1. 에이전트(Agentic) 아키텍처의 등장과 특징
에이전트 아키텍처는 LLM을 핵심 엔진으로 사용하여, 사전에 정의된 규칙을 넘어 스스로 생각하고(추론), 목표를 달성하기 위해 도구를 사용하고, 상황에 맞게 행동하는 차세대 애플리케이션 구조입니다.
- Monolithic (1990s) : 모든 기능이 하나의 코드베이스에 통합
- Service Oriented (2000s) : 기능별로 서비스를 분리
- Microservices (2010s) : 서비스를 더 작게 분리하여 유연성 확보.
- (한계) 명시적인 규칙, 제한적인 UI, 사전 프로그래밍된 응답에 의존.
- Agentic 아키텍처 (2025 and beyond)
- 동적 논리 및 추론: 사전 프로그래밍된 응답이 아닌 LLM의 추론 능력(Reasoning)을 통해 상황에 맞춰 동적으로 작동
- 자연어 사용자 인터페이스: 코드 없이 자연어 질의를 통해 상호작용
- 시맨틱 API 서비스 및 도구 사용: Cortex Agent와 같이, 데이터와 모델의 의미론적 정보를 이해하고 적절한 도구를 호출하여 행동
- 적응형 응답: 사용자, 상황, 데이터에 따라 유연하고 적절하게 응답
2. Cortex Agent
Cortex Agent는 단일 API로 정형/비정형 데이터를 아우르는 복합적인 질문을 처리할 수 있도록 오케스트레이션을 지원하여 응답 시간을 단축하고, 엔터프라이즈 데이터에 대한 AI 접근성을 혁신합니다.
- 구조화된 데이터 검색 (Structured Data Retrieval):
- Cortex Analyst를 사용하여 정형 데이터(테이블)에 대한 쿼리를 생성/실행합니다.
- 예시 질문: "ACME 거래 업체와의 2024년 6월 월별 매출액?"
- 비구조화된 데이터 검색 (Unstructured Data Retrieval):
- Cortex Search를 사용하여 문서, 텍스트 기반 정보에 대한 검색을 수행합니다.
- 예시 질문: "ACME Supplies와 Stationery 계약 조건 차이는?"
- Cortex LLM (Foundation Model):
- 추론, 이미지 분석, 텍스트 답변 생성 등에 필요한 기반 모델을 제공하며, Anthropic, Mistral, Meta, OpenAI 등 다양한 모델을 활용할 수 있습니다.
- 추론, 이미지 분석, 텍스트 답변 생성 등에 필요한 기반 모델을 제공하며, Anthropic, Mistral, Meta, OpenAI 등 다양한 모델을 활용할 수 있습니다.
3. Snowflake Cortex Agent의 오케스트레이션 및 동작 방식
다음 그림은 Cortex Agent가 사용자의 질문에 답변하기 위해 거치는 '생각하고, 행동하고, 검증하는' 내부 프로세스를 보여줍니다
- 추론 (Reasoning) : 문제 해결 계획 수립
사용자의 질문(예: "How do I improve margins?")이 들어오면, Agent는 LLM을 활용하여 답변을 위한 계획을 수립합니다.- Planning (계획)
- Task Decomposition (작업 분해): 복잡한 질문을 여러 개의 작은 단계(Sub-task)로 나눕니다.
- Chain of Thought (연쇄적 사고): 논리적인 단계를 따라 순차적으로 추론하여 오류를 줄입니다.
- Query Rewrite (쿼리 재작성): 질문을 도구 사용에 적합한 형태로 변환합니다.
- Self-Critique (자가 비평가): 계획의 타당성을 스스로 평가하고 개선합니다.
- Memory (메모리)
- 단기 저장: 현재 대화의 맥락이나 임시 결과 저장
- 장기 저장: 과거의 성공적인 분석 결과, 학습된 지식, 대화 이력 등을 저장하여 다음 추론에 활용합니다
- Planning (계획)
- 도구 사용 (Tool Use) : 계획 실행
계획에 따라 Agent는 적절한 도구를 호출하여 데이터를 검색하고 작업을 수행합니다.- 정형 데이터 검색: Cortex Analyst를 사용하여 SQL을 생성하고 Snowflake 테이블에서 정형 데이터 인사이트를 얻습니다.
- 비정형 데이터 검색: Cortex Search를 사용하여 문서, 텍스트 파일 등에서 비정형 데이터를 검색합니다.
- 기타 도구: 코딩(Python/SQL), 웹 서치, 시각화, 웹 서치, 외부 에이전트(A2A) 연결 등을 통해 작업을 수행하고 실질적인 결과를 생성합니다.
- 셀프 점검 (Reflection) : 결과 검증 및 응답
도구 사용 후, Agent는 스스로 점검(Self-Reflection)하여 최종 결과를 검증합니다.- YES: "사용자 질문에 정확히 답변할 정보가 있는가?" 질문에 'YES'라고 판단하면, 답변을 최종 사용자에게 제공합니다.
- NO: 정보가 부족하거나 정확하지 않다고 판단하면, 메모리로 돌아가 계획을 수정하거나 추가적인 도구 사용을 시도하여 더 나은 답변을 찾습니다.
4. Cortex Agent의 핵심 원칙 및 통합 방식
5. Snowflake Intelligence
Snowflake Intelligence는 엔터프라이즈 데이터를 위한 AI 에이전트 기반의 심층 분석 서비스입니다. 이는 비즈니스 사용자들이 SQL 지식이나 복잡한 대시보드 조작 없이도 자연어 인터페이스를 통해 Snowflake의 모든 정형 및 비정형 데이터를 쿼리하고, 거버넌스가 적용된 신뢰할 수 있는 인사이트를 얻을 수 있도록 설계되었습니다
- WHY USE IT
- 비즈니스 사용자 셀프 서비스 지원: 비즈니스 사용자들이 데이터 팀에 의존하지 않고, 모든 데이터 소스에서 스스로 질문에 대한 답을 찾을 수 있도록 돕습니다.
- 완벽한 보안 환경 및 통합 분석: Snowflake의 강력한 보안 및 거버넌스 환경 아래에서 정형 데이터와 비정형 데이터 소스를 통합하여 분석할 수 있습니다.
- 데이터 팀 부담 완화: 비즈니스 사용자의 임시(ad-hoc) 데이터 요청을 줄여 데이터 팀의 업무 부담을 완화하고, 핵심 업무에 집중할 수 있도록 합니다.
- HOW TO USE IT
- 전용 웹 UI에서 자연어로 질문하여 분석을 시작할 수 있습니다.
- Snowflake에 저장된 문서, 테이블은 물론 외부 소스로부터도 통찰력을 얻습니다.
- 기능은 Cortex Agents를 통해 앱에 포함되거나 커스터마이징되어 활용될 수 있습니다.
Snowflake Korea SE