View a markdown version of this page

S3 Storage Lens 테이블에서 AI 어시스턴트 사용 - Amazon Simple Storage Service
개요지원되는 AI 어시스턴트S3 Storage Lens 테이블을 사용하여 Kiro 설정AI 어시스턴트 사용 사례 예AI 어시스턴트 사용 모범 사례로깅 및 추적성보안 고려 사항문제 해결추가 리소스

S3 Storage Lens 테이블에서 AI 어시스턴트 사용

AI 어시스턴트와 대화형 AI 도구를 사용하여 자연어를 사용하여 S3 Tables로 내보낸 S3 Storage Lens 데이터와 상호 작용할 수 있습니다. Model Context Protocol(MCP)과 Amazon S3 Tables용 MCP 서버를 활용하여 SQL 쿼리를 작성하지 않고도 스토리지 데이터에서 쿼리, 분석 및 인사이트를 얻을 수 있습니다.

개요

Model Context Protocol(MCP)은 AI 애플리케이션이 컨텍스트 정보에 액세스하고 활용할 수 있는 표준화된 방법입니다. Amazon S3 Tables용 MCP 서버는 AI 어시스턴트가 자연어 인터페이스를 사용하여 S3 Tables 데이터와 상호 작용할 수 있는 도구를 제공합니다. 이를 통해 데이터 액세스를 대중화하고 기술 수준 전반의 개인이 S3 Storage Lens 지표로 작업할 수 있습니다.

MCP 서버 for S3 Tables를 사용하면 자연어를 사용하여 다음을 수행할 수 있습니다.

  • S3 테이블 버킷, 네임스페이스 및 테이블 나열

  • S3 Storage Lens 지표 쿼리 및 인사이트 가져오기

  • 스토리지 추세 및 패턴 분석

  • 비용 최적화 기회 파악

  • 보고서 및 시각화 생성

지원되는 AI 어시스턴트

MCP 서버 for S3 Tables는 다음을 포함하여 Model Context Protocol을 지원하는 다양한 AI 어시스턴트와 함께 작동합니다.

  • Kiro - MCP 지원이 내장된 AI 코딩 어시스턴트

  • Amazon Q Developer - 개발자를 위한 AWS의 AI 기반 어시스턴트

  • Cline - MCP 통합을 사용하는 AI 코딩 어시스턴트

  • Claude Desktop - MCP를 지원하는 Anthropic의 데스크톱 애플리케이션

  • 커서 - AI 기반 코드 편집기

중요

AI 생성 SQL 쿼리 및 권장 사항은 사용 전에 검토하고 검증해야 합니다. 쿼리가 데이터 구조, 사용 사례 및 성능 요구 사항에 적합한지 확인합니다. 권장 사항을 실제 운영 환경에 적용하기 전에 항상 비프로덕션 환경에서 테스트하세요.

S3 Storage Lens 테이블을 사용하여 Kiro 설정

Kiro는 MCP 서버를 통해 S3 Tables와 원활하게 통합되는 AI 코딩 도우미입니다. Kiro는 인터페이스를 통해 직접 MCP 서버를 설치하고 구성하여 설정 프로세스를 간소화하는 데 도움이 될 수 있습니다.

Kiro에 대한 자세한 내용은 Kiro AI를 참조하세요.

사전 조건

시작하기 전에 다음이 있는지 확인하세요.

  • Kiro가 시스템에 설치되었습니다. https://kiro.ai/ 다운로드

  • 적절한 자격 증명으로 AWS CLI가 구성됨

  • S3 Tables 내보내기가 활성화된 S3 Storage Lens 구성입니다.

  • S3 테이블을 쿼리할 수 있는 권한입니다. 자세한 내용은 S3 Storage Lens 테이블에 대한 권한 섹션을 참조하세요.

1단계: S3 Tables MCP 서버 설치

다음 두 가지 방법으로 S3 Tables MCP 서버를 설치할 수 있습니다.

옵션 1: Kiro의 내장 MCP 서버 관리 사용

Kiro는 인터페이스를 통해 MCP 서버를 직접 검색하고 설치하는 데 도움이 될 수 있습니다.

  1. Kiro 열기

  2. MCP 서버 관리 인터페이스에 액세스(일반적으로 설정 또는 명령 팔레트를 통해)

  3. ‘S3 Tables’ 또는 ‘awslabs.s3-tables-mcp-server’ 검색

  4. Kiro의 프롬프트에 따라 서버를 설치하고 구성합니다.

옵션 2: uvx를 사용한 수동 설치

또는 Python 패키지 실행기인 uvx를 사용하여 MCP 서버를 수동으로 설치할 수 있습니다.

uvx awslabs.s3-tables-mcp-server@latest

MCP 서버 설치에 대한 자세한 내용은 AWS S3 Tables MCP 서버 설명서를 참조하세요.

2단계: Kiro MCP 설정 구성

다음 콘텐츠로 ~/.kiro/settings/mcp.json에서 Kiro MCP 구성 파일을 생성하거나 업데이트합니다.

{
  "mcpServers": {
    "awslabs.s3-tables-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.s3-tables-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1"
      }
    }
  }
}

your-aws-profile을 AWS CLI 프로필 이름으로 바꾸고 us-east-1을 AWS 리전으로 바꿉니다.

3단계: 구성 확인

MCP 서버를 구성한 후 Kiro를 다시 시작하고 S3 Tables 도구를 사용할 수 있는지 확인합니다. Kiro의 설정에서 또는 Kiro에 사용 가능한 도구를 나열하도록 요청하여 사용 가능한 MCP 서버를 확인할 수 있습니다.

AI 어시스턴트 사용 사례 예

다음 예제에서는 AI 어시스턴트와 함께 자연어 프롬프트를 사용하여 S3 Storage Lens 데이터와 상호 작용하는 방법을 보여 줍니다.

예제 1: 상위 스토리지 소비자 쿼리

프롬프트: ‘S3 Storage Lens 데이터의 스토리지 사용량별로 상위 10개 버킷을 보여 줘.’

AI 어시스턴트는 MCP 서버를 사용하여 S3 Storage Lens 테이블을 쿼리하고 버킷 이름, 스토리지 클래스 및 스토리지 양을 포함한 결과를 반환합니다.

예제 2: 스토리지 성장 분석

프롬프트: ‘지난 30일 동안의 스토리지 증가를 분석하고 추세를 보여 줘.’

AI 어시스턴트는 스토리지 지표 테이블을 쿼리하고, 일일 스토리지 합계를 계산하고, 성장 추세를 표시합니다.

예제 3: 비용 최적화 기회 파악

프롬프트: ‘스토리지를 낭비하는 7일 이상 지난 불완전 멀티파트 업로드가 있는 버킷을 찾아 줘.’

AI 어시스턴트는 스토리지 지표 테이블에서 불완전한 멀티파트 업로드를 쿼리하고 잠재적 비용 절감 효과가 있는 버킷 목록을 제공합니다.

예제 4: 콜드 데이터 후보 찾기

프롬프트: ‘핫 스토리지 계층에 저장된 지난 100일 동안 활동이 없는 접두사를 식별해 줘.’

AI 어시스턴트는 스토리지 및 활동 지표를 모두 분석하여 비용 최적화를 위해 더 낮은 스토리지 계층으로 이동할 수 있는 데이터를 식별합니다.

예제 5: 스토리지 보고서 생성

프롬프트: ‘지난 주의 총 스토리지, 객체 수 및 요청 패턴을 보여 주는 내 S3 스토리지의 요약 보고서를 생성해 줘.’

AI 어시스턴트는 여러 테이블을 쿼리하고, 데이터를 집계하고, 포괄적인 보고서를 생성합니다.

AI 어시스턴트 사용 모범 사례

S3 Storage Lens 데이터와 함께 AI 어시스턴트를 사용할 때는 다음 모범 사례를 따르세요.

  • 프롬프트에 구체적으로 표시 - 분석하려는 데이터와 찾고 있는 인사이트에 대한 명확하고 구체적인 지침을 제공합니다.

  • AI 생성 쿼리 확인 - AI 어시스턴트가 생성하는 SQL 쿼리 및 권장 사항을 실행하거나 조치를 취하기 전에 항상 검토하고 검증합니다. AI 어시스턴트는 때때로 특정 사용 사례 및 데이터에 대해 확인해야 하는 잘못된 쿼리 또는 권장 사항을 생성할 수 있습니다.

  • 적절한 권한 사용 - AI 어시스턴트가 사용하는 IAM 자격 증명에 필요한 권한만 있는지 확인합니다. 읽기 전용 분석의 경우 SELECT 권한만 부여합니다.

  • 사용량 모니터링 - 감사 추적을 유지하기 위해 AWS CloudTrail을 사용하여 AI 어시스턴트가 실행하는 쿼리를 추적합니다.

  • 간단한 쿼리로 시작 - 간단한 쿼리로 시작하여 AI 어시스턴트가 프롬프트를 해석하는 방법을 이해한 다음 더 복잡한 분석으로 진행합니다.

로깅 및 추적성

AI 어시스턴트와 함께 S3 Tables MCP 서버를 사용하는 경우 여러 가지 방법으로 작업을 감사할 수 있습니다.

  • 로컬 로그 - MCP 서버는 요청 및 응답을 로컬로 로깅합니다. --log-dir 구성 옵션을 사용하여 로그 디렉터리를 지정할 수 있습니다.

  • AWS CloudTrail - PyIceberg를 사용하는 MCP 서버를 통한 모든 S3 테이블 작업은 사용자 에이전트 문자열로 awslabs/mcp/s3-tables-mcp-server/<version>를 갖습니다. 이 사용자 에이전트를 기준으로 CloudTrail 로그를 필터링하여 AI 어시스턴트가 수행한 작업을 추적할 수 있습니다.

  • AI 어시스턴트 기록 - Kiro 및 Cline과 같은 AI 어시스턴트는 자연어 요청, LLM 응답 및 MCP 서버에 제공된 지침을 기록하는 기록 로그를 유지합니다.

보안 고려 사항

S3 Storage Lens 데이터와 함께 AI 어시스턴트를 사용하는 경우 다음 보안 모범 사례를 따르세요.

  • 최소 권한 액세스 사용 - AI 어시스턴트에게 작업에 필요한 최소 권한만 부여합니다.

  • MFA 활성화 - AI 어시스턴트가 액세스하는 AWS 계정에 대해 다중 인증을 사용합니다.

  • 정기적으로 권한 검토 - AI 어시스턴트에 부여된 권한을 정기적으로 감사하고 불필요한 액세스를 취소합니다.

  • 별도의 자격 증명 사용 - 추적 및 감사를 용이하게 하려면 AI 어시스턴트 액세스에 별도의 AWS 자격 증명을 사용하는 것이 좋습니다.

  • 민감한 데이터 공유 방지 - 특히 클라우드 기반 AI 서비스를 사용할 때는 프롬프트에서 AI 어시스턴트에게 민감한 정보를 공유하는 데 주의해야 합니다.

문제 해결

AI 어시스턴트가 S3 Tables에 연결할 수 없음

문제: AI 어시스턴트가 S3 Tables에 연결할 수 없거나 MCP 서버가 응답하지 않는다고 보고합니다.

해결 방법:

  • uvx awslabs.s3-tables-mcp-server@latest --version을 사용하여 MCP 서버가 올바르게 설치되었는지 확인합니다.

  • AWS 자격 증명이 올바르게 구성되었는지 확인

  • MCP 구성 파일에 올바른 AWS 프로필과 리전이 있는지 확인합니다.

액세스 거부 오류

문제: AI 어시스턴트가 S3 Storage Lens 테이블을 쿼리할 때 액세스 거부 오류를 수신합니다.

해결 방법:

  • aws-s3 테이블 버킷에서 분석 통합이 활성화되어 있는지 확인

  • Lake Formation 권한이 올바르게 구성되어 있는지 확인합니다.

  • AWS 자격 증명에 필요한 IAM 권한이 있는지 확인합니다.

부정확하거나 예상치 못한 결과

문제: AI 어시스턴트가 잘못되거나 예상치 못한 결과를 반환합니다.

해결 방법:

  • AI 어시스턴트가 생성한 SQL 쿼리 검토

  • Storage Lens 구성에 올바른 네임스페이스 이름을 사용하고 있는지 확인합니다.

  • 최신 report_time을 쿼리하여 데이터를 사용할 수 있는지 확인

  • 분석하려는 항목에 대해 더 구체적으로 설명하도록 프롬프트를 구체화합니다.

추가 리소스

S3 테이블에서 AI 어시스턴트를 사용하는 방법에 대한 자세한 내용은 다음 리소스를 참조하세요.