1. 서론

올해 AWS(Amazon Web Services)가 Agentic Football Cup을 발표했습니다. 지금까지 DeepLens, DeepRacer, AI League 등 기술의 가능성을 체감할 수 있는 서비스를 선보여 온 AWS다운 서비스입니다.

AWS Summit에서 부스가 마련되어 있었기에, 담당자분께 여러 가지 이야기를 듣고 왔으므로 이를 소개하고자 합니다. 다만, 본 서비스의 워크숍은 각 지역에서 제공되고 있는 것으로 보이나 일반 공개는 되지 않았기 때문에, 서비스를 직접 체감하기까지는 조금 더 기다려야 할 것 같습니다.

또한, 본 서비스는 멀티 에이전트(Multi-agent)가 협조하며 동작하는 것을 놀이를 통해 배울 수 있습니다. 실제로 활용하는 서비스도 Amazon Bedrock AgentCore 등 실제 시스템에 가까운 구성으로 되어 있어, 학습한 내용을 실전에 활용할 수 있게 됩니다.

Agentic Football Cup은 놀면서 최신 멀티 에이전트 기술을 배울 수 있는 보기 드문 이벤트입니다. 본 기사에서는 그 기술 기반과 플레이어가 에이전트를 강화하기 위한 구체적인 방법을 정리합니다.

2. Agentic Football Cup이란

Agentic Football Cup은 AWS가 제공하는 학습형 이벤트로, AI 에이전트를 '축구 선수'로서 플레이시키면서 클라우드 기술, AI 추론(Inference), 에이전트 설계를 체험할 수 있는 프로그램입니다.

참가자는 자신의 팀(5체의 에이전트, 필드 플레이어 4명과 골키퍼 1명을 생성)을 만들고, Amazon Bedrock AgentCore 등을 활용하여 에이전트의 행동 로직과 전술을 설계하여 실제 경기에서 경쟁시킵니다.

이 이벤트는 단순한 게임이 아니라 실시간 추론(Real-time Inference)·멀티 에이전트 협조(Multi-agent Coordination)·관측성(Observability)·메모리 관리(Memory Management)·외부 도구 연동(External Tool Integration)과 같은 최신 AI 에이전트 기술을 축구라는 이해하기 쉬운 소재로 배울 수 있다는 점이 특징입니다.

게임은 AWS 인프라 위에서 동작하며, GameLift·ECS·DynamoDB·Bedrock 모델 등이 연동되어 'AI가 축구를 플레이하는 세계'를 구축합니다.

3. 시스템 구성

시스템 구성은 다음과 같습니다.

① Amazon GameLift — 게임 세션의 스케일링(Scaling)

여러 경기를 병렬로 처리하기 위한 세션 관리 기반입니다.
각 경기마다 전용 ECS 태스크를 할당하여 안정적인 게임 진행을 제공합니다.

② Amazon ECS — 게임 실행 환경 (Unity / Game Services / Agent Loop)

하나의 경기는 하나의 ECS 태스크로서 기동되며, Unity Services Container, Game Services Container, Agent Loop Container의 3가지를 포함합니다.

Agent Loop Container는 Node.js로 동작하며, 2초마다 게임 상태를 취득하여 AgentCore Runtime에 송신하고, 추론 결과를 Game Services에 반영합니다.

③ Amazon Bedrock AgentCore Runtime — AI 에이전트의 두뇌

게임 상태를 받아 플레이어의 명령을 반환하는 Strands 기반의 AI 에이전트를 실행합니다. 응답 속도와 추론 능력의 균형을 맞추기 위해 Amazon Bedrock의 서로 다른 모델(Amazon Nova Micro / Lite / Pro)을 사용합니다.

④ AgentCore Observability — 행동의 가시화

AI 에이전트의 동작을 CloudWatch로 가시화하여 트레이스 분석(Trace Analysis)을 수행할 수 있도록 합니다.

⑤ AgentCore Gateway (MCP) — 외부 서비스 연동

AI 에이전트가 외부 API(MCP 도구)를 호출하기 위한 게이트웨이입니다. Lambda를 통해 외부 데이터를 취득하여 게임 내에 반영합니다.

⑥ AgentCore Memory — 장기 기억 레이어 (Long-term Memory Layer)

플레이어의 과거 행동을 저장하여 에이전트가 문맥(Context)을 이해한 행동을 취할 수 있도록 합니다.

⑦ Amazon DynamoDB — 플레이어 데이터의 영속화 (Persistence)

각 플레이어의 위치나 액션과 같은 게임 상태, 경기 스코어, 각 플레이어의 통계 정보를 저장합니다.

이 구성을 통해 「게임 세계의 물리 연산 (Physics)」 × 「AI의 의사결정 (Decision Making)」 × 「관측·기억·외부 연계」가 실시간으로 통합되어, Agentic Football Cup의 경기가 성립됩니다.

시스템 구성을 이해했으니, 다음으로는 플레이어가 실제로 에이전트를 강화하기 위한 구체적인 방법을 소개합니다.

4. 에이전트를 강화하기 위한 포인트

4.1 프롬프트 최적화 (Prompt Optimization): 에이전트의 「인격과 판단」을 만들기

Agentic Football Cup에서는 프롬프트 설계가 중요한 포인트가 됩니다. 5체의 에이전트 각각에게 어떤 역할이나 우선순위 등을 부여할지, 어떻게 에이전트끼리 협조하며 축구를 할 수 있도록 설정할지가 승패의 열쇠가 됩니다.

예를 들어 다음과 같이 프롬프트를 기술합니다.

You are an AI soccer goalkeeper controlling ONLY player 0 (the Goalkeeper) in a 5v5 match. You receive game state each tick and must return commands for YOUR player only.
## Your Role — Aggressive Sweeper-Keeper
- You are NOT a traditional goalkeeper. You play as a sweeper-keeper who pushes far up the pitch.
...

주로 다음과 같은 내용을 기술합니다.

• 아이덴티티와 역할
  포지션, 수비/공격 역할 등을 기술합니다.
• 의사결정 계층 (우선순위)
  볼 점유인지, 패스인지, 슈팅인지 등 상황에 따른 우선순위를 기술합니다.
• 상황 규칙 (컨텍스트)
  이기고 있을 때, 지고 있을 때, 스태미나가 낮을 때 등 상황에 따른 행동을 기술합니다.
• 제약 사항 (절대로 하지 않을 것)
  수비 라인을 비우지 않기, 무리한 슈팅을 하지 않기 등 제약 사항을 기술합니다.

4.2 메모리 (Memory) 활용: 에이전트에게 학습시키기

AgentCore Memory를 사용하면 에이전트는 과거의 행동이나 대화를 기억할 수 있습니다. 경기 중의 행동을 기억함으로써, 상대방의 패턴이나 과거의 의사결정을 불러와 경기 중에 전술을 적응시킬 수 있습니다.

메모리를 잘 활용함으로써 에이전트가 컨텍스트 (Context)를 유지하고, 더욱 적절한 응답을 반환하는 것이 가능해집니다.

4.3 Gateway (MCP) 활용: 외부 데이터를 사용한 「현명한 판단」

AgentCore Gateway를 사용하면 에이전트는 외부 API (MCP 도구)를 호출할 수 있습니다. 시스템 구성 예시에서는 AWS Lambda를 호출할 수 있도록 구성되어 있습니다.

각 AI 에이전트가 행동하기 전에 전술 도구를 호출하여 (패스나 슈팅의 성공 확률을 계산하는 등) 더욱 현명한 판단을 내릴 수 있게 됩니다.

4.4 관측성 (Observability): 개선 사이클 돌리기

AgentCore Observability를 사용하면 CloudWatch를 통해 다음과 같은 내용을 확인할 수 있습니다.

• 추론 (Inference) 트레이스
• 에이전트의 행동 이유
• 세션별 퍼포먼스

이를 통해 프롬프트 등의 개선 포인트를 파악할 수 있게 되어, 에이전트의 개선이 가능해집니다. 에이전트를 지속적으로 개선하는 것이 승리의 열쇠입니다.

위 사항들을 철저히 설계함으로써 「그저 움직이기만 하는 AI」에서 「전술을 이해하고 플레이하는 AI」로 진화합니다.

5. 요약

본 기사에서는 올해 발표된 Agentic Football Cup에 대해 소개했습니다.

AWS DeepRacer처럼 즐기면서 기술의 가능성을 체감할 수 있는 매우 매력적인 학습 콘텐츠입니다.

특히 이번에는 멀티 에이전트 협업, 실시간 추론, 프롬프트 설계, 메모리 관리, Gateway 연계 등 더 넓은 영역의 기술을 종합적으로 배울 수 있다는 점이 특징입니다.

현재 시점에서는 일반 공개되지 않았지만, AWS Summit 부스에서 전시되었던 것처럼 가까운 미래에 체험할 수 있는 날이 올 것입니다.

AI 에이전트 기술이 어떻게 진화해 나갈지, 기술자로서 기대하며 기다리고 싶습니다.