# S3 Storage Lens 테이블에서 AI 어시스턴트 사용
<a name="storage-lens-s3-tables-ai-tools"></a>

AI 어시스턴트와 대화형 AI 도구를 사용하여 자연어를 사용하여 S3 Tables로 내보낸 S3 Storage Lens 데이터와 상호 작용할 수 있습니다. Model Context Protocol(MCP)과 Amazon S3 Tables용 MCP 서버를 활용하여 SQL 쿼리를 작성하지 않고도 스토리지 데이터에서 쿼리, 분석 및 인사이트를 얻을 수 있습니다.

## 개요
<a name="storage-lens-s3-tables-ai-tools-overview"></a>

Model Context Protocol(MCP)은 AI 애플리케이션이 컨텍스트 정보에 액세스하고 활용할 수 있는 표준화된 방법입니다. Amazon S3 Tables용 MCP 서버는 AI 어시스턴트가 자연어 인터페이스를 사용하여 S3 Tables 데이터와 상호 작용할 수 있는 도구를 제공합니다. 이를 통해 데이터 액세스를 대중화하고 기술 수준 전반의 개인이 S3 Storage Lens 지표로 작업할 수 있습니다.

MCP 서버 for S3 Tables를 사용하면 자연어를 사용하여 다음을 수행할 수 있습니다.
+ S3 테이블 버킷, 네임스페이스 및 테이블 나열
+ S3 Storage Lens 지표 쿼리 및 인사이트 가져오기
+ 스토리지 추세 및 패턴 분석
+ 비용 최적화 기회 파악
+ 보고서 및 시각화 생성

## 지원되는 AI 어시스턴트
<a name="storage-lens-s3-tables-ai-tools-supported"></a>

MCP 서버 for S3 Tables는 다음을 포함하여 Model Context Protocol을 지원하는 다양한 AI 어시스턴트와 함께 작동합니다.
+ **Kiro** - MCP 지원이 내장된 AI 코딩 어시스턴트
+ **Amazon Q Developer** - 개발자를 위한 AWS의 AI 기반 어시스턴트
+ **Cline** - MCP 통합을 사용하는 AI 코딩 어시스턴트
+ **Claude Desktop** - MCP를 지원하는 Anthropic의 데스크톱 애플리케이션
+ **커서** - AI 기반 코드 편집기

**중요**  
AI 생성 SQL 쿼리 및 권장 사항은 사용 전에 검토하고 검증해야 합니다. 쿼리가 데이터 구조, 사용 사례 및 성능 요구 사항에 적합한지 확인합니다. 권장 사항을 실제 운영 환경에 적용하기 전에 항상 비프로덕션 환경에서 테스트하세요.

## S3 Storage Lens 테이블을 사용하여 Kiro 설정
<a name="storage-lens-s3-tables-ai-tools-kiro-setup"></a>

Kiro는 MCP 서버를 통해 S3 Tables와 원활하게 통합되는 AI 코딩 도우미입니다. Kiro는 인터페이스를 통해 직접 MCP 서버를 설치하고 구성하여 설정 프로세스를 간소화하는 데 도움이 될 수 있습니다.

Kiro에 대한 자세한 내용은 [Kiro AI](https://kiro.ai/)를 참조하세요.

### 사전 조건
<a name="storage-lens-s3-tables-ai-tools-kiro-prerequisites"></a>

시작하기 전에 다음이 있는지 확인하세요.
+ Kiro가 시스템에 설치되었습니다. [https://kiro.ai/](https://kiro.ai/) 다운로드
+ 적절한 자격 증명으로 AWS CLI가 구성됨
+ S3 Tables 내보내기가 활성화된 S3 Storage Lens 구성입니다.
+ S3 테이블을 쿼리할 수 있는 권한입니다. 자세한 내용은 [S3 Storage Lens 테이블에 대한 권한](storage-lens-s3-tables-permissions.md) 섹션을 참조하세요.

### 1단계: S3 Tables MCP 서버 설치
<a name="storage-lens-s3-tables-ai-tools-kiro-step1"></a>

다음 두 가지 방법으로 S3 Tables MCP 서버를 설치할 수 있습니다.

**옵션 1: Kiro의 내장 MCP 서버 관리 사용**  
Kiro는 인터페이스를 통해 MCP 서버를 직접 검색하고 설치하는 데 도움이 될 수 있습니다.

1. Kiro 열기

1. MCP 서버 관리 인터페이스에 액세스(일반적으로 설정 또는 명령 팔레트를 통해)

1. ‘S3 Tables’ 또는 ‘awslabs.s3-tables-mcp-server’ 검색

1. Kiro의 프롬프트에 따라 서버를 설치하고 구성합니다.

**옵션 2: uvx를 사용한 수동 설치**  
또는 Python 패키지 실행기인 `uvx`를 사용하여 MCP 서버를 수동으로 설치할 수 있습니다.

```
uvx awslabs.s3-tables-mcp-server@latest
```

MCP 서버 설치에 대한 자세한 내용은 [AWS S3 Tables MCP 서버 설명서](https://awslabs.github.io/mcp/servers/s3-tables-mcp-server)를 참조하세요.

### 2단계: Kiro MCP 설정 구성
<a name="storage-lens-s3-tables-ai-tools-kiro-step2"></a>

다음 콘텐츠로 `~/.kiro/settings/mcp.json`에서 Kiro MCP 구성 파일을 생성하거나 업데이트합니다.

```
{
  "mcpServers": {
    "awslabs.s3-tables-mcp-server": {
      "command": "uvx",
      "args": ["awslabs.s3-tables-mcp-server@latest"],
      "env": {
        "AWS_PROFILE": "your-aws-profile",
        "AWS_REGION": "us-east-1"
      }
    }
  }
}
```

`your-aws-profile`을 AWS CLI 프로필 이름으로 바꾸고 `us-east-1`을 AWS 리전으로 바꿉니다.

### 3단계: 구성 확인
<a name="storage-lens-s3-tables-ai-tools-kiro-step3"></a>

MCP 서버를 구성한 후 Kiro를 다시 시작하고 S3 Tables 도구를 사용할 수 있는지 확인합니다. Kiro의 설정에서 또는 Kiro에 사용 가능한 도구를 나열하도록 요청하여 사용 가능한 MCP 서버를 확인할 수 있습니다.

## AI 어시스턴트 사용 사례 예
<a name="storage-lens-s3-tables-ai-tools-examples"></a>

다음 예제에서는 AI 어시스턴트와 함께 자연어 프롬프트를 사용하여 S3 Storage Lens 데이터와 상호 작용하는 방법을 보여 줍니다.

### 예제 1: 상위 스토리지 소비자 쿼리
<a name="storage-lens-s3-tables-ai-tools-examples-consumers"></a>

**프롬프트:** ‘S3 Storage Lens 데이터의 스토리지 사용량별로 상위 10개 버킷을 보여 줘.’

AI 어시스턴트는 MCP 서버를 사용하여 S3 Storage Lens 테이블을 쿼리하고 버킷 이름, 스토리지 클래스 및 스토리지 양을 포함한 결과를 반환합니다.

### 예제 2: 스토리지 성장 분석
<a name="storage-lens-s3-tables-ai-tools-examples-growth"></a>

**프롬프트:** ‘지난 30일 동안의 스토리지 증가를 분석하고 추세를 보여 줘.’

AI 어시스턴트는 스토리지 지표 테이블을 쿼리하고, 일일 스토리지 합계를 계산하고, 성장 추세를 표시합니다.

### 예제 3: 비용 최적화 기회 파악
<a name="storage-lens-s3-tables-ai-tools-examples-optimization"></a>

**프롬프트:** ‘스토리지를 낭비하는 7일 이상 지난 불완전 멀티파트 업로드가 있는 버킷을 찾아 줘.’

AI 어시스턴트는 스토리지 지표 테이블에서 불완전한 멀티파트 업로드를 쿼리하고 잠재적 비용 절감 효과가 있는 버킷 목록을 제공합니다.

### 예제 4: 콜드 데이터 후보 찾기
<a name="storage-lens-s3-tables-ai-tools-examples-cold-data"></a>

**프롬프트:** ‘핫 스토리지 계층에 저장된 지난 100일 동안 활동이 없는 접두사를 식별해 줘.’

AI 어시스턴트는 스토리지 및 활동 지표를 모두 분석하여 비용 최적화를 위해 더 낮은 스토리지 계층으로 이동할 수 있는 데이터를 식별합니다.

### 예제 5: 스토리지 보고서 생성
<a name="storage-lens-s3-tables-ai-tools-examples-reports"></a>

**프롬프트:** ‘지난 주의 총 스토리지, 객체 수 및 요청 패턴을 보여 주는 내 S3 스토리지의 요약 보고서를 생성해 줘.’

AI 어시스턴트는 여러 테이블을 쿼리하고, 데이터를 집계하고, 포괄적인 보고서를 생성합니다.

## AI 어시스턴트 사용 모범 사례
<a name="storage-lens-s3-tables-ai-tools-best-practices"></a>

S3 Storage Lens 데이터와 함께 AI 어시스턴트를 사용할 때는 다음 모범 사례를 따르세요.
+ **프롬프트에 구체적으로 표시** - 분석하려는 데이터와 찾고 있는 인사이트에 대한 명확하고 구체적인 지침을 제공합니다.
+ **AI 생성 쿼리 확인** - AI 어시스턴트가 생성하는 SQL 쿼리 및 권장 사항을 실행하거나 조치를 취하기 전에 항상 검토하고 검증합니다. AI 어시스턴트는 때때로 특정 사용 사례 및 데이터에 대해 확인해야 하는 잘못된 쿼리 또는 권장 사항을 생성할 수 있습니다.
+ **적절한 권한 사용** - AI 어시스턴트가 사용하는 IAM 자격 증명에 필요한 권한만 있는지 확인합니다. 읽기 전용 분석의 경우 SELECT 권한만 부여합니다.
+ **사용량 모니터링** - 감사 추적을 유지하기 위해 AWS CloudTrail을 사용하여 AI 어시스턴트가 실행하는 쿼리를 추적합니다.
+ **간단한 쿼리로 시작** - 간단한 쿼리로 시작하여 AI 어시스턴트가 프롬프트를 해석하는 방법을 이해한 다음 더 복잡한 분석으로 진행합니다.

## 로깅 및 추적성
<a name="storage-lens-s3-tables-ai-tools-logging"></a>

AI 어시스턴트와 함께 S3 Tables MCP 서버를 사용하는 경우 여러 가지 방법으로 작업을 감사할 수 있습니다.
+ **로컬 로그** - MCP 서버는 요청 및 응답을 로컬로 로깅합니다. `--log-dir` 구성 옵션을 사용하여 로그 디렉터리를 지정할 수 있습니다.
+ **AWS CloudTrail** - PyIceberg를 사용하는 MCP 서버를 통한 모든 S3 테이블 작업은 사용자 에이전트 문자열로 `awslabs/mcp/s3-tables-mcp-server/<version>`를 갖습니다. 이 사용자 에이전트를 기준으로 CloudTrail 로그를 필터링하여 AI 어시스턴트가 수행한 작업을 추적할 수 있습니다.
+ **AI 어시스턴트 기록** - Kiro 및 Cline과 같은 AI 어시스턴트는 자연어 요청, LLM 응답 및 MCP 서버에 제공된 지침을 기록하는 기록 로그를 유지합니다.

## 보안 고려 사항
<a name="storage-lens-s3-tables-ai-tools-security"></a>

S3 Storage Lens 데이터와 함께 AI 어시스턴트를 사용하는 경우 다음 보안 모범 사례를 따르세요.
+ **최소 권한 액세스 사용 **- AI 어시스턴트에게 작업에 필요한 최소 권한만 부여합니다.
+ **MFA 활성화** - AI 어시스턴트가 액세스하는 AWS 계정에 대해 다중 인증을 사용합니다.
+ **정기적으로 권한 검토** - AI 어시스턴트에 부여된 권한을 정기적으로 감사하고 불필요한 액세스를 취소합니다.
+ **별도의 자격 증명 사용** - 추적 및 감사를 용이하게 하려면 AI 어시스턴트 액세스에 별도의 AWS 자격 증명을 사용하는 것이 좋습니다.
+ **민감한 데이터 공유 방지** - 특히 클라우드 기반 AI 서비스를 사용할 때는 프롬프트에서 AI 어시스턴트에게 민감한 정보를 공유하는 데 주의해야 합니다.

## 문제 해결
<a name="storage-lens-s3-tables-ai-tools-troubleshooting"></a>

### AI 어시스턴트가 S3 Tables에 연결할 수 없음
<a name="storage-lens-s3-tables-ai-tools-troubleshooting-connection"></a>

**문제:** AI 어시스턴트가 S3 Tables에 연결할 수 없거나 MCP 서버가 응답하지 않는다고 보고합니다.

**해결 방법:**
+ `uvx awslabs.s3-tables-mcp-server@latest --version`을 사용하여 MCP 서버가 올바르게 설치되었는지 확인합니다.
+ AWS 자격 증명이 올바르게 구성되었는지 확인
+ MCP 구성 파일에 올바른 AWS 프로필과 리전이 있는지 확인합니다.

### 액세스 거부 오류
<a name="storage-lens-s3-tables-ai-tools-troubleshooting-access"></a>

**문제:** AI 어시스턴트가 S3 Storage Lens 테이블을 쿼리할 때 액세스 거부 오류를 수신합니다.

**해결 방법:**
+ `aws-s3` 테이블 버킷에서 분석 통합이 활성화되어 있는지 확인
+ Lake Formation 권한이 올바르게 구성되어 있는지 확인합니다.
+ AWS 자격 증명에 필요한 IAM 권한이 있는지 확인합니다.

### 부정확하거나 예상치 못한 결과
<a name="storage-lens-s3-tables-ai-tools-troubleshooting-results"></a>

**문제:** AI 어시스턴트가 잘못되거나 예상치 못한 결과를 반환합니다.

**해결 방법:**
+ AI 어시스턴트가 생성한 SQL 쿼리 검토
+ Storage Lens 구성에 올바른 네임스페이스 이름을 사용하고 있는지 확인합니다.
+ 최신 report\_time을 쿼리하여 데이터를 사용할 수 있는지 확인
+ 분석하려는 항목에 대해 더 구체적으로 설명하도록 프롬프트를 구체화합니다.

## 추가 리소스
<a name="storage-lens-s3-tables-ai-tools-resources"></a>

S3 테이블에서 AI 어시스턴트를 사용하는 방법에 대한 자세한 내용은 다음 리소스를 참조하세요.
+ [Kiro AI](https://kiro.ai/) - MCP 지원이 내장된 AI 코딩 어시스턴트
+ [Model Context Protocol(MCP)을 사용하여 S3 테이블용 대화형 AI 구현](https://aws.amazon.com/blogs/storage/implementing-conversational-ai-for-s3-tables-using-model-context-protocol-mcp/) - AWS 스토리지 블로그
+ [AWS S3 Tables MCP 서버 설명서](https://awslabs.github.io/mcp/servers/s3-tables-mcp-server)
+ [Model Context Protocol 사양](https://modelcontextprotocol.io/)