본문으로 건너뛰기
aws-samples · AIDLC × AgenticOps
Tech Previewv0.4.0-preview.1 — 스키마 및 DSL은 GA 이전에 변경될 수 있습니다. 지원 정책.

AIDLC 운영을 위한
간편한 AI 협업 생태계의 구축

AIDLC는 설계와 구축을 자동화합니다. 운영 — 배포, 인시던트, 비용 편차, 회귀 — 은 여전히 팀의 몫입니다. OMA는 AgenticOps로 루프를 완성하는 플러그인입니다: 사람은 승인하고, 에이전트가 체크포인트 사이의 모든 것을 가드레일과 규정에 따라서 실행하고 검증합니다.

30초 안에 설치GitHub에서 Star
플러그인
4
Tier-0 워크플로우
9
AWS MCP 서버
11개 pin
온톨로지 엔티티
8개 스키마

$ claude

> /plugin marketplace add aws-samples/sample-oh-my-aidlcops

> /plugin install ai-infra agenticops aidlc modernization

✔ 4 plugins enabled · 11 AWS MCP servers pinned

> /oma:autopilot "ship the anomaly detector end to end"

OMA · Inception → Construction → Operations. 승인 게이트: 4. 사이의 에이전트 단계: ~40.

공백

대부분의 AIDLC 구현은 머지 시점에서 멈춥니다.

OMA 없이

  • 트레이스는 Langfuse에 쌓이지만 PR이 되지 않습니다.
  • 인시던트 플레이북은 새벽 2시에 on-call이 읽지 않는 위키에 있습니다.
  • 비용 이상치는 다음 달 청구서에서 드러납니다.
  • 모든 운영 결정은 사람의 판단입니다.

OMA와 함께

  • 트레이스 패턴은 이를 야기한 스킬에 대한 초안 PR을 엽니다 (Langfuse trace MCP를 구성하면).
  • SEV1 알람은 인간 승인 게이트와 함께 진단 + 완화됩니다.
  • 예산 위반은 한도에 도달하기 전에 조절하거나 다운그레이드합니다.
  • 사람은 체크포인트에서 승인합니다. 에이전트가 나머지를 처리합니다.

무엇이 바뀌는가

AIDLC가 라이프사이클을 스스로 완성하도록 하는 세 가지 메커니즘.

  1. 01

    한 커맨드, 전체 라이프사이클.

    스펙 → 설계 → 코드 → 카나리 배포 → 자가 치유 → 비용 귀속. /oma:autopilot이 전체 루프를 주도하며 명시적 승인 체크포인트에서만 멈춥니다.

  2. 02

    프로덕션 트레이스에서 자가 개선.

    자체 Langfuse + trace 읽기 MCP를 구성하면 (프로파일 observability.trace_mcp를 통해), 트레이스가 /oma:self-improving에 공급됩니다. 실패 패턴은 이를 생성한 스킬과 프롬프트에 대한 초안 PR이 되며 — 회귀 테스트는 PR이 열리기 전에 실행됩니다.

  3. 03

    사람은 승인하고, 에이전트가 실행합니다.

    모든 Tier-0 워크플로우는 에이전트 기반 진단, 제안, 실행을 명시적 인간 게이트 사이에 배치합니다. 에이전트는 절대 조용히 프로덕션을 변경하지 않습니다.

드롭인

이미 사용 중인 도구 안에서 플러그인으로 제공됩니다.

Claude Code 플러그인

네이티브 Claude Code 마켓플레이스 항목으로 제공됩니다. 슬래시 커맨드, 키워드 트리거, AWS hosted MCP 레이어가 즉시 작동합니다.

Kiro 스킬

install/kiro.sh가 모든 스킬을 ~/.kiro/skills/에 심링크하고 pin된 MCP 서버 버전으로 kiro-agents 프로파일을 연결합니다.

공유 .omao 상태

Tier-0 모드, 프로젝트 메모리, 감사 로그는 .omao/에 저장됩니다. 두 하네스 모두 동일한 디렉터리를 읽고 쓰므로 — 컨텍스트 손실 없이 전환 가능합니다.

닫힌 AIDLC 루프.

Inception과 Construction은 무엇을 출시할지 정의합니다. Operations는 출시 후 살아 있게 유지하며 — 일상적 수정을 위해 사람 없이 학습을 Construction으로 피드백합니다.

  1. 1

    Inception · aidlc

    워크스페이스 탐지, 적응형 요구사항, 사용자 스토리, 워크플로우 계획. 출력 산출물은 Construction이 준수해야 할 계약이 됩니다.

  2. 2

    Construction · aidlc

    컴포넌트 설계, 인간 승인 게이트가 있는 코드 생성, 12개 범주 리스크 발견, 에이전틱 시스템을 위한 TDD, 단계 품질 게이트.

  3. 3

    Operations · agenticops

    Autopilot 배포, 지속적 평가, 인시던트 대응, 비용 거버넌스, 그리고 학습을 Construction으로 피드백하는 자가 개선 루프.

런타임 (ai-infra)과 브라운필드 진입 (modernization)은 루프 내부가 아닌 옆에 위치합니다.

AgenticOps 역량

자율 시대를 위해 설계되었습니다.

Autopilot 배포

autopilot-deploy는 SLO 게이트 서킷 브레이커와 함께 카나리 1% → 10% → 50% → 100%를 실행합니다. 각 단계는 승격 전에 continuous-eval을 대기하며, 회귀가 발생하면 자동 롤백됩니다.

  • Argo Rollouts / Flagger
  • Prometheus SLO 게이트
  • 100%에서 인간 승인

자가 치유

incident-response는 SEV1–4를 분류하고, 매칭되는 runbook을 가져와, 진단 MCP 쿼리를 발행하며, 승인을 위한 복구 스크립트를 작성합니다. SEV1은 on-call을 호출하며, 절대 자동 실행하지 않습니다.

비용 거버넌스

cost-governance는 에이전트별로 지출을 귀속시키고, 월간 한도를 위반할 배포를 거부하며, Opus → Sonnet → Haiku 다운그레이드 PR을 작성합니다. budget.yaml은 simpleeval 샌드박스에서 실행 — Python eval 없음, RCE 벡터 없음.

CLI 우선. 항상.

모든 스킬은 Claude Code에서 슬래시 커맨드로, Kiro에서 직접 스킬 호출로 접근 가능합니다. 전체 상태는 .omao/ 아래에 있으며 하네스 간 이식 가능합니다.

> /plugin marketplace add https://github.com/aws-samples/sample-oh-my-aidlcops> /plugin install ai-infra agenticops aidlc modernization> /oma:platform-bootstrap  [1/5] Gather Context  …  ok  [2/5] Pre-flight      …  ok

9개 Tier-0 워크플로우

슬래시 커맨드 하나를 호출하면 체크포인트가 있는 계획을 얻습니다.

autopilot/oma:autopilot

전체 AIDLC 루프 (Inception → Construction → Operations).

aidlc-loop/oma:aidlc-loop

단일 기능 Inception → Construction 1회전.

inception/oma:inception

AIDLC Phase 1 단독 — 스펙, 스토리, 워크플로우 계획.

construction/oma:construction

AIDLC Phase 2 단독 — 설계, 코드 생성, 에이전틱 TDD.

agenticops/oma:agenticops

운영 모드: continuous-eval + incident-response + cost-governance.

self-improving/oma:self-improving

Langfuse 트레이스 (구성된 trace MCP 사용) → 프롬프트 / 스킬 개선 PR.

platform-bootstrap/oma:platform-bootstrap

EKS 위 5-체크포인트 Agentic AI Platform 부트스트랩.

modernize/oma:modernize

6단계 브라운필드 모더나이제이션 (평가 → cutover).

cancel/oma:cancel

활성 Tier-0 모드 종료.

키워드 트리거는 프롬프트에 매치가 포함되면 적절한 커맨드를 자동 제안합니다. 트리거 카탈로그.

4개 플러그인

필요한 것만 설치 — 또는 하나의 마켓플레이스 커맨드로 전체 4개.

ai-infra런타임을 구축합니다.

AWS 위 AI 런타임 인프라. EKS + vLLM + Inference Gateway + Langfuse + GPU + guardrails를 제공하며, Bedrock / SageMaker 런타임 스킬은 계획 중입니다. MCP 서버는 정확한 PyPI 버전으로 pin — @latest 사용 안 함.

agentic-eks-bootstrap · vllm-serving-setup · inference-gateway-routing · langfuse-observability · gpu-resource-management · ai-gateway-guardrails

aidlc스펙을 기반으로 설계하고 구축합니다.

awslabs/aidlc-workflows를 위한 AIDLC Phase 1 (Inception) + Phase 2 (Construction) opt-in 확장. Inception은 워크스페이스, 요구사항, 스토리, 워크플로우 계획을 포착합니다. Construction은 그 계획을 컴포넌트, 코드, 테스트, 리스크가 발견된 품질 게이트로 전환합니다.

workspace-detection · requirements-analysis · user-stories · workflow-planning · component-design · code-generation · test-strategy · risk-discovery · quality-gates

agenticops에이전트로 운영합니다.

프로덕션 에이전틱 워크로드를 위한 자율 운영. 인시던트 대응, 자가 개선 피드백 루프, SLO 서킷 브레이커가 있는 점진적 롤아웃, simpleeval 샌드박스 기반 비용 거버넌스, 그리고 verbatim 감사 추적.

self-improving-loop · autopilot-deploy · incident-response · continuous-eval · cost-governance · audit-trail

modernization레거시를 AWS로 이전합니다.

AWS 6R 전략을 사용한 브라운필드 레거시 워크로드 모더나이제이션. Five Lenses를 통한 워크로드 평가, 6R 의사결정 매트릭스, to-be 아키텍처, 컨테이너화 강화, 롤백 트리거가 있는 프로덕션 cutover 계획.

workload-assessment · modernization-strategy · to-be-architecture · containerization · cutover-planning

30초 설치

터미널 세 줄로 작동하는 루프.

1

마켓플레이스 등록

claude
> /plugin marketplace add https://github.com/aws-samples/sample-oh-my-aidlcops
2

4개 플러그인 설치

> /plugin install ai-infra@oh-my-aidlcops
> /plugin install agenticops@oh-my-aidlcops
> /plugin install aidlc@oh-my-aidlcops
> /plugin install modernization@oh-my-aidlcops
3

Tier-0 워크플로우 실행

> /oma:autopilot "ship the anomaly detector end to end"

또는 더 안전한 진입로로 시작: getting-started 가이드.

기본 보안

데모가 아닌 출시 준비.

  • MCP 버전 pin

    모든 .mcp.json과 에이전트 프로파일은 정확한 PyPI 버전으로 awslabs MCP 서버를 참조합니다. @latest 공급망 서프라이즈 없음.

  • 읽기 전용 EKS MCP

    Kiro 에이전트 프로파일은 기본적으로 --allow-write나 --allow-sensitive-data-access를 활성화하지 않습니다. 명시적으로 opt-in 하세요.

  • 최소 권한 IAM

    langfuse-observability는 버킷 범위 customer-managed 정책을 사용합니다. AmazonS3FullAccess는 Bad Example로 명시됩니다.

  • 샌드박싱된 표현식

    cost-governance는 simpleeval로 budget.yaml 규칙을 평가합니다. 사용자 편집 가능 설정에 Python eval()은 문서화된 RCE 벡터입니다.

  • 세션 상태는 로컬 유지

    .omao/state, .omao/plans, .omao/logs, audit-trail 출력, 프로젝트 메모리는 gitignore됩니다. Verbatim 프롬프트는 절대 머신을 떠나지 않습니다.

  • 안전한 JSON hook

    session-start.sh는 jq 또는 python3를 요구하며 셸 보간 JSON 출력을 거부해, 컨텍스트로의 state-file 인젝션을 방지합니다.

FAQ

설치 전 자주 묻는 질문.

  • profile.yaml v1과 8개 온톨로지 스키마는 안정적입니다. CLI 표면과 doctor 리포트 형식은 GA 이전에 변경될 수 있습니다. Breaking 변경 사항은 CHANGELOG의 명시적 "Breaking" 제목 아래에 기록됩니다. 전체 안정성 계약은 지원 정책을 참조하세요.

운영 루프를 손으로 돌리는 것을 멈추세요.

한 번 설치하고, 체크포인트에서 승인하고, 에이전트가 AIDLC 루프의 나머지를 처리하게 하세요.

getting-started 가이드 읽기GitHub에서 Star