Amazon Bedrock AgentCore에 추가된 runtime instances: 장기 실행 AI 에이전트를 위한 상시 컴퓨트
Amazon Bedrock AgentCore Runtime에 runtime instances가 추가됐습니다. AWS가 관리하는 EC2 인프라 위에서 프로덕션 AI 에이전트를 상시로 돌릴 수 있는 새 컴퓨트 옵션입니다. 기존에 있던 runtime microVM과는 성격이 다른, 서로 보완하는 선택지로 나왔습니다.
기존 microVM으로는 부족했던 지점
AgentCore Runtime의 microVM은 완전 관리형 환경에서 최대 8시간까지 실행되는 호출을 처리하고, 관리형 세션 스토리지를 통해 상태를 유지하는 워크플로를 지원합니다. 짧게 뜨고 빠르게 확장하는 작업에는 잘 맞습니다.
하지만 며칠씩 끊기지 않고 돌아가야 하는 에이전트, GPU나 하부 OS에 직접 접근해야 하는 작업, 여러 에이전트가 같은 호스트에서 협업하는 구성에는 다른 형태의 컴퓨트가 필요합니다. 예전에는 이런 요구가 있으면 EC2 인스턴스를 직접 프로비저닝하고, 네트워킹을 구성하고, 세션 관리와 스케일링, 모니터링을 손수 엮어야 했습니다. runtime instances는 이 부분을 AWS가 관리하는 인프라로 대신합니다.
runtime instances가 제공하는 것
하나의 런타임에 여러 에이전트를 배포할 수 있고, 각 에이전트는 자기만의 의존성과 아티팩트 타입을 가질 수 있습니다. 이 에이전트들은 같은 호스트에서 공유 세션을 통해 협업하며, 세션은 최대 14일까지 유지됩니다. 컴퓨트 집약적인 작업을 위한 GPU 가속을 지원하고, 유휴 기간에 비용을 아끼기 위한 세션 중지/재시작 기능이 있습니다. 컨테이너 기반 배포도 가능해서 팀별로 독립적으로 배포하는 방식에 맞출 수 있습니다.
세션이 끝난 뒤에도 남아야 하는 지식은 Amazon EBS와 AgentCore Memory를 함께 써서 세션과 환경을 넘나드는 장기 기억을 확보할 수 있습니다.
에이전트 개발자 입장에서 눈여겨볼 부분은 세 가지입니다. 공유 세션 안에서 에이전트들이 서로를 도구처럼 호출하며 작업이 끝날 때까지 자율적으로 반복할 수 있습니다. CrewAI, LangGraph, LlamaIndex, Strands 등 어떤 프레임워크와 어떤 모델이든 가져와서 쓸 수 있습니다. 패키징은 @app.entrypoint 데코레이터와 zip 파일 또는 컨테이너 이미지 정도로 최소한만 요구합니다. 워크플로가 며칠에 걸쳐 있다면 월요일 밤에 하이버네이트하고 수요일 아침에 상태 그대로 재개할 수 있습니다.
runtime instances는 microVM과 동일한 AgentCore API, 자격 증명 제어, 관측성을 그대로 사용합니다. 기존에 microVM으로 쓰던 운영 체계를 그대로 이어갈 수 있습니다.
microVM과 instances를 조합하는 패턴
두 컴퓨트 옵션은 같은 AgentCore 런타임 API를 통해 단독으로도, 함께도 쓸 수 있습니다. 대표적인 조합은 microVM 위의 가벼운 오케스트레이터 에이전트가 instances 위의 특화된 워커 에이전트들에게 작업을 분배하는 구조입니다. 오케스트레이터는 microVM의 빠른 확장을 활용해 API 호출, 작업 라우팅, 결과 취합을 담당하고, instances의 워커들은 코드 컴파일, 보안 스캔, GUI 자동화처럼 상태 유지와 직접적인 OS 접근이 필요한 무거운 작업을 처리합니다.
공유 파일 시스템으로 협업하는 방식
원문 데모는 두 에이전트를 예로 듭니다. 자연어 설명에서 파이썬 코드를 생성하는 코드 작성 에이전트와, 그 코드를 버그·보안·스타일 관점에서 검토하는 코드 리뷰 에이전트입니다. 두 에이전트는 같은 파일 시스템을 공유하기 때문에, 리뷰어는 작성자가 만든 결과물을 별도의 데이터 전송이나 API 호출 없이 그대로 읽습니다.
두 에이전트 모두 Strands Agents로 만든 파이썬 애플리케이션이고, 각각 @app.entrypoint 데코레이터와 자신이 선택한 모델을 가집니다. 각각을 zip 파일로 패키징합니다. 데모는 AWS Management Console을 사용하지만, AgentCore CLI, AWS CLI, IaC로도 같은 작업을 할 수 있습니다.
배포와 실행은 다음 흐름으로 진행됩니다.
1단계, 용량 공급자(capacity provider) 생성. 에이전트가 돌아갈 EC2 인프라를 정의하는 단계입니다. AgentCore 콘솔의 Runtime에서 Capacity providers 탭으로 들어가 생성합니다. 데모에서는 운영 체제로 Linux(64-bit ARM), 허용 인스턴스 타입으로 c7g.2xlarge(8 vCPU, 16 GiB 메모리)를 선택합니다. 이어서 VPC, 서브넷, 보안 그룹을 구성하고, 스토리지는 기본 gp3 볼륨을 유지합니다. 서비스 접근에서는 새 서비스 역할을 만들어 콘솔이 EC2 인스턴스를 대신 관리하는 인프라 역할을 생성하도록 합니다. 생성 후에는 설명만 수정할 수 있으므로 진행 전에 설정을 확인해 두는 편이 좋습니다.
2단계, 런타임 생성과 첫 에이전트 배포. Runtime 페이지에서 런타임을 만들고 Compute type을 Instances로 지정한 뒤, 앞서 만든 용량 공급자를 선택합니다. Agent source에서 S3 Source를 골라 작성자 에이전트 zip 파일을 올리고, Language runtime을 Python 3.13으로, Agent entry point를 agent.py로 지정합니다. 권한은 기본 역할 생성으로 콘솔이 IAM 역할을 프로비저닝하게 합니다. 같은 과정을 리뷰어 에이전트에도 반복해 두 번째 런타임을 만들되, 같은 용량 공급자를 선택합니다. 이렇게 하면 두 에이전트가 같은 EC2 인프라를 공유합니다.
3단계, 에이전트 호출과 협업 관찰. Runtime playground를 열면 Runtime agent, Endpoint, Session ID 필드가 있고 세션 ID는 자동 생성됩니다. 작성자 에이전트에 {"prompt": "write a fibonacci suite"} 같은 입력을 주면, 생성된 파이썬 코드가 세션 ID가 포함된 경로(/tmp/agentcore-session/{session_id}/code.py)에 기록됩니다. 이 디렉터리가 해당 세션의 공유 파일 시스템입니다.
4단계, 같은 세션에서 리뷰어 호출. Runtime agent를 리뷰어로 바꾸고, 중요한 지점으로 Session ID 필드에 작성자 때와 동일한 세션 ID를 붙여 넣습니다. 이것이 두 에이전트를 연결하는 열쇠입니다. 리뷰어는 공유 세션 디렉터리에서 작성자가 만든 파일을 읽어 리뷰를 반환합니다.
두 에이전트는 서로 메시지를 주고받거나 API를 호출하지 않았습니다. 세션 안에서 runtime instances가 제공하는 공유 파일 시스템을 통해 협업합니다. 이 패턴은 코드를 실행하는 테스트 에이전트, README를 생성하는 문서화 에이전트, 취약점을 스캔하는 보안 에이전트처럼 같은 작업 디렉터리를 공유하는 여러 에이전트로 확장할 수 있습니다.
도입 전 확인할 사실
시작하기 전에 알아둘 조건은 다음과 같습니다.
- 지원 OS: 출시 시점 기준 Linux ARM64 및 x86_64
- 세션 지속: 최대 14일
- 런타임: 네이티브 코드를 지원하는 Python 3.11–14, 컨테이너 이미지도 지원
- GPU: GPU 가속 인스턴스 타입 지원
- 통합: AgentCore Runtime과 동일한 API, 자격 증명, 관측성, 정책 제어 사용
- 요금: 표준 EC2 요금에 AgentCore 오케스트레이션에 대한 관리 수수료가 더해집니다. 세부 사항은 AWS 공식 문서에서 확인할 수 있습니다.
제공 리전은 미국 동부(오하이오, 버지니아 북부), 미국 서부(오리건), 아시아 태평양(뭄바이, 싱가포르, 시드니, 도쿄), 유럽(프랑크푸르트, 아일랜드)입니다. 시작하려면 Amazon Bedrock AgentCore 문서의 runtime instance 항목을 참고해 첫 용량 공급자를 생성하면 됩니다.
원문: Runtime instances: persistent compute for production AI agents on Amazon Bedrock AgentCore · 발행일 2026-08-06