음성 에이전트

개요

Voice Agent(Bidi Agent)는 실시간 양방향 음성 대화를 제공하는 에이전트입니다. WebSocket을 통해 브라우저와 오디오를 스트리밍하며, Amazon Nova Sonic 모델을 사용합니다.

브라우저 (Web Audio API)
  │ WebSocket
  ▼
AgentCore WebSocket Proxy
  │ WebSocket
  ▼
Voice Agent Container (FastAPI + Uvicorn)
  │ Strands BidiModel
  ▼
Amazon Nova Sonic

---

음성 모델

Amazon Nova Sonic을 사용합니다. AWS 내부 네트워크를 통해 동작하므로 별도 API 키 없이 낮은 지연시간으로 음성 대화가 가능합니다.

항목	값
모델	Amazon Nova Sonic
API 키	불필요 (IAM Role)
지연시간	낮음 (AWS 내부 네트워크)
음성	tiffany, matthew

---

WebSocket 이벤트

브라우저 → 서버

이벤트	설명
audio	PCM 오디오 (16kHz, 1채널)
text	텍스트 입력
ping	Keep-alive (pong 응답)
stop	세션 종료

서버 → 브라우저

이벤트	설명
audio	응답 오디오 (sample rate 포함)
transcript	텍스트 (role, is_final 포함)
tool_use	도구 호출 알림
tool_result	도구 실행 결과
connection_start	연결 성공
response_start / response_complete	응답 수명 주기
interruption	사용자가 발화 중단
error	오류 메시지
timeout	세션 타임아웃 (기본 900초)

---

도구

Voice Agent도 MCP 도구를 사용할 수 있습니다.

도구	설명
getDateAndTimeTool	지정 타임존의 현재 시간 조회
DuckDuckGo search	웹 검색
DuckDuckGo fetch_content	웹 페이지 전문 조회
AgentCore MCP 도구	문서 검색, 그래프 탐색 등

---

언어 자동 감지

브라우저의 타임존을 기반으로 선호 언어를 결정합니다.

타임존	언어
Asia/Seoul	한국어
Asia/Tokyo	일본어
Asia/Shanghai	중국어
Europe/Paris	프랑스어
Europe/Berlin	독일어
America/Sao_Paulo	포르투갈어
기타	영어

---

대화 기록 저장

대화 기록(transcript)은 S3에 저장됩니다.