몽고DB, 7가지 새로운 플랫폼 기능으로 AI 에이전트 시장 공략

몽고DB(MongoDB Inc.)는 기업용 AI 추진을 가속화하며, AI 에이전트가 프로덕션 환경에서 신뢰를 얻는 데 필요한 장기 메모리와 실시간 컨텍스트를 제공하도록 설계된 아틀라스(Atlas) 데이터 플랫폼의 7가지 신기능을 출시했습니다. 이번 조치는 현재 많은 기업이 AI 데이터 스택에 사용하는 파편화된 다중 벤더 방식에 도전하는 것입니다.

몽고DB의 사장 겸 CEO인 CJ 데사이(CJ Desai)는 "프로덕션에서 에이전트를 운영할 때 가장 어려운 부분은 모델이 아니라 그 아래에 있는 데이터 계층입니다. 에이전트를 대규모로 신뢰하려면 올바른 컨텍스트를 검색하고, 세션 전반에 걸쳐 메모리를 유지하며, 기계 속도로 작동해야 합니다"라고 말했습니다.

런던 행사에서 발표된 이번 업데이트에는 현재 공개 프리뷰 중인 몽고DB 벡터 검색(Vector Search)의 자동 보야지 AI(Voyage AI) 임베딩이 포함되어 있어, 데이터 업데이트 시 벡터 임베딩을 자동으로 생성합니다. 개발자를 위해 회사는 JavaScript 기반 AI 에이전트에 지속성 메모리를 제공하는 LangGraph.js 통합의 정식 버전을 발표했습니다. 핵심 데이터베이스 또한 대폭 업그레이드되어, 몽고DB 8.3은 최대 45% 향상된 읽기 속도와 35% 향상된 쓰기 속도를 제공합니다.

몽고DB(NASDAQ: MDB)에 있어 이번 발표는 성장하는 에이전틱 AI 시장의 기반 데이터 계층이 되기 위한 직접적인 승부수입니다. 벡터 검색, 메모리, 임베딩과 같은 기능을 단일 플랫폼으로 통합함으로써 회사는 개발자의 '동기화 비용(synchronization tax)'을 줄이고, 다른 플랫폼 제공업체와의 치열한 경쟁 속에서 AI 인프라 시장 점유율을 잠재적으로 높이는 것을 목표로 합니다.

이 새로운 기능들은 몽고DB의 AI 현장 CTO인 피트 존슨(Pete Johnson)이 대규모 언어 모델의 '메모리 문제'라고 부르는 것을 직접적으로 해결합니다. 대화 전반에 걸쳐 컨텍스트를 유지하거나 관련 최신 데이터에 액세스할 수 없으면 AI 에이전트는 일관되지 않거나 잘못된 결과를 생성하여 사용자 신뢰를 떨어뜨립니다. 최근 인수한 보야지 AI의 임베딩 및 리랭킹 모델을 아틀라스 플랫폼에 직접 통합함으로써 몽고DB는 에이전트가 정확한 정보를 사전에 수신할 수 있도록 하는 것을 목표로 합니다.

회사는 자사의 보야지 AI 임베딩 모델이 검색 정확도의 주요 지표인 대규모 텍스트 임베딩 벤치마크(MTEB)에서 1위를 차지했다고 주장합니다. 몽고DB의 최고 제품 책임자인 벤 세팔로(Ben Cefalo)에 따르면, 자동 임베딩 생성 기능은 이전에 몇 주가 걸리던 엔지니어링 프로젝트를 '2분 설정'으로 단축시킵니다.

이러한 통합된 컨텍스트 인식 플랫폼 구축 전략은 팀워크 그래프(Teamwork Graph)를 앞세운 아틀라시안(Atlassian)과 같은 벤더들이 기업용 AI의 중추 신경계가 되기 위해 경주하고 있는 광범위한 업계 트렌드를 반영합니다. 목표는 AI 에이전트가 정보에 입각한 결정을 내릴 수 있도록 하는 기관의 기억인 '기업 컨텍스트'를 소유하는 것입니다.

특히 규제 산업에서의 기업 도입을 더욱 지원하기 위해 몽고DB는 AWS 프라이빗링크(PrivateLink)의 교차 리전 연결 기능도 발표했습니다. 이를 통해 서로 다른 AWS 리전 간의 데이터베이스 트래픽이 프라이빗 네트워크에 유지될 수 있어 글로벌 조직의 보안 및 규정 준수가 간소화됩니다.

이 기사는 정보 제공만을 목적으로 하며 투자 조언을 구성하지 않습니다.