feat: Evidence Research Agent를 AgentCore Gateway(MCP)로 연결 + Lambda 웜업 버그 수정

app/agents/report_generation/config.py

@@ -51,6 +51,14 @@ class ReportGenerationSettings(BaseSettings):
     enable_bedrock_guardrails: bool = False
     bedrock_guardrail_id: str = ""
 
+    # 비어있으면(기본값) Evidence Research Agent는 in-process 검색 함수를 그대로 쓴다
+    # (app.agents.report_generation.evidence_research.tools). 채워지면 대신 이
+    # AgentCore Gateway(MCP, AWS_IAM 인증)를 통해 kure_retriever Lambda의 7개
+    # tool을 원격 호출한다 - 둘은 같은 파이프라인을 공유하므로(Lambda가 같은
+    # @tool 함수를 재사용) 동작은 동일하고 실행 위치만 달라진다.
+    evidence_research_gateway_url: str = ""
+    evidence_research_gateway_region: str = "ap-northeast-2"
+
     model_config = {"env_file": ".env", "extra": "ignore"}
 
 

app/agents/report_generation/evidence_research/agent.py

@@ -21,6 +21,10 @@
     search_korean_evidence,
 )
 
+# evidence_research_gateway_url이 비어있을 때(기본값) 쓰는 in-process tool.
+# Gateway 모드에서는 이 대신 kure_retriever Lambda가 노출하는 동일 이름의
+# MCP tool을 원격 호출한다(_mcp_gateway_client) - 둘 다 결국 같은 @tool
+# 함수(같은 파이프라인)를 실행하므로 검색 결과는 동일해야 한다.
 _AGENT_TOOLS = [
     search_korean_evidence,
     search_international_evidence,
@@ -32,38 +36,70 @@
 ]
 
 
-def build_evidence_research_agent() -> Agent:
-    model = BedrockModel(
+def _build_model() -> BedrockModel:
+    return BedrockModel(
         model_id=cfg.research_agent_model_id,
         region_name="ap-northeast-2",
         temperature=cfg.research_agent_temperature,
         max_tokens=4096,
     )
+
+
+def build_evidence_research_agent() -> Agent:
+    """in-process tool로 동작하는 Agent (Gateway 미설정 시 기본 경로)."""
     return Agent(
-        model=model,
+        model=_build_model(),
         tools=_AGENT_TOOLS,
         system_prompt=EVIDENCE_RESEARCH_SYSTEM_PROMPT,
     )
 
 
+def _mcp_gateway_client():
+    """kure_retriever Lambda를 노출하는 AgentCore Gateway(MCP, AWS_IAM 인증)에 연결한다.
+
+    참고: https://github.com/aws/mcp-proxy-for-aws - aws_iam_streamablehttp_client가
+    호출자의 AWS 자격증명으로 각 요청에 SigV4 서명을 자동으로 붙여준다.
+    """
+    from mcp_proxy_for_aws.client import aws_iam_streamablehttp_client
+    from strands.tools.mcp import MCPClient
+
+    return MCPClient(
+        lambda: aws_iam_streamablehttp_client(
+            endpoint=cfg.evidence_research_gateway_url,
+            aws_region=cfg.evidence_research_gateway_region,
+            aws_service="bedrock-agentcore",
+        )
+    )
+
+
 def research_evidence(
     clinical_context: ClinicalContextOutput,
     search_feedback: dict | None = None,
 ) -> EvidenceResearchOutput:
-    agent = build_evidence_research_agent()
-
     message = (
         f"[Clinical Context]\n{clinical_context.model_dump_json(indent=2)}\n\n"
     )
     if search_feedback:
         message += f"[이전 Critic 피드백 - 반드시 반영]\n{json.dumps(search_feedback, ensure_ascii=False, indent=2)}\n\n"
     message += "위 clinical_priorities/evidence_needs를 지원할 문헌 근거를 검색하라."
 
-    result = agent(
-        message,
-        structured_output_model=EvidenceResearchOutput,
-        limits={"turns": cfg.research_agent_max_turns},
-    )
+    call_kwargs = {
+        "structured_output_model": EvidenceResearchOutput,
+        "limits": {"turns": cfg.research_agent_max_turns},
+    }
+
+    if cfg.evidence_research_gateway_url:
+        with _mcp_gateway_client() as mcp_client:
+            agent = Agent(
+                model=_build_model(),
+                tools=mcp_client.list_tools_sync(),
+                system_prompt=EVIDENCE_RESEARCH_SYSTEM_PROMPT,
+            )
+            result = agent(message, **call_kwargs)
+    else:
+        agent = build_evidence_research_agent()
+        result = agent(message, **call_kwargs)
+
     output = result.structured_output
     if output is None:
         logger.warning("[evidence_research_agent] structured_output이 비어 있음")

lambda/kure_retriever/handler.py

@@ -86,6 +86,13 @@ def lambda_handler(event: dict, context) -> dict:
     event: 호출된 tool의 입력 파라미터 (예: {"query_ko": "...", "top_k": 5}).
     """
     if event.get("query") == "ping" or event.get("query_ko") == "ping":
+        # KURE-v1 임베딩 모델을 실제로 로드해 이 실행 환경(warm container)에
+        # 캐싱해둔다. AgentCore Gateway의 tool 호출은 ~30초에서 끊기는데, 모델
+        # 로드(수십 초)를 여기서 미리 안 해두면 실제 검색 요청이 매번 그 안에서
+        # 콜드 로드까지 겹쳐 타임아웃난다 (실제 호출로 확인함) - DB는 안 거친다.
+        from app.rag.retriever import _get_embedding_model
+
+        _get_embedding_model().predict(["ping"])
         return {"statusCode": 200, "body": json.dumps([])}
 
     full_tool_name = _resolve_tool_name(context) or ""

pyproject.toml

@@ -11,6 +11,7 @@ dependencies = [
     # AWS
     "boto3>=1.34.0",
     "strands-agents>=1.0.0",
+    "mcp-proxy-for-aws>=1.6.0",
     # DB
     "sqlalchemy[asyncio]>=2.0.30",
     "psycopg[binary]>=3.1.19",