사내 DB 관리 규정을 AI로 적용한 Amazon Bedrock 기반 DBA 리뷰봇 개발기

요기요 DBA팀은 마이크로서비스 환경에서 빈번하게 발생하는 DDL 변경 리뷰 부담을 줄이기 위해, 사내 DB 관리 규정을 기반으로 판단을 보조하는 DBA 리뷰봇을 만들었다. 개발팀이 DBportal에 DDL과 적용 일정을 등록하면 DBA가 승인한 뒤 자동 배포되는데, 이 리뷰 단계가 안정성을 좌우하는 핵심 지점이었다.

기존에는 DBA가 요청마다 규정을 수동으로 확인해야 했고, 여러 DDL이 섞인 복합 요청이나 CDC, Replication 대상 테이블이 포함된 케이스에서는 누락 위험도 컸다. 리뷰봇은 이런 요청을 1차로 분석해 다음을 정리해 준다.

• 규정 준수 여부와 위험 포인트
• 추가 확인이 필요한 작업 여부
• CDC / Replication 대상 테이블 식별
• 규정에 맞는 DDL 예시와 권장 방향

운영 결과, DBA가 꼭 봐야 하는 위험 작업을 사전에 걸러 주면서 반복 확인 부담이 줄었고, 규정 위반 사유와 권장 방향을 함께 제시해 DBA와 개발자 사이의 커뮤니케이션 비용도 감소했다. Slack 챗봇 형태로 제공돼 Wiki를 따로 찾지 않아도 규정 질의를 바로 처리할 수 있었고, DDL 요청부터 리뷰 완료까지의 전체 처리 속도는 약 20% 개선됐다.

구현은 Amazon Bedrock의 Knowledge Base와 Agent를 중심으로 구성했다. 내부 규정 문서를 지식으로 활용하기 위해 Confluence API와 cron job으로 문서를 매일 오전 6시에 수집해 S3에 저장하고, 이후 Bedrock ingestion job으로 OpenSearch Vector Store를 갱신했다. 문서는 DDL 작업 단위로 쪼개고, 올바른 예시와 잘못된 예시를 함께 넣어 검색 품질을 높였다.

에이전트는 단순 답변 생성기가 아니라 DBA 리뷰를 보조하는 조정자로 설계했다. 지침은 최소화하고, KB 검색 결과를 그대로 유지하도록 강하게 제약했으며, 응답 템플릿도 고정했다. 질의는 다음처럼 분리해 처리했다.

• 리뷰 요청인지
• 실제 DDL이 포함됐는지
• CDC / Replication 확인 요청인지

현재 리뷰봇은 문서 기반 1차 리뷰 도구로 운영되고 있으며, 테이블 크기나 인덱스 구성처럼 DB 접속이 필요한 정보까지는 판단하지 못한다. 향후에는 MCP 기반 메타데이터 조회와 멀티 에이전트 구조로 확장해 리뷰 정확도와 일관성을 더 높이는 방향을 검토하고 있다.