Smart Agentic AI 구축을 위한 데이터베이스 설계

본 글은 에이전트 서비스, 특히 MCP(Model Context Protocol) 서버의 부상과 함께 에이전트 아키텍처의 근간이 되는 데이터 설계의 중요성을 강조합니다. AutoGen, LangGraph, Smolagent 등 다양한 에이전트 프레임워크를 소개하며, 특히 LangGraph와 Strands Agent를 기반으로 동적이고 유연한 에이전틱 워크플로우의 가능성을 탐구합니다.

기존 에이전트들이 반복적인 실패나 비효율적인 토큰 사용 문제를 겪는 것에 주목하며, 사용자의 요청 처리 내역을 데이터베이스에 저장하고 분석하여 최적의 프로세스를 정립하는 방안을 제시합니다. 이를 위해 에이전트 데이터 저장을 위한 적합한 데이터베이스 선택과 스키마 설계 방안을 논의합니다.