의도 기반 네트워킹: 에이전틱 네트워크 자동화

솔루션 개요

통신 및 미디어 소프트웨어, 핀테크와 함께 AI 채택을 주도하는 산업입니다. 그러나 리더와 다른 기업 간의 격차는 계속 커지고 있습니다. AI 역량 의 최전선에 있는 회사는 경쟁업체보다 약 두 배의 수익 성장률을 기록하는 반면, 전체 회사의 거의 4분의 3은 아직 AI 투자에서 실질적인 가치를 보여 주지 못하고 있습니다. 통신은 특히 한 가지 측면 AI 앞서가고 있습니다. 격차는 모델이 아닙니다. 에이전트가 라이브 네트워크 데이터에 대해 조치를 취하는 데 필요한 모든 것은 다음과 같습니다.

• 데이터 파이프라인

• Vector Search

• 임베딩

• 단기 기억 및 장기 기억

• 실시간 처리

Agentic network automation closes that gap. Instead of engineers translating requests into device configurations by hand, autonomous agents interpret goals, plan changes, act on the network, and verify the result. IBN is the clearest expression of this pattern. You state a network outcome in plain business terms, and the system delivers and defends it without further intervention.

IBN을 사용하면 사업자의 고객이 빌드 방법이 아닌 필요한 사항을 설명할 수 있습니다. 예시: 새 플래그십 저장 엽니다.POS 트래픽에 우선 순위 부여하고, 게스트 WiFi를 엄격하게 분리하고, 카메라 업링크를 추가하고, POS 지연 시간 40ms 미만으로 유지합니다.

중앙 에이전트는 해당 의도를 네트워크 정책으로 변환하고, 서비스를 프로비저닝하며, 지속적으로 모니터링합니다. 네트워크가 약속에서 벗어나면 에이전트가 원인을 진단하고 자체적으로 수정 사항을 적용합니다.

MongoDB Atlas는 이 워크플로우를 이끄는 운영 데이터 계층으로 제공됩니다. 에이전트가 필요로 하는 모든 리소스를 하나의 데이터베이스에 통합하여 현재 네트워크 상태, 고객 동의, 이벤트 역사 및 연산자 인사이트에 대한 실시간 쿼리를 제공합니다. AI 계층은 데이터에 직접 연결되어 메시지 버스, 캐시 또는 ETL 파이프라인이 필요 없습니다. 참조 아키텍처 섹션에서는 이 프레임워크가 자세히 작동하는 방법을 설명합니다.

참조 아키텍처

이 솔루션은 MongoDB Atlas 지원하는 단일 에이전트 에서 실행됩니다. 그림 1 에는 주요 구성 요소가 나와 있습니다.

• ReAct 기반 조정자

• 2단계 시맨틱 라우터

• A set of specialized MCP microservices

• 네트워크의 데이터와 에이전트의 메모리를 저장하는 Atlas 컬렉션

모든 서비스는 Atlas에서 읽고 쓰기를 수행하여 메시지 버스, 캐시 또는 ETL 파이프라인을 유지관리할 필요가 없습니다. 이 기반은 확장 가능합니다. 동일한 오케스트레이터, 라우터 및 메모리 계층은 MCP 서비스 및 컬렉션을 추가하여 새로운 도메인을 수용합니다. 이 프레임워크는 what-if 용량 계획을 위한 디지털 네트워크 트윈과 같은 사용 사례를 위한 기반을 마련합니다.

그림 1. 오케스트레이터는 각 쿼리를 MongoDB Atlas를 통해 라우팅합니다. MongoDB Atlas는 서비스 카탈로그, IBN 컬렉션 및 에이전트의 메모리를 저장합니다.

데이터 모델 접근 방식

IBN은 다양한 데이터 형태와 함께 작동하며 MongoDB Atlas는 이 모든 데이터를 한 곳에 보관합니다. 다음 컬렉션은 각각 워크플로우의 일부에 매핑됩니다.

• ibn_intents: 파싱된 의도와 이의 라이프사이클 상태를 저장합니다. 지연 시간 상한 또는 분할 정책과 같이 요청에 지정된 모든 필드가 포함되어 있습니다.

• ibn_sites: 지리 공간적 검색을 위한 2dsphere 인덱스 좌표각을 가진 네트워크 사이트가 포함됩니다.

• ibn_resources、각 사이트에서 사용 가능한 네트워크 리소스가 포함되어 있습니다.

• ibn_policy_snapshots: 전체 계획 이력을 보존하는 변경 불가능한 계획 스냅샷을 저장합니다.

• ibn_telemetryTime Series 컬렉션에 지표 샘플을 저장합니다.

• ibn_compliance_events: 모든 위반 및 복구 기록을 저장합니다.

• ibn_knowledge_chunks: Voyage AI를 사용하여 벡터 검색이 자동으로 임베딩된 과거 사고, 런북, 템플릿을 저장합니다.

에이전트의 메모리도 네트워크 데이터와 함께 전용 컬렉션에 저장되어 MongoDB에 존재합니다.

• agent_workstreams: 현재 작업 스레드에 대한 단기 컨텍스트를 저장합니다.

• agent_memories: 워크스트림이 닫히면 장기 사실을 추출하고 세션 간 리콜을 위해 벡터 인덱싱을 수행합니다.

• user_preferences: 엔지니어가 에이전트에게 가르치는 명령을 저장합니다.

단일 Atlas Vector Search 인덱스를 사용하면 4차원 진단 쿼리가 가능해집니다. Atlas 자동 임베딩을 사용하면 인덱스가 텍스트 필드를 가리키고 Atlas가 임베딩을 생성하고 저장해 줍니다. 별도의 임베딩 파이프라인 또는 서비스를 실행할 필요가 없습니다. 동일한 인덱스는 자동 임베딩된 텍스트 필드를 구조화된 시간 및 지리 공간적 필터와 쌍을 이루능다. 그 결과 $vectorSearch 단계는 여러 쿼리 엔진의 작업을 수행합니다.

{
   "fields": [
      {
         "type": "autoEmbed",
         "modality": "text",
         "path": "text",
         "quantization": "float",
         "model": "voyage-4"
      },
      {
         "type": "filter",
         "path": "kind"
      },
      {
         "type": "filter",
         "path": "segment"
      },
      {
         "type": "filter",
         "path": "market"
      },
      {
         "type": "filter",
         "path": "plan_id"
      },
      {
         "type": "filter",
         "path": "ts"
      },
      {
         "type": "filter",
         "path": "lng"
      },
      {
         "type": "filter",
         "path": "lat"
      }
   ]
}

솔루션 빌드

전체 데모는 이 GitHub 리포지토리 에서 확인할 수 있습니다. 리포지토리 를 복제한 후 다음 단계를 따르세요.

export OPENAI_API_KEY="<your openai api token>"
export MONGODB_URI="<your mdb connection string>"
export VOYAGE_API_KEY="<your voyage api token>"

brew install python@3.13
export PATH="$(brew --prefix)/opt/python@3.13/libexec/bin:$PATH"
python -m venv <dir>
source <dir>/bin/activate
cd agentic-mcp-demo
pip install -r requirements.txt

./bin/start.sh

-I'm opening a new Alpenmarkt store at Marienplatz Munich. POS priority, guest WiFi strictly separated, camera uplink, online by 18:00, max 40ms POS latency, 99.95% availability
-feasibility check
-propose and activate
-inject morning rush
-diagnose violation
-apply runbook

주요 학습 사항

• 데이터를 하나의 저장소에 통합하세요. 의도 기록, 지리 공간적 사이트, Time Series 원격 측정 데이터 및 벡터 인덱스 지식을 단 하나의 MongoDB Atlas 데이터베이스에 저장하고 하나의 드라이버와 하나의 파이프라인으로 조회할 수 있습니다.

• 단일 쿼리로 여러 차원에 걸쳐 조회: 애플리케이션 측 오케스트레이션 없이 단일 Atlas Vector Search 단계에서 벡터 유사성, 구조화된 필터, 시간 창, 지리 공간 범위를 결합합니다.

• 실시간 변경 스트리밍: MongoDB Change Streams를 사용하여 의도 활성화, 위반 및 복구를 폴링 없이 대시보드로 푸시합니다.

• 에이전트에게 메모리 부여: 단기 컨텍스트, 장기 사실 및 사용자 기본 설정을 컬렉션으로 저장하여 에이전트가 다시 학습을 하지 않고 사용할수록 개선될 수 있도록 합니다.

• 전체 의도 라이프사이클 자동화: 하나의 에이전트가 라이브 데이터를 기반으로 네트워크 의도를 전체 점에서 점까지 분석, 계획, 활성화, 보증 및 보완하도록 합니다.

작성자

• Benjamin Lorenz, MongoDB

• Aditya Vikram Roy, MongoDB

• Diego Canales, MongoDB

자세히 알아보기

• AI 기반 미디어 개인화

• 네트워크 관리용 AI 기반 챗봇

• GenAI 기반 동영상 요약