S3 Storage Lens 테이블로 AI 어시스턴트 사용하기

AI 어시스턴트와 대화형 AI 도구를 사용해 S3 Tables로 내보낸 S3 Storage Lens 데이터를 자연어로 다룰 수 있어요. Model Context Protocol(MCP)과 Amazon S3 Tables용 MCP 서버를 활용하면 SQL 쿼리를 작성하지 않고도 스토리지 데이터를 쿼리, 분석, 인사이트 확보할 수 있어요.

출처: Using AI assistants with S3 Storage Lens tables

개요

Model Context Protocol(MCP)은 AI 애플리케이션이 컨텍스트 정보에 액세스하고 활용하는 표준화된 방식이에요. Amazon S3 Tables용 MCP 서버는 AI 어시스턴트가 자연어 인터페이스로 S3 Tables 데이터와 상호작용할 수 있게 해주는 도구를 제공해요. 이를 통해 데이터 액세스가 민주화되어 다양한 기술 수준의 사람들이 S3 Storage Lens 지표로 작업할 수 있어요.

S3 Tables용 MCP 서버를 사용하면 자연어로 다음을 할 수 있어요.

S3 테이블 버킷, 네임스페이스, 테이블 나열
S3 Storage Lens 지표 쿼리 및 인사이트 확보
스토리지 추세와 패턴 분석
비용 최적화 기회 식별
보고서와 시각화 생성

지원되는 AI 어시스턴트

S3 Tables용 MCP 서버는 Model Context Protocol을 지원하는 다양한 AI 어시스턴트와 함께 작동해요. 예:

Kiro – 내장 MCP 지원을 갖춘 AI 코딩 어시스턴트
Amazon Q Developer – 개발자를 위한 AWS의 AI 기반 어시스턴트
Cline – MCP 통합을 지원하는 AI 코딩 어시스턴트
Claude Desktop – MCP를 지원하는 Anthropic의 데스크톱 애플리케이션
Cursor – AI 기반 코드 편집기

중요: AI가 생성한 SQL 쿼리와 권장 사항은 사용 전에 검토·검증해야 해요. 쿼리가 데이터 구조, 사용 사례, 성능 요구 사항에 적합한지 확인하세요. 프로덕션에 적용하기 전에 항상 비프로덕션 환경에서 권장 사항을 테스트하세요.

Kiro를 S3 Storage Lens 테이블과 함께 설정하기

Kiro는 MCP 서버를 통해 S3 Tables와 원활하게 통합되는 AI 코딩 어시스턴트예요. Kiro는 인터페이스에서 직접 MCP 서버를 설치·구성할 수 있게 도와줘서 설정 과정을 간소화해요.

Kiro에 대한 자세한 내용은 Kiro AI를 참조해 주세요.

사전 요구 사항

시작하기 전에 다음이 준비되어 있는지 확인하세요.

시스템에 Kiro 설치. https://kiro.ai/ 에서 다운로드
적절한 자격 증명으로 구성된 AWS CLI
S3 Tables 내보내기가 활성화된 S3 Storage Lens 구성
S3 Tables를 쿼리할 권한. 자세한 내용은 "S3 Storage Lens 테이블 권한"을 참조해 주세요.

1단계: S3 Tables MCP 서버 설치

S3 Tables MCP 서버는 두 가지 방법으로 설치할 수 있어요.

옵션 1: Kiro의 내장 MCP 서버 관리 사용

Kiro가 인터페이스를 통해 MCP 서버를 발견하고 설치하도록 도와줄 수 있어요.

Kiro 열기
MCP 서버 관리 인터페이스에 접근(보통 설정 또는 명령 팔레트를 통해)
"S3 Tables" 또는 "awslabs.s3-tables-mcp-server" 검색
Kiro의 프롬프트에 따라 서버 설치·구성

옵션 2: uvx를 사용한 수동 설치

Python 패키지 실행기인 uvx를 사용해 MCP 서버를 수동으로 설치할 수도 있어요.

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

MCP 서버 설치에 대한 자세한 내용은 AWS S3 Tables MCP Server 문서를 참조해 주세요.

2단계: Kiro MCP 설정 구성

~/.kiro/settings/mcp.json에 있는 Kiro MCP 구성 파일을 다음 내용으로 만들거나 업데이트하세요.

{
  "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, us-east-1을 AWS 리전으로 바꿔주세요.

3단계: 구성 확인

MCP 서버를 구성한 후 Kiro를 다시 시작하고 S3 Tables 도구를 사용할 수 있는지 확인하세요. Kiro 설정에서 사용 가능한 MCP 서버를 확인하거나 Kiro에 사용 가능한 도구를 나열하도록 요청할 수 있어요.

AI 어시스턴트와 함께하는 사용 사례 예시

다음 예시는 AI 어시스턴트에 자연어 프롬프트를 사용해 S3 Storage Lens 데이터와 상호작용하는 방법을 보여줘요.

예시 1: 상위 스토리지 소비자 쿼리

프롬프트: "내 S3 Storage Lens 데이터에서 스토리지 소비량 기준 상위 10개 버킷을 보여줘."

AI 어시스턴트가 MCP 서버를 사용해 S3 Storage Lens 테이블을 쿼리하고 버킷 이름, 스토리지 클래스, 스토리지 양을 포함한 결과를 반환해요.

예시 2: 스토리지 증가 분석

프롬프트: "지난 30일 동안의 내 스토리지 증가를 분석하고 추세를 보여줘."

AI 어시스턴트가 스토리지 지표 테이블을 쿼리하고 일별 스토리지 합계를 계산해 증가 추세를 보여줘요.

예시 3: 비용 최적화 기회 식별

프롬프트: "7일보다 오래된 불완전한 멀티파트 업로드로 스토리지를 낭비하는 버킷을 찾아줘."

AI 어시스턴트가 스토리지 지표 테이블에서 불완전한 멀티파트 업로드를 쿼리해 잠재적 비용 절감이 있는 버킷 목록을 제공해요.

예시 4: 콜드 데이터 후보 찾기

프롬프트: "지난 100일 동안 활동이 없고 핫 스토리지 계층에 저장된 프리픽스를 식별해줘."

AI 어시스턴트가 스토리지 지표와 활동 지표를 모두 분석해 비용 최적화를 위해 더 차가운 스토리지 계층으로 옮길 수 있는 데이터를 식별해요.

예시 5: 스토리지 보고서 생성

프롬프트: "지난주 동안의 총 스토리지, 객체 수, 요청 패턴을 보여주는 내 S3 스토리지 요약 보고서를 만들어줘."

AI 어시스턴트가 여러 테이블을 쿼리하고 데이터를 집계해 종합 보고서를 생성해요.

AI 어시스턴트 사용 모범 사례

S3 Storage Lens 데이터로 AI 어시스턴트를 사용할 때 다음 모범 사례를 따르세요.

프롬프트를 구체적으로 작성 – 분석할 데이터와 찾는 인사이트에 대해 명확하고 구체적인 지침을 제공하세요.
AI 생성 쿼리 검증 – 실행하거나 조치를 취하기 전에 AI 어시스턴트가 생성한 SQL 쿼리와 권장 사항을 항상 검토·검증하세요. AI 어시스턴트는 때때로 특정 사용 사례와 데이터에 대해 검증이 필요한 잘못된 쿼리나 권장 사항을 생성할 수 있어요.
적절한 권한 사용 – AI 어시스턴트가 사용하는 IAM 자격 증명에 필요한 권한만 있는지 확인하세요. 읽기 전용 분석에는 SELECT 권한만 부여하세요.
사용량 모니터링 – AWS CloudTrail을 사용해 AI 어시스턴트가 실행한 쿼리를 추적해 감사 추적을 유지하세요.
간단한 쿼리부터 시작 – AI 어시스턴트가 프롬프트를 어떻게 해석하는지 이해하려면 간단한 쿼리부터 시작한 후 더 복잡한 분석으로 진행하세요.

로깅 및 추적성

S3 Tables MCP 서버를 AI 어시스턴트와 함께 사용할 때 작업을 감사하는 여러 방법이 있어요.

로컬 로그 – MCP 서버가 요청과 응답을 로컬에 기록해요. --log-dir 구성 옵션으로 로그 디렉터리를 지정할 수 있어요.
AWS CloudTrail – PyIceberg를 사용하는 MCP 서버를 통한 모든 S3 Tables 작업은 user agent 문자열로 awslabs/mcp/s3-tables-mcp-server/<version>을 사용해요. 이 user agent로 CloudTrail 로그를 필터링해 AI 어시스턴트가 수행한 작업을 추적할 수 있어요.
AI 어시스턴트 기록 – Kiro와 Cline 같은 AI 어시스턴트는 자연어 요청, LLM 응답, MCP 서버에 제공된 지침을 기록하는 기록 로그를 유지해요.

보안 고려 사항

S3 Storage Lens 데이터로 AI 어시스턴트를 사용할 때 다음 보안 모범 사례를 따르세요.

최소 권한 액세스 사용 – AI 어시스턴트에 작업에 필요한 최소 권한만 부여해요.
MFA 활성화 – AI 어시스턴트가 액세스하는 AWS 계정에는 다중 인증(MFA)을 사용해요.
권한 정기 검토 – AI 어시스턴트에 부여된 권한을 주기적으로 감사하고 불필요한 액세스를 취소하세요.
별도의 자격 증명 사용 – 추적과 감사를 쉽게 하기 위해 AI 어시스턴트 액세스용으로 별도의 AWS 자격 증명 사용을 고려하세요.
민감 데이터 공유 방지 – 특히 클라우드 기반 AI 서비스를 사용할 때 AI 어시스턴트에 프롬프트로 민감 정보를 공유하지 않도록 주의하세요.

문제 해결

AI 어시스턴트가 S3 Tables에 연결할 수 없음

문제: AI 어시스턴트가 S3 Tables에 연결할 수 없다고 하거나 MCP 서버가 응답하지 않아요.

해결책:

uvx awslabs.s3-tables-mcp-server@latest --version으로 MCP 서버가 올바르게 설치되었는지 확인하세요.
AWS 자격 증명이 올바르게 구성되었는지 확인하세요.
MCP 구성 파일에 올바른 AWS 프로필과 리전이 있는지 확인하세요.

액세스 거부 오류

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

해결책:

aws-s3 테이블 버킷에서 분석 통합이 활성화되었는지 확인하세요.
Lake Formation 권한이 올바르게 구성되었는지 확인하세요.
AWS 자격 증명에 필요한 IAM 권한이 있는지 확인하세요.

잘못되었거나 예상 밖의 결과

문제: AI 어시스턴트가 잘못되었거나 예상 밖의 결과를 반환해요.

해결책:

AI 어시스턴트가 생성한 SQL 쿼리를 검토하세요.
Storage Lens 구성에 올바른 네임스페이스 이름을 사용하고 있는지 확인하세요.
최신 report_time을 쿼리해 데이터가 준비되었는지 확인하세요.
분석하려는 대상을 더 구체적으로 지정하도록 프롬프트를 다듬으세요.

추가 리소스

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

Kiro AI – 내장 MCP 지원을 갖춘 AI 코딩 어시스턴트
Model Context Protocol(MCP)을 사용한 S3 Tables용 대화형 AI 구현 - AWS Storage Blog
AWS S3 Tables MCP Server 문서
Model Context Protocol 사양

더 알아보기

S3 Storage Lens 테이블 권한 자세히 알아보기
S3 Storage Lens 테이블 데이터를 분석 도구로 쿼리해 보기