"AI 에이전트, 모델보다 데이터가 문제"…몽고DB, 엔터프라이즈 정조준

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.

몽고DB는 통합 AI 데이터 플랫폼 비전과 전략을 강화하는 신규 기능을 발표했다고 11일 밝혔다.

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.

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.

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.

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.

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.

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.

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.

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.

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.