몽고DB, AI 에이전트 운영 기능 통합…검색·메모리·보안 강화

몽고DB가 런던에서 열린 자사 ‘.Local’ 행사에서 AI 에이전트를 실제 서비스 환경에 배치하는 데 필요한 기능을 한데 묶은 새 플랫폼 역량을 공개했다. 핵심은 데이터 검색 속도와 정확도, 그리고 보안 연결성 강화다. AI 경쟁력이 모델 자체보다 ‘데이터 계층’에 달렸다는 점을 정면으로 겨냥한 업데이트로 해석된다.

이번에 공개된 몽고DB 8.3은 기존 8.0 대비 읽기 성능은 최대 45%, 쓰기는 35%, 고무결성 트랜잭션은 15%, 복잡한 작업 처리는 30% 향상됐다고 회사 측은 밝혔다. 특히 개발자가 코드를 수정하거나 인프라를 바꾸지 않아도 이런 개선 효과를 얻을 수 있다는 점을 강조했다. 몽고DB는 기업용 AI 시스템이 요구하는 ‘100밀리초 미만’ 데이터 검색, ‘1초 미만’ 컨텍스트 업데이트, 무중단 운영에 맞춰 설계됐다고 설명했다.

CJ 데사이 최고경영자(CEO)는 “AI 에이전트를 운영 환경에서 구동할 때 가장 어려운 부분은 모델이 아니라 그 아래의 데이터 계층”이라고 말했다. 이는 에이전트형 AI가 얼마나 빠르게 데이터를 찾느냐뿐 아니라, 한 번에 얼마나 많은 문맥 정보를 ‘기억’처럼 유지하고 정확히 읽어낼 수 있느냐에 성능이 좌우된다는 의미다.

벡터 검색·임베딩 자동화로 정확도 개선

몽고DB는 속도 개선과 함께 검색 정확도를 높이기 위한 기능도 추가했다. 공개 프리뷰로 선보인 ‘Automated Voyage Embeddings’는 몽고DB 벡터 서치 안에서 텍스트와 문서 데이터를 자동으로 벡터 임베딩으로 변환해준다. 벡터 임베딩은 단어, 문장, 문단, 이미지 같은 정보를 숫자 배열 형태로 바꿔 AI가 의미적 유사성을 더 정교하게 찾도록 돕는 기술이다.

이 기능은 몽고DB가 지난해 인수한 보야지 AI의 기술을 바탕으로 한다. 기존에는 AI 엔지니어나 실무 부서가 문서나 이미지를 불러올 때마다 임베딩을 별도로 생성해야 했지만, 이를 자동화하면서 운영 부담을 낮추고 개발 효율을 높였다는 게 회사 설명이다.

파블로 스턴 AI 및 신사업 부문 최고제품책임자(CPO)는 “AI 도구나 에이전트가 잘못된 답을 내놓으면 보통 모델을 탓하지만, 올바른 문맥과 메모리를 제공하는 것은 결국 데이터 플랫폼”이라고 말했다. AI 에이전트 성능의 병목이 모델보다 데이터 처리 구조에 있을 수 있다는 점을 짚은 발언이다.

또 몽고DB는 자바스크립트와 타입스크립트 개발자를 위한 LangGraph.js 장기 기억 저장소(Long-Term Memory Store)도 정식 출시했다. 그동안 주로 파이썬 생태계에서 접근 가능했던 에이전트 메모리 기능을 몽고DB 아틀라스(Atlas) 기반으로 제공해 추가 데이터베이스 없이 구현할 수 있도록 했다.

규제 산업 겨냥한 AWS 프라이빗 링크 지원

보안과 규제 대응 기능도 강화됐다. 몽고DB는 아마존웹서비스(AWS) 프라이빗 링크의 정식 지원을 통해 서로 다른 AWS 리전의 몽고DB 클러스터 간 트래픽이 공용 인터넷을 거치지 않고 AWS 사설 네트워크 내부에서만 이동하도록 했다고 밝혔다.

이는 은행, 헬스케어, 정부기관처럼 데이터 저장 위치와 전송 보안 요건이 엄격한 산업군을 겨냥한 조치다. 몽고DB는 이 기능을 통해 운영팀과 엔지니어링 조직이 보안팀 승인 속도를 높이고, 예외 처리 부담은 줄이면서도 글로벌 서비스 확장을 추진할 수 있다고 설명했다.

이번 발표는 AI 인프라 경쟁이 모델 개발에서 실제 운영 환경으로 빠르게 이동하고 있음을 보여준다. 특히 기업 시장에서는 단순한 생성 AI 도입보다 검색 정확도, 장기 기억, 보안 연결성 같은 ‘운영 가능한 AI’ 조건이 더 중요해지고 있다. 몽고DB는 데이터베이스를 넘어 AI 에이전트 실행 기반 플랫폼으로 영역을 넓히려는 모습이다.