기업 혁신을 이끄는 이들의 기술 파트너, EDB
AI 파일럿이 프로덕션까지 이어지지 못하고 있습니다.
Postgres 기반으로 프로덕션 수준의 AI 에이전트를 구축하려면 여러 도구를 조합하고, 맞춤형 통합 코드를 작성하며, 개발자가 만든 프로토타입과 실제 운영 환경에 배포할 수 있는 결과물 사이의 간극까지 해결해야 합니다. 그 결과, 팀은 가치를 창출하는 AI 에이전트 로직을 개발하기보다 데이터 파이프라인 구축, 벡터 데이터베이스 관리, 모델 호스팅 인프라 운영에 수개월을 소비하게 됩니다. 한편, 여러 시스템에 분산된 기업 데이터는 AI 에이전트가 활용하지 못한 채 고립되어 있습니다.
아이디어 구상부터 에이전트 배포까지 3단계.
-
1 — 디자인
드래그 앤 드롭 캔버스
오픈소스 Langflow 기반의 시각적 캔버스에서 멀티 에이전트 워크플로를 구축하세요. 복잡한 로직도 구현할 수 있도록 Python 전체 확장을 지원하며, 700개 이상의 에코시스템과 연동됩니다.
-
2 — 준비
수작업 ETL 없이, 오래된 컨텍스트 없이
문서, 데이터베이스, 실시간 시스템 등 다양한 엔터프라이즈 데이터를 자동으로 수집하고, 정제·청킹·임베딩·태깅하여 에이전트가 즉시 활용할 수 있는 지식 베이스를 지속적으로 구축합니다.
-
3 — 실행
엔터프라이즈 검색
에이전트는 데이터가 저장된 위치에서 직접 추론을 수행합니다. 기본 제공되는 벡터 엔진이 Postgres 환경 내부에서 모든 AI 데이터를 저장하고 인덱싱하여 시맨틱 검색과 하이브리드 검색을 지원합니다.
프로덕션 환경에서 입증된 성과
자체 구축(DIY) 클라우드 방식 대비 프로덕션까지 걸리는 기간(주)
자체 구축(DIY) 클라우드 대비 개발 노력 절감
Databricks 대비 쿼리 지연 시간 감소
MongoDB 대비 더 높은 벡터 검색 정확도
AI 에이전트로 운영 혁신을 실현합니다.
"기존에 사람이 직접 수행하던 업무를 AI 에이전트에 맡김으로써 통신 산업의 운영을 더욱 효율화할 수 있다고 믿습니다. 빠른 QA 지원부터 글로벌 엔지니어들과의 긴밀한 협업까지, EDB는 고객의 요구에 세심하게 대응하는 신뢰할 수 있는 컨설팅 파트너라고 생각합니다."
— 쇼타 다카노(Shota Takano), NTT East, Innovation and Technology 매니저
이전의 어떤 AI 프로젝트보다 더 빠르게 프로덕션 환경에 적용했습니다.
핵심 기능
Where Agent Factory lives in the platform.
Agent Factory spans the agentic workload layer with platform services for security, governance, and data integration at its foundation.
주권형 AI를 어디에나 배포하세요.
온프레미스는 물론 퍼블릭 클라우드, 주권형 데이터센터, 에어갭(Air-Gapped) 환경까지 어디에서나 AI 에이전트를 실행할 수 있습니다. 모든 에이전트는 고객의 인프라와 보안 경계(Security Perimeter) 내에서 운영되므로 데이터에 대한 통제권을 유지할 수 있습니다.
리소스
-
기술 브리프
-
-
AI 에이전트를 구축하고 배포할 준비가 되셨나요?
프로토타입과 프로덕션의 간극을 줄이세요. 에이전트 팩토리는 이미 보유한 데이터를 기반으로 AI 에이전트를 가장 빠르게 프로덕션 환경에 배포할 수 있는 방법입니다. 주권형 AI를 고려해 설계되었으며, 첫날부터 프로덕션 환경에서 바로 활용할 수 있습니다.
자주 묻는 질문
EDB Postgres AI 에이전트 팩토리는 주권형 AI 에이전트와 생성형 AI(GenAI) 애플리케이션을 구축, 테스트, 배포할 수 있는 완전한 Postgres 네이티브 플랫폼입니다. 오픈소스 Langflow 기반의 시각적 에이전트 IDE(Agent Studio), 자동화된 AI 데이터 파이프라인, 네이티브 벡터 검색, 유연한 모델 서빙 기능을 하나의 플랫폼으로 통합했습니다. 온프레미스, 퍼블릭 클라우드, 에어갭(Air-Gapped) 환경 등 다양한 환경에 배포할 수 있습니다.
아니요. Agent Studio는 시각적 드래그 앤 드롭 캔버스를 제공하여 복잡한 통합 코드를 작성하지 않고도 모든 개발자가 에이전트 워크플로우를 설계, 테스트, 배포할 수 있습니다. McKnight Consulting Group 조사에 따르면, EDB PG AI는 DIY 클라우드 방식 대비 개발 노력을 67% 절감합니다. 에이전트 개발이 처음인 팀은 시각적 캔버스를 사용하고, 숙련된 엔지니어는 완전한 Python 확장성과 700개 이상의 생태계 통합 기능을 활용합니다.
모든 AI 데이터(벡터, 임베딩, 지식 베이스)는 기업이 이미 관리하고 있는 Postgres 환경 내에 네이티브로 저장됩니다. 에이전트는 외부로의 데이터 이동, 제3자 AI 서비스, 새로운 보안 경계 없이 데이터 바로 옆에서 직접 작동합니다. 운영 데이터를 보호하는 거버넌스 제어가 AI 데이터에도 자동으로 확장 적용됩니다
McKnight Consulting Group 조사에 따르면, EDB PG AI는 프로덕션 도달 시간을 28주에서 9주로 단축시키며, 이는 DIY 클라우드 솔루션보다 3배 빠른 속도입니다. Agent Studio는 개발 환경과 프로덕션 런타임이 동일하기 때문에 프로토타입-프로덕션 간의 간극을 없앱니다. Agent Studio에서 구축한 모든 플로우는 처음부터 배포 가능한 REST API 엔드포인트가 됩니다.