행사 운영에서 AI의 역할은 질문에 답하는 데 그치지 않는다. 현장 상황과 방문객 정보를 파악하고, 과거 사례를 검색해 대응을 계획하며, 필요한 조치를 실행한 뒤 그 결과를 다음 판단에 반영해야 한다. Agentic Event Venue Operator는 이처럼 기억과 운영 맥락을 바탕으로 행동하는 에이전트다.
기억·검색·실행을 연결하는 구조
MongoDB의 데모는 테니스 행사 중 비가 다가오는 상황을 예로 든다. 에이전트는 현장 상태와 방문객 이력을 확인하고, 일반 방문객과 프리미엄 고객에게 서로 다른 대응을 제안한다. 이어 예약이나 일정 변경을 실행하고, 그 결과를 장기 메모리에 저장한다.1
이 과정에서 각 기술은 서로 다른 역할을 맡는다.
MongoDB Atlas는 운영 데이터와 에이전트 메모리, 행동 결과를 저장한다. 에이전트는 현재 상태뿐 아니라 이전 작업의 결과까지 조회해 다음 판단에 활용할 수 있다.
Voyage AI는 텍스트와 이미지를 벡터로 변환한다. 정확한 키워드가 일치하지 않아도 유사한 과거 상황이나 운영 문서를 찾을 수 있으며, 벡터 검색과 텍스트 검색을 결합해 의미적 유사성과 정확한 명칭을 함께 반영할 수 있다.1
LangGraph는
인식 → 계획 → 승인 → 실행 → 회고로 이어지는 워크플로를 관리한다.Store는 장기 메모리 구현에,Command는 실행 흐름 제어에 사용된다.interrupt()를 배치하면 중요한 행동 전에 사람의 판단을 요청할 수 있다.2
핵심은 모델 자체보다 이 연결 구조에 있다. 운영 데이터가 검색과 계획으로 이어지고, 실행 결과가 다시 메모리에 축적돼야 에이전트가 일회성 챗봇을 넘어 지속적인 운영 주체로 기능할 수 있다.
운영 환경에서는 자율성보다 통제가 먼저다
데모가 동작한다고 해서 곧바로 실제 행사에 적용할 수 있는 것은 아니다. 환불, VIP 좌석 변경, 대규모 안내처럼 영향이 큰 행동에는 명확한 승인 절차가 필요하다. 데모의 승인 단계는 자동으로 통과하므로, 운영 환경에서는 interrupt()를 이용한 인간 개입 지점과 권한 범위를 별도로 설계해야 한다.12
서비스 제공 방식도 고려해야 한다. FastAPI를 사용하면 에이전트를 스트리밍 또는 비스트리밍 엔드포인트로 제공할 수 있다. async/await 기반의 비동기 설계는 여러 요청을 동시에 처리하는 데 활용된다.2 필요하다면 URL 경로별로 여러 에이전트를 호출하도록 구성하거나, AG-UI 프로토콜을 통해 CopilotKit 같은 호환 프런트엔드와 연결할 수도 있다.2
마지막으로, 실행 과정을 관찰할 수 있어야 한다. Langfuse는 복잡한 에이전트 워크플로와 상호작용을 그래프로 시각화한다. LangGraph와 통합하면 트레이스에 에이전트 그래프가 자동으로 표시되므로 반복 호출, 비정상적인 분기, 실패 지점을 추적하는 데 도움이 된다.3
적용할 때 확인할 기준
Agentic Event Venue Operator를 설계할 때는 다음 질문부터 점검하는 편이 좋다.
에이전트가 판단에 필요한 최신 운영 데이터를 읽을 수 있는가?
과거 사례와 작업 결과를 장기 메모리에서 검색할 수 있는가?
실행 가능한 행동과 금지된 행동의 경계가 명확한가?
영향이 큰 조치 전에 사람의 승인을 받는가?
실행 결과와 실패 내역이 기록되고 추적되는가?
좋은 운영 에이전트는 단순히 말을 잘하는 모델이 아니다. 최신 상태를 읽고, 관련 기억을 찾고, 허용된 범위에서 행동하며, 그 결과를 다시 기록하는 시스템이다. 처음에는 안내나 추천처럼 되돌리기 쉬운 업무부터 적용하고, 승인·감사 기록·오류 복구 체계를 갖춘 뒤 실행 권한을 단계적으로 넓히는 것이 안전하다.
참고
1GitHub - mongodb-developer/event-venue-operator
이 노트는 보도·비평·교육·연구 목적으로 작성되었습니다. 저작권 문의가 있으시면 에서 알려주세요.