb bag Cats $29.99 PP012 Paw-some Pampering Hypoallergenic dog shampoo and conditioner set with oatmeal and aloe. 16oz each Dogs $22.99 FF013 Feline Fiesta Deluxe variety pack with 5 toys and 3 types of treats. Great gift option! Cats $34.99 CC014 Canine Carnival Assortment of 3 puzzle toys and 4 different natural chews. Mental stimulation kit Dogs $45.99 PM015 Paw-ty Mix Party-size combo pack of premium treats for both cats and dogs. Perfect for multi-pet homes Cats & Dogs $27.99 Additional Benefits: • Free shipping on orders over $75. • Monthly special deals on selected items • 10% off when you buy a second unit of the same product. • 15% additional discount and express shipping on orders ove
JavaScript
복사
•
app\PetStoreAgent> 05.test_user_lambda.py 생성
# ============================================================ # PetStoreUserManagementFunction 최종 호출 테스트 # ============================================================ # # 목적 # ------------------------------------------------------------ # PetStore AI Agent에서 사용하는 User Lambda가 # 정상적으로 회원정보를 반환하는지 확인합니다. # # 최종 데이터 흐름 # # PetStoreAgent # ↓ # user_lookup("USER-001") # ↓ # { # "user_id": "USER-001" # } # ↓ # PetStoreUserManagementFunction # ↓ # 회원정보 반환 # # ============================================================ # ============================================================ # 01. 필요한 라이브러리 # ============================================================ import os import json import sys import boto3 from pathlib import Path from dotenv import load_dotenv from botocore.exceptions import ClientError # ============================================================ # 02. 현재 파일 및 .env 경로 # ============================================================ BASE_DIR = Path(__file__).resolve().parent ENV_FILE = BASE_DIR / ".env" # ============================================================ # 03. .env 파일 존재 여부 확인 # ============================================================ if not ENV_FILE.exists(): raise FileNotFoundError( f".env 파일을 찾을 수 없습니다.\n" f"확인 경로: {ENV_FILE}" ) # ============================================================ # 04. .env 파일 로드 # ============================================================ load_dotenv( dotenv_path=ENV_FILE ) # ============================================================ # 05. 환경변수 읽기 # ============================================================ REGION = os.getenv( "PETSTORE_REGION", "ap-northeast-2" ) USER_LAMBDA_NAME = os.getenv( "USER_LAMBDA_NAME" ) # ============================================================ # 06. 필수 환경변수 확인 # ============================================================ if not USER_LAMBDA_NAME: raise ValueError( ".env 파일에 " "USER_LAMBDA_NAME이 없습니다." ) # ============================================================ # 07. 조회할 회원 ID # ============================================================ # # 중요 # # 기존: # # usr_001 # # 수정: # # USER-001 # # Lambda 내부 회원 ID와 동일하게 사용합니다. # # ============================================================ USER_ID = "USER-001" # ============================================================ # 08. AWS Lambda Client 생성 # ============================================================ lambda_client = boto3.client( "lambda", region_name=REGION ) # ============================================================ # 09. Lambda에 전달할 Payload # ============================================================ # # 최종 Agent에서도 동일한 JSON 구조를 사용합니다. # # { # "user_id": "USER-001" # } # # function / parameters 구조를 사용하지 않습니다. # # ============================================================ payload = { "user_id": USER_ID } # ============================================================ # 10. 호출 정보 출력 # ============================================================ print() print("=" * 60) print("User Lambda 호출 시작") print("=" * 60) print( "Region :", REGION ) print( "Lambda :", USER_LAMBDA_NAME ) print( "조회 User ID :", USER_ID ) print( ".env File :", ENV_FILE ) # ============================================================ # 11. Lambda 실제 전송 Payload 출력 # ============================================================ print() print("=" * 60) print("Lambda 실제 전송 Payload") print("=" * 60) print( json.dumps( payload, indent=2, ensure_ascii=False ) ) # ============================================================ # 12. Lambda 호출 # ============================================================ try: response = lambda_client.invoke( # 호출할 Lambda 함수 FunctionName=USER_LAMBDA_NAME, # Lambda 실행 완료 후 응답을 기다립니다. InvocationType="RequestResponse", # Python Dictionary # ↓ # JSON 문자열 # ↓ # UTF-8 Byte 데이터 Payload=json.dumps( payload, ensure_ascii=False ).encode("utf-8") ) # ============================================================ # 13. AWS Client 오류 처리 # ============================================================ except ClientError as error: print() print("=" * 60) print("AWS Lambda 호출 실패") print("=" * 60) print(error) sys.exit(1) # ============================================================ # 14. 기타 오류 처리 # ============================================================ except Exception as error: print() print("=" * 60) print("예상하지 못한 오류 발생") print("=" * 60) print(error) sys.exit(1) # ============================================================ # 15. AWS Lambda 호출 상태 확인 # ============================================================ http_status = ( response .get("ResponseMetadata", {}) .get("HTTPStatusCode") ) print() print("=" * 60) print("AWS Lambda 호출 상태") print("=" * 60) print( "HTTP Status :", http_status ) # ============================================================ # 16. Lambda 응답 읽기 # ============================================================ response_payload = ( response["Payload"] .read() .decode("utf-8") ) print() print("=" * 60) print("Lambda 원본 응답") print("=" * 60) print(response_payload) # ============================================================ # 17. Lambda 내부 실행 오류 확인 # ============================================================ if "FunctionError" in response: print() print("=" * 60) print("Lambda 함수 내부 실행 오류") print("=" * 60) print(response_payload) sys.exit(1) # ============================================================ # 18. JSON 응답 → Python Dictionary # ============================================================ try: result = json.loads( response_payload ) except json.JSONDecodeError as error: print() print("=" * 60) print("Lambda 응답 JSON 변환 실패") print("=" * 60) print(error) print() print( "Lambda 원본 응답:", response_payload ) sys.exit(1) # ============================================================ # 19. Lambda 처리 결과 확인 # ============================================================ if not result.get("success"): print() print("=" * 60) print("사용자 조회 실패") print("=" * 60) print( "message :", result.get( "message", "알 수 없는 오류" ) ) # Lambda에서 received_event를 반환하는 경우 # 실제 전달된 Event도 출력합니다. if result.get("received_event"): print() print("Lambda가 실제 받은 Event:") print( json.dumps( result.get("received_event"), indent=2, ensure_ascii=False ) ) sys.exit(1) # ============================================================ # 20. 사용자 정보 추출 # ============================================================ # # Lambda 구현에 따라 # # user_id # # 또는 # # id # # 로 반환할 수 있으므로 둘 다 대응합니다. # # ============================================================ user_id = ( result.get("user_id") or result.get("id") ) name = result.get( "name" ) email = result.get( "email" ) subscription_status = result.get( "subscription_status" ) subscription_end = result.get( "subscription_end" ) # ============================================================ # 21. 사용자 조회 결과 출력 # ============================================================ print() print("=" * 60) print("사용자 조회 결과") print("=" * 60) print( "success :", result.get("success") ) print( "user_id :", user_id ) print( "name :", name ) print( "email :", email ) print( "subscription_status :", subscription_status ) print( "subscription_end :", subscription_end ) # ============================================================ # 22. 필수 User ID 확인 # ============================================================ if not user_id: print() print("=" * 60) print("테스트 결과 확인 필요") print("=" * 60) print( "Lambda 응답에 " "user_id 또는 id가 없습니다." ) sys.exit(1) # ============================================================ # 23. 요청 ID와 응답 ID 비교 # ============================================================ if user_id != USER_ID: print() print("=" * 60) print("테스트 결과 확인 필요") print("=" * 60) print( "요청 User ID:", USER_ID ) print( "응답 User ID:", user_id ) sys.exit(1) # ============================================================ # 24. 최종 성공 # ============================================================ print() print("=" * 60) print("User Lambda 테스트 성공") print("=" * 60) print( f"{USER_ID} 사용자 정보를 " f"정상적으로 조회했습니다." ) print() print( f"사용자 이름 : {name}" ) print( f"이메일 : {email}" ) print( f"구독 상태 : {subscription_status}" ) print( f"구독 종료일 : {subscription_end}" ) print("=" * 60)
JavaScript
복사
실행결과
C:\PetStoreProject\app\PetStoreAgent>python test_user_lambda.py ============================================================ User Lambda 호출 시작 ============================================================ Region : ap-northeast-2 Lambda : PetStoreUserManagementFunction 조회 User ID : USER-001 .env File : C:\PetStoreProject\app\PetStoreAgent\.env ============================================================ Lambda 실제 전송 Payload ============================================================ { "user_id": "USER-001" } ============================================================ AWS Lambda 호출 상태 ============================================================ HTTP Status : 200 ============================================================
JavaScript
복사
•
app\PetStoreAgent > 06.streamlit_app.py 생성
# ============================================================ # Pet Store AI Agent - Streamlit UI # ============================================================ # # 현재 main.py의 Agent를 직접 사용합니다. # # main.py # ├─ Amazon Nova Pro # ├─ ProductInformation Knowledge Base # ├─ PetCaringKnowledge Knowledge Base # ├─ Inventory Lambda # ├─ User Lambda # ├─ agent # └─ clean_response # # streamlit_app.py # └─ 사용자 Web UI # # ============================================================ # ============================================================ # 01. 라이브러리 Import # ============================================================ import streamlit as st # ------------------------------------------------------------ # main.py에서 현재 실제 존재하는 객체를 가져옵니다. # # 기존: # from main import process_pet_store_request # # 수정: # agent와 clean_response를 직접 사용합니다. # ------------------------------------------------------------ from main import agent, clean_response # ============================================================ # 02. Streamlit 페이지 설정 # ============================================================ st.set_page_config( page_title="Pet Store AI Agent", page_icon="🐶", layout="centered", initial_sidebar_state="collapsed" ) # ============================================================ # 03. CSS 디자인 # ============================================================ st.markdown( """ <style> /* 전체 화면 */ .block-container { max-width: 1050px; padding-top: 2rem; padding-bottom: 3rem; } /* 메인 제목 */ h1 { font-size: 44px !important; font-weight: 800 !important; margin-bottom: 10px !important; } /* 소제목 */ h2 { font-size: 30px !important; font-weight: 750 !important; } h3 { font-size: 25px !important; font-weight: 700 !important; } /* 일반 글자 */ p { font-size: 18px !important; line-height: 1.7 !important; } li { font-size: 18px !important; line-height: 1.7 !important; } /* 입력창 Label */ label { font-size: 20px !important; font-weight: 700 !important; } /* 질문 입력창 */ textarea { font-size: 20px !important; line-height: 1.6 !important; } /* 버튼 */ div.stButton > button { min-height: 56px; font-size: 19px !important; font-weight: 700 !important; border-radius: 10px; } /* Primary 실행 버튼 */ div.stButton > button[kind="primary"] { min-height: 65px; font-size: 22px !important; font-weight: 800 !important; } /* Expander */ details { font-size: 17px !important; } /* Caption */ .stCaption { font-size: 15px !important; } </style> """, unsafe_allow_html=True ) # ============================================================ # 04. Session State 초기화 # ============================================================ if "answer" not in st.session_state: st.session_state.answer = "" if "last_question" not in st.session_state: st.session_state.last_question = "" if "example_prompt" not in st.session_state: st.session_state.example_prompt = "" # ============================================================ # 05. Streamlit에서 Agent를 호출하는 함수 # ============================================================ def run_pet_store_agent(user_message: str) -> str: """ main.py의 Pet Store Agent를 직접 호출합니다. 처리 순서: 사용자 질문 ↓ agent() ↓ Nova Pro ↓ 필요한 Tool 선택 ↓ Knowledge Base / Lambda ↓ clean_response() ↓ 최종 문자열 """ try: # ---------------------------------------------------- # 사용자 질문 정리 # ---------------------------------------------------- user_message = str( user_message ).strip() # ---------------------------------------------------- # 빈 질문 방지 # ---------------------------------------------------- if not user_message: return "질문을 입력해 주세요." # ---------------------------------------------------- # 터미널 로그 # ---------------------------------------------------- print( f"[STREAMLIT REQUEST] " f"{user_message}" ) # ---------------------------------------------------- # Pet Store Agent 실행 # ---------------------------------------------------- response = agent( user_message ) # ---------------------------------------------------- # Agent 결과 정리 # ---------------------------------------------------- answer = clean_response( response ) # ---------------------------------------------------- # 터미널 응답 로그 # ---------------------------------------------------- print( f"[STREAMLIT RESPONSE] " f"{answer}" ) return answer except Exception as error: # ---------------------------------------------------- # 실제 오류는 Streamlit 실행 터미널에도 표시 # ---------------------------------------------------- print( f"[STREAMLIT ERROR] " f"{type(error).__name__}: " f"{error}" ) # ---------------------------------------------------- # UI에 표시할 오류 # ---------------------------------------------------- return ( "요청 처리 중 오류가 발생했습니다.\n\n" f"오류 유형: {type(error).__name__}\n\n" f"오류 내용: {error}" ) # ============================================================ # 06. 화면 제목 # ============================================================ st.title("🐶 Pet Store AI Agent") st.markdown( """ Amazon Bedrock **Nova Pro**, **Knowledge Base**, **AWS Lambda**를 활용한 Pet Store AI Agent입니다. """ ) # ============================================================ # 07. 시스템 구성 보기 # ============================================================ with st.expander( "AI Agent 구성 보기", expanded=False ): st.markdown( """ ### Pet Store AI Agent 구성 사용자 ↓ **Streamlit UI** ↓ **Pet Store AI Agent** ↓ **Amazon Nova Pro** Agent가 질문을 분석하여 필요한 기능을 선택합니다. **상품 정보** ProductInformation Knowledge Base **반려동물 관리** PetCaringKnowledge Knowledge Base **현재 재고** Inventory Management Lambda **회원 정보** User Management Lambda """ ) # ============================================================ # 08. 예제 질문 # ============================================================ st.subheader("예제 질문") # ------------------------------------------------------------ # 첫 번째 줄 # ------------------------------------------------------------ col1, col2 = st.columns(2) with col1: if st.button( "강아지 사료 검색", use_container_width=True ): st.session_state.example_prompt = ( "강아지 사료 상품명과 가격을 알려줘" ) with col2: if st.button( "사료 + 재고금액 조회", use_container_width=True ): st.session_state.example_prompt = ( "강아지 사료 상품명, 가격, " "현재 재고와 전체 재고금액을 알려줘" ) # ------------------------------------------------------------ # 두 번째 줄 # ------------------------------------------------------------ col3, col4 = st.columns(2) with col3: if st.button( "DD006 재고 조회", use_container_width=True ): st.session_state.example_prompt = ( "DD006 현재 재고를 알려줘" ) with col4: if st.button( "USER-001 회원 조회", use_container_width=True ): st.session_state.example_prompt = ( "USER-001 회원 정보를 알려줘" ) # ------------------------------------------------------------ # 세 번째 줄 # ------------------------------------------------------------ if st.button( "강아지 관리 방법", use_container_width=True ): st.session_state.example_prompt = ( "강아지를 건강하게 관리하는 방법을 알려줘" ) # ============================================================ # 09. 질문 입력 # ============================================================ st.divider() st.subheader("Pet Store에 질문하세요") user_prompt = st.text_area( "질문 입력", value=st.session_state.example_prompt, placeholder=( "예: 강아지 사료 상품명, 가격, " "현재 재고와 전체 재고금액을 알려줘" ), height=150 ) # ============================================================ # 10. AI Agent 실행 버튼 # ============================================================ run_button = st.button( "AI Agent 실행", type="primary", use_container_width=True ) # ============================================================ # 11. Agent 실행 # ============================================================ if run_button: prompt = user_prompt.strip() # -------------------------------------------------------- # 질문 없음 # -------------------------------------------------------- if not prompt: st.warning( "질문을 입력해 주세요." ) # -------------------------------------------------------- # 질문 있음 # -------------------------------------------------------- else: # 이전 답변 제거 st.session_state.answer = "" # 현재 질문 저장 st.session_state.last_question = prompt # ---------------------------------------------------- # Agent 실행 # ---------------------------------------------------- with st.spinner( "Pet Store AI Agent가 요청을 처리하고 있습니다..." ): answer = run_pet_store_agent( prompt ) # ---------------------------------------------------- # 답변 저장 # ---------------------------------------------------- st.session_state.answer = answer # ============================================================ # 12. AI 답변 출력 # ============================================================ if st.session_state.answer: st.divider() st.subheader("AI 답변") # -------------------------------------------------------- # Markdown 사용 # # 예: # # **상품명:** Doggy Delights # - 가격: $54.99 # - 현재 재고: 20개 # # 등을 보기 좋게 출력합니다. # -------------------------------------------------------- st.markdown( st.session_state.answer ) # ============================================================ # 13. 실행 질문 확인 # ============================================================ if ( st.session_state.last_question and st.session_state.answer ): with st.expander( "실행한 질문 보기", expanded=False ): st.write( st.session_state.last_question ) # ============================================================ # 14. 현재 연결 정보 # ============================================================ with st.expander( "현재 연결 정보", expanded=False ): st.markdown( """ **AWS Region** `ap-northeast-2` **AI Model** `Amazon Nova Pro` **Product Knowledge Base** `H6IWBKNDPD` **Pet Care Knowledge Base** `ZW3BDOIVGS` **Inventory Lambda** `PetStoreInventoryManagementFunction` **User Lambda** `PetStoreUserManagementFunction` """ ) # ============================================================ # 15. 하단 설명 # ============================================================ st.divider() st.caption( "Pet Store AI Agent | " "Amazon Bedrock Nova Pro + " "Knowledge Bases + AWS Lambda" )
JavaScript
복사