"AI 에이전트, 모델보다 데이터가 문제"…몽고DB, 엔터프라이즈 정조준 작성일 05-11 35 목록 <div id="layerTranslateNotice" style="display:none;"></div> <strong class="summary_view" data-translation="true">임베딩 자동 생성·장기 메모리·벡터 검색 통합…AI 워크로드 운영 부담 낮춰</strong> <div class="article_view" data-translation-body="true" data-tiara-layer="article_body" data-tiara-action-name="본문이미지확대_클릭"> <section dmcf-sid="qHTGYdLxjV"> <p contents-hash="feb9df04fcfddddd236091e2b52f7f6ecbb56a3c3dbdce519d4fec2b414a2ef3" dmcf-pid="BXyHGJoMN2" dmcf-ptype="general">(지디넷코리아=장유미 기자)몽고DB가 엔터프라이즈의 인공지능(AI) 에이전트 운영을 겨냥해 데이터 플랫폼 기능을 강화했다. 실시간 데이터베이스와 풀텍스트·벡터 검색, 메모리, 임베딩, 리랭커 모델을 단일 플랫폼에서 제공해 기업이 프로덕션 환경에서 AI 에이전트를 안정적으로 운영할 수 있도록 지원한다는 전략이다.</p> <p contents-hash="3a557f955df9a7d4760622954d10a4c63e747b6e36893616646d7bb9e23bcd6f" dmcf-pid="bLeni10Hg9" dmcf-ptype="general">몽고DB는 통합 AI 데이터 플랫폼 비전과 전략을 강화하는 신규 기능을 발표했다고 11일 밝혔다.</p> <p contents-hash="1ce3708670f955c8f2fc2ab8972de16743bc4be1b2418e5650b7ab382fce2f85" dmcf-pid="KodLntpXcK" dmcf-ptype="general">이번 발표를 통해 몽고DB는 엔터프라이즈가 프로덕션 환경에서 AI 에이전트를 운영하는 데 필요한 실시간 데이터베이스, 풀텍스트 및 벡터 검색, 메모리, 임베딩, 리랭커 모델을 단일 플랫폼에서 제공한다는 전략을 구체화했다. 서로 다른 시스템을 직접 연결하고 대규모 환경에서 작동 여부를 검증해야 했던 기존 기업의 데이터 인프라 부담을 줄이는 것이 핵심이다.</p> <p contents-hash="9b105df1ed1769182c1e272ffffb2628f7e41c849e77fc5b97c222ee740794e7" dmcf-pid="9gJoLFUZgb" dmcf-ptype="general">CJ 데사이 몽고DB 사장 겸 최고경영자(CEO)는 "프로덕션 환경에서 에이전트를 운영할 때 가장 까다로운 부분은 모델 자체가 아니라 그 근간을 이루는 데이터 레이어"라며 "대규모로 운영되는 에이전트를 신뢰하기 위해서는 올바른 컨텍스트를 검색하고 세션 간 메모리를 유지하며 기업이 필요로 하는 곳에서 기계와 같은 속도로 작동해야 한다"고 말했다.</p> <figure class="figure_frm origin_fig" contents-hash="15318592d533f4168932a35ffdbdcd2cb89b53370b1cee53c756717e1960107f" dmcf-pid="2aigo3u5jB" dmcf-ptype="figure"> <p class="link_figure"><img alt="(이미지=몽고DB)" class="thumb_g_article" data-org-src="https://t1.daumcdn.net/news/202605/11/ZDNetKorea/20260511105303076dqiz.png" data-org-width="640" dmcf-mid="z7yHGJoMAf" dmcf-mtype="image" height="auto" src="https://img2.daumcdn.net/thumb/R658x0.q70/?fname=https://t1.daumcdn.net/news/202605/11/ZDNetKorea/20260511105303076dqiz.png" width="658"></p> <figcaption class="txt_caption default_figure"> (이미지=몽고DB) </figcaption> </figure> <p contents-hash="171044ba5ef987514ef55cca2ee5b5068a5c0716ffec9f4ef82d3c7bb758d877" dmcf-pid="VNnag071gq" dmcf-ptype="general">몽고DB는 우선 검색 정확도 향상을 위해 '몽고DB 벡터 서치용 보이지 AI 자동 임베딩(Automated Voyage AI Embeddings in MongoDB Vector Search)'을 퍼블릭 프리뷰로 제공한다. 이 기능은 데이터가 기록되거나 업데이트될 때 임베딩을 자동 생성해 에이전트가 실시간으로 정확한 컨텍스트를 확보할 수 있도록 지원한다.</p> <p contents-hash="d74bc6fcd8d5786453519fce95a61e55e58d08df97dc5d504a500a41c05a9c8b" dmcf-pid="fjLNapztaz" dmcf-ptype="general">임베딩 모델은 정보를 벡터 형태로 변환해 AI 에이전트가 관련 정보를 찾을 수 있게 한다. 몽고DB에 따르면 보이지 AI 임베딩 모델은 검색 임베딩 벤치마크(RTEB)에서 1위를 기록하고 있다. 이를 통해 기업은 별도 검색 인프라를 수동으로 구축하지 않아도 시맨틱 검색을 빠르게 구현할 수 있다. 기존에는 검색 인프라 구축에 수 주가 걸렸지만, 자동 임베딩을 활용하면 몇 분 안에 시맨틱 검색을 시작할 수 있다는 설명이다.</p> <p contents-hash="4ac65fc5bae2d8d3d4e4678b0f41929fc8e1fb1075d044a42279d3349924700b" dmcf-pid="4AojNUqFj7" dmcf-ptype="general">에이전트 메모리 기능도 강화했다. 정식 출시된 '랭그래프.js(LangGraph.js) 장기 메모리 스토어(Long-Term Memory Store)'는 자바스크립트와 타입스크립트 개발자가 대화 간 지속되는 에이전트 메모리를 구현할 수 있도록 지원한다. 몽고DB 아틀라스를 단일 백엔드로 활용해 별도 데이터베이스를 구축할 필요가 없다.</p> <p contents-hash="b0237cf4be67175ce89f308140d4dcdb309959e24c620ec5f37e0d4e95dbb453" dmcf-pid="8cgAjuB3gu" dmcf-ptype="general">성능 개선도 이뤄졌다. 몽고DB 8.3은 애플리케이션 코드 변경 없이 몽고DB 8.0 대비 읽기 성능 최대 45%, 쓰기 성능 최대 35%, ACID 트랜잭션 성능 최대 15%, 복잡한 작업 성능 최대 30%를 향상시켰다.</p> <p contents-hash="aad4f062e14c306da48e8ed210ae55b1aa7f344ee0484f585bd8abfbfe3d8ede" dmcf-pid="6kacA7b0cU" dmcf-ptype="general">몽고DB는 고부하 환경에서 AI 에이전트를 운영하려면 100밀리초 미만 검색, 1초 미만 컨텍스트 업데이트, 무중단 운영이 중요하다고 설명했다. 몽고DB 아틀라스는 이러한 AI 워크로드 속도 요구사항에 맞춰 설계됐다.</p> <p contents-hash="0961bffdbec36bec4a4a4ff56f0b17311eb9a7af99b3a54f5d1e3481124a9de5" dmcf-pid="PENkczKpop" dmcf-ptype="general">벤 세팔로 몽고DB 수석 부사장 겸 핵심 제품 부문 최고제품책임자는 "몽고DB 8.3은 고객이 이미 보유한 인프라에서 에이전트 워크로드를 더 빠르고 저렴하게 실행할 수 있도록 한다"며 "일반적인 데이터 변환 작업을 데이터베이스 자체로 통합해 팀들이 에이전트에게 데이터를 제공하기 위한 외부 파이프라인을 별도로 유지할 필요가 없어졌다"고 말했다.</p> <p contents-hash="50be0085177816bf043c29066043a5ef6ccd2745c5d4675df8b3790ad0afb50a" dmcf-pid="QDjEkq9Ua0" dmcf-ptype="general">배포 환경 선택권도 강조했다. 몽고DB는 AWS, 구글 클라우드, 마이크로소프트 애저, 온프레미스 및 하이브리드 환경 전반에서 운영된다. 고객은 배포 환경과 관계없이 단일 데이터베이스, 단일 API, 일관된 기술 역량을 활용할 수 있다.</p> <p contents-hash="42351d30c0ea7d9890abad4c4c548068793dcdfdd7398dc6b476ffc6a41ca204" dmcf-pid="xwADEB2uj3" dmcf-ptype="general">AWS 프라이빗링크 크로스 리전 연결도 정식 출시됐다. 이를 통해 서로 다른 AWS 리전에 위치한 몽고DB 아틀라스 클러스터 간 데이터베이스 트래픽은 공용 인터넷을 거치지 않고 AWS 프라이빗 네트워크 내에서 이동한다. 또 보안·컴플라이언스 요구사항이 높은 은행, 의료기관, 공공기관 등이 글로벌 확장성과 데이터 보호 요건을 동시에 충족할 수 있도록 지원한다.</p> <p contents-hash="94c090d3d6fba11f0c6a70ae6db4fa00505c117defa2bbd52d191a5fba6156f8" dmcf-pid="yBUqzwOcNF" dmcf-ptype="general">파블로 스턴 몽고DB AI 및 이머징 제품 부문 최고제품책임자(CPO)는 "AI 툴과 에이전트가 잘못된 답변을 내놓으면 흔히 모델을 탓하곤 한다"며 "하지만 에이전트가 올바르게 동작하도록 적절한 컨텍스트와 메모리를 제공하는 것은 데이터 플랫폼의 역할"이라고 밝혔다. </p> <p contents-hash="0f68685a6b3d46852be6649b2ab51f6f6a3110193f9d9e5a6a7686a5bac57813" dmcf-pid="W9zKbshDAt" dmcf-ptype="general">그러면서 "몽고DB는 이러한 과정을 간소화했다"며 "개발자들은 더 이상 데이터 인프라를 구축 및 유지하거나 임베딩을 연결하고 시스템 간 동기화를 관리할 필요 없이 비즈니스 성과에만 집중할 수 있다"고 덧붙였다.</p> <p contents-hash="051cf6a91e3fcb3fe228999820f8ae845cd7e17c1994c78bebe82791523e40d9" dmcf-pid="Y2q9KOlwc1" dmcf-ptype="general">장유미 기자(sweet@zdnet.co.kr)</p> </section> </div> <p class="" data-translation="true">Copyright © 지디넷코리아. 무단전재 및 재배포 금지.</p> 관련자료 이전 "대통령이 보여!" 영화가 현실로?…정원오·오세훈 '사주' 봤더니 05-11 다음 "3X3농구 등 24종목-서울 초중고 학생 5만2735명 참가 열기" 서울시교육감배 학교스포츠클럽 대회 16일 상문고서 개막! 6개월 열전 스타트[공식발표] 05-11 댓글 0 등록된 댓글이 없습니다. 로그인한 회원만 댓글 등록이 가능합니다.
