TL;DR

  • MongoDB Atlas Agent Engine은 실시간 운영 데이터를 활용하는 에이전트를 운영 환경에 구축·배포·관리하기 위한 공개 프리뷰 플랫폼임.
  • 장기 메모리와 Voyage AI 기반 검색을 내장해 에이전트의 정확도를 높이고 토큰 사용량을 줄이는 구조임.
  • 도구 호출마다 최소 권한 정책을 적용하고 격리된 샌드박스에서 실행하며, 조직 수준의 정책과 감사 기능을 제공함.
  • 모델과 프레임워크에 중립적이며 MCP, A2A, OpenTelemetry 등 개방형 표준을 지원함.
  • 실행 시간과 메모리 저장·검색량에 따라 비용을 부과하며, 공개 프리뷰 요금은 변경될 수 있음.

운영 환경의 에이전트를 위한 설계

  • 운영 환경에서 거버넌스, 메모리, 보안이 없으면 에이전트가 정체될 수 있다는 문제를 제기함.
  • Atlas Agent Engine은 이 세 기능을 네이티브로 제공해 시연용 에이전트에서 실제 배포로 이어지는 기반임.

메모리

  • 장기 메모리를 내장해 에이전트가 이전 작업을 이어갈 수 있도록 함.
  • 의미적(semantic), 일화적(episodic), 분류적(taxonomic), 절차적(procedural) 메모리를 네이티브로 관리함.
  • 에이전트가 시간이 지날수록 더 정확하게 동작하고 토큰을 적게 사용하도록 지원함.

검색

  • Voyage AI 기반 검색을 제공함.
  • RTEB에서 최상위 순위를 기록한 임베딩 및 재순위화 모델을 활용해 기업 데이터에 대한 정확하고 효율적인 검색을 제공함.

ID

  • 모든 동작에 실제 사용자 또는 에이전트 ID를 적용함.
  • 각 도구 호출은 실행 전에 권한을 확인하며, 격리된 샌드박스 안에서 실행됨.
  • 모든 도구 호출에 최소 권한 원칙을 적용함.

거버넌스

  • 조직 수준에서 정책을 설정하고, 하위 단계에서 정책을 덮어쓸 수 없도록 함.
  • 위험한 동작을 사람의 승인으로 전달하고 코드 작성 없이 비용을 통제할 수 있음.
  • 가드레일을 끌 수 없도록 설계함.

관측 가능성

  • 모든 실행을 추적하며 별도 계측 작업이 필요하지 않음.
  • 런타임이 모든 모델 호출, 도구 호출, 메모리 접근을 추적함.
  • 에이전트가 무엇을 했고 왜 했는지 몇 주가 아니라 몇 초 안에 확인할 수 있음.

개방성

  • 모델과 프레임워크에 중립적이며, MCP와 A2A 같은 개방형 표준을 기반으로 함.
  • 나중에 전환할 때 재구축이 아니라 설정 변경만 필요함.

공개 프리뷰 요금

  • 사용한 만큼 지불하고 비용이 발생한 항목을 확인할 수 있으며, 익숙한 Atlas 요금 원칙을 기반으로 함.
  • 요금은 공개 프리뷰 기준이며 변경될 수 있음.
  • 사용량 기반 런타임 요금은 실제 에이전트 실행에 사용한 만큼만 부과함.
  • 메모리와 거버넌스를 런타임과 별도로 또는 함께 도입할 수 있으며, 사용하는 계층에 대해서만 비용을 지불함. 기존 모델과 프레임워크를 그대로 사용할 수 있음.
  • 동일한 확장 가능한 기반에서 에이전트 하나부터 수천 개까지 확장할 수 있으며, 비용은 에이전트가 실제 수행하는 작업량에 따라 달라짐.
  • 구성 요소별 요금은 다음과 같음.
  • 런타임: 에이전트가 요청을 실행하는 시간 — vCPU 기준 1,000초당 $0.04
  • 메모리 저장: 장기 메모리로 전송된 문서 — 저장 문서 1,000개당 $0.25
  • 메모리 검색: 메모리에서 검색된 문서 — 검색 문서 1,000개당 $0.50

자주 묻는 질문

  • MongoDB Atlas Agent Engine이란? Atlas 기반 에이전트 플랫폼으로, 기업이 실시간 운영 데이터를 활용하는 AI 에이전트를 운영 환경에서 설계·배포·관리할 수 있도록 함. 메모리, 검색, 거버넌스를 개별 도구로 조합하는 대신 플랫폼에 내장함.
  • MongoDB Atlas와 어떤 관계인가? Atlas는 실시간 데이터, 검색, 벡터가 있는 데이터 플랫폼임. Atlas Agent Engine은 그 기반 위에 놓인 에이전트 계층이며, 동일한 문서 모델과 검색·벡터 기능을 활용해 에이전트가 운영 환경에서 동작하는 데 필요한 맥락과 상태를 제공함.
  • MongoDB Atlas 데이터베이스에서만 동작하는가? 아님. MongoDB Atlas를 네이티브 기반으로 사용하지만 Atlas 데이터베이스에 저장된 데이터로 제한되지 않음. 데이터를 이전하지 않고도 Salesforce, Oracle, Snowflake, S3, SharePoint 및 내부 시스템 등 데이터가 있는 위치에서 데이터에 접근할 수 있음. Atlas는 에이전트 메모리, 검색, 상태, 거버넌스를 위한 통합 기반을 제공하며, 에이전트는 여러 시스템의 필요한 맥락에 접근함.
  • 이미 에이전트를 운영 중이어도 필요한가? 초기 에이전트 상당수는 별도 벡터 저장소, 캐시, 맞춤형 파이프라인으로 구성된 취약한 스택에서 실행되므로 확장·관리·감사가 어려움. Atlas Agent Engine은 이를 단일 제어 평면, 통합 메모리와 검색, 호출별 격리 기능을 갖춘 하나의 플랫폼으로 통합해 시연 단계에서 신뢰할 수 있고 검토 가능한 운영 시스템으로 옮길 수 있도록 함.
  • 지원 모델·프레임워크·도구는 무엇인가? 모든 대형 언어 모델(LLM)과 프레임워크에 사용할 수 있도록 개방성과 유연성을 고려해 설계됨. 도구에는 Model Context Protocol(MCP), 에이전트 간 위임에는 A2A, 추적에는 OpenTelemetry 등 개방형 표준을 사용해 현재 사용하는 AI 스택에 연결하고 변화에 맞춰 조정할 수 있음.
  • AI 위험과 규정 준수를 어떻게 관리하는가? 모든 도구 호출 전에 최소 권한 정책을 적용하고, 각 호출을 격리된 샌드박스에서 실행하며, 권한을 승인한 ID와 함께 모든 동작을 기록함. 감사, 비용 통제, 가드레일은 조직 수준에서 한 번 설정하고 시스템 간 조합 없이 자동으로 적용함.
  • 정확도와 토큰 비용을 어떻게 개선하는가? 매 대화를 처음부터 시작하는 대신 Atlas 검색과 벡터를 기반으로 한 플랫폼 수준의 의미적·분류적·일화적·절차적 메모리를 제공함. 이를 통해 정확하고 최신인 맥락을 검색해 더 빠르게 답하고 토큰을 훨씬 적게 사용함.

차세대 에이전트를 운영 환경에 배포

  • 취약한 프로토타입과 일회성 실험에서 벗어나 실시간 데이터에 접근하는 거버넌스 적용·관측 가능·비용 효율적인 에이전트로 전환하는 플랫폼임.
  • Atlas Agent Engine으로 수행할 수 있는 작업은 다음과 같음.
  • 모든 에이전트의 중앙 관리
  • 메모리와 검색 상속
  • 설계 단계부터 최소 권한 적용
  • 격리와 감사 가능성 입증
  • 프레임워크와 LLM 전반의 유연성 유지