Fabric 용량 및 작업 영역

Operations Agent를 사용하려면 유료 용량(Capacity)으로 뒷받침되는 Microsoft Fabric 작업 영역이 필요합니다. 체험판(Trial) 용량은 지원되지 않습니다. 또한, 용량은 지원되는 지역에 프로비저닝되어야 합니다. 2026년 4월 기준, Operations Agent는 미국 중남부(South Central US)와 미국 동부(East US)를 제외한 모든 Microsoft Fabric 지역에서 사용할 수 있습니다. 용량이 미국이나 유럽 이외의 지역에 있는 경우, 테넌트 설정을 통해 AI를 위한 교차 지역 처리 및 저장(cross geo processing and storage) 기능을 활성화해야 합니다.

작업 영역에는 최소 하나 이상의 KQL 데이터베이스가 포함된 이벤트하우스(Eventhouse)가 있어야 합니다. 이벤트하우스는 텔레메트리 백본 역할을 하며, KQL 데이터베이스는 에이전트가 모니터링할 테이블을 보유합니다. 아래 스크린샷은 이벤트하우스(ops_eventhouse), 두 개의 KQL 데이터베이스(ops_db 및 ops_eventhouse), 그리고 레이크하우스(ops_lakehouse)가 포함된 'OperationAgent-WS'라는 이름의 작업 영역을 보여줍니다. 이것이 본 가이드에서 사용되는 환경입니다.

그림 1. Operations Agent를 위해 준비된 이벤트하우스, KQL 데이터베이스, 레이크하우스를 보여주는 작업 영역 콘텐츠.

관리 포털에서 Operations Agent 활성화하기

조직 내에서 에이전트를 생성하려면 먼저 Fabric 관리자가 관리 포털에서 Operations Agent 미리 보기 토글을 활성화해야 합니다. 관리 포털로 이동하여 실시간 인텔리전스(Real Time Intelligence) 섹션을 찾고, Operations Agent 활성화(미리 보기)(Enable Operations Agents (Preview)) 설정을 찾으세요. 거버넌스 요구 사항에 따라 조직 전체 또는 특정 보안 그룹에 대해 이 설정을 '사용(Enabled)'으로 토글합니다.

이 토글과 더불어 테넌트 수준에서 Microsoft Copilot 및 Azure OpenAI Service가 활성화되어 있는지 확인하십시오. Operations Agent는 플레이북을 생성하고 조건이 충족되었을 때 데이터를 추론하기 위해 Azure OpenAI를 사용합니다.

그림 2. 조직 전체에 대해 Operations Agent 활성화(미리 보기) 토글이 설정된 관리 포털 화면.

Operations Agent로 전송된 메시지는 Azure AI Bot Service를 통해 처리됩니다. 용량이 EU 데이터 경계(EU Data Boundary) 밖에 있는 경우, 데이터가 지리적 또는 국가별 클라우드 경계 밖에서 처리될 수 있습니다. 프로덕션 테넌트에서 이 기능을 활성화하기 전에 규정 준수 담당자에게 이 내용을 전달하십시오.

Microsoft Teams 계정

에이전트로부터 권장 사항을 받을 모든 사용자는 Microsoft Teams 계정이 있어야 합니다. Operations Agent는 Fabric Operations Agent라는 전용 Teams 앱을 통해 결과 및 조치 제안을 전달합니다. Teams 앱 스토어에서 이름을 검색하여 이 앱을 설치할 수 있습니다. 설치가 완료되면 에이전트는 지정된 수신자에게 데이터 요약 및 권장 조치가 포함된 메시지를 직접 보낼 수 있습니다.

Operations Agent 생성 및 구성

필수 구성 요소가 준비되었다면 이제 Operations Agent를 생성할 차례입니다. 다음 단계에 따라 Fabric 포털에서 전체 구성 프로세스를 진행할 수 있습니다.

1단계: 새 Operations Agent 생성

Microsoft Fabric 포털을 열고 작업 영역으로 이동합니다. Fabric 홈 페이지에서 줄임표(...) 아이콘을 선택한 다음 **만들기(Create)**를 선택합니다. 만들기 창에서 실시간 인텔리전스 섹션으로 스크롤하여 Operations Agent를 선택합니다. 에이전트의 이름을 지정하고 대상 작업 영역을 선택하라는 대화 상자가 나타납니다. 에이전트의 목적을 반영하는 설명적인 이름을 선택하세요. 이 가이드에서는 에이전트 이름을 'OperationsAgent_1'로 지정하고 'OperationAgent-WS' 작업 영역에 배포합니다.

2단계: 비즈니스 목표 및 에이전트 지침 정의

에이전트가 생성되면 에이전트 설정(Agent Setup) 페이지로 이동합니다. 이 페이지는 두 영역으로 나뉩니다. 왼쪽에서는 에이전트의 동작을 구성하고, 오른쪽에서는 저장 후 생성된 **에이전트 플레이북(Agent Playbook)**을 확인할 수 있습니다.

첫 번째 필드는 **비즈니스 목표(Business Goals)**입니다. 여기에는 에이전트가 달성해야 할 상위 수준의 목표를 작성합니다. 명확하고 결과 지향적인 언어로 작성하십시오. 이 데모에서는 비즈니스 목표를 다음과 같이 설정합니다:

"데이터 파이프라인 실행을 모니터링하고 실패 발생 시 알림을 보냅니다."

두 번째 필드는 **에이전트 지침(Agent Instructions)**입니다. 여기에는 에이전트가 데이터를 추론하는 방법에 대한 더 구체적인 지침을 제공합니다. 밤새 시스템을 감시할 분석가에게 전달할 브리핑 자료라고 생각하십시오. 테이블 이름, 감시할 열, 알림을 생성할 조건을 명시적으로 작성하세요. 이 데모의 지침은 다음과 같습니다:

"pipeline_runs 테이블을 모니터링하세요. 상태(status)가 실패(failed)일 때 알림을 보냅니다."

비즈니스 목표와 지침이 결합되어 기반이 되는 대규모 언어 모델(LLM)이 정확한 플레이북을 생성할 수 있는 충분한 컨텍스트를 제공합니다. 지침이 구체적일수록 에이전트의 동작은 더 안정적이 됩니다.

그림 3. 비즈니스 목표, 에이전트 지침 및 생성된 플레이북을 보여주는 에이전트 설정 페이지.

화면 오른쪽에서는 저장 후 생성된 에이전트 플레이북을 볼 수 있습니다. 플레이북에는 에이전트가 목표와 데이터에서 추론한 비즈니스 개체를 보여주는 **비즈니스 용어 사전(Business Term Glossary)**이 포함되어 있습니다. 이 경우, pipeline_runs 테이블에 매핑된 PipelineRun이라는 개체를 식별했으며, 두 개의 속성(status 열의 파이프라인 실행 상태, run_id 열의 고유 식별자)을 식별했습니다. 또한 에이전트가 평가할 조건이 포함된 규칙(Rules) 섹션도 표시됩니다.

플레이북을 주의 깊게 검토하십시오. AI 모델에 의해 생성되므로 때때로 오해석이 있을 수 있습니다. 모든 속성이 올바른 열에 매핑되었는지, 규칙이 의도한 임계값을 반영하는지 확인하세요. 수정이 필요한 경우 목표나 지침을 업데이트하고 다시 저장하여 플레이북을 다시 생성하십시오.

3단계: 지식 소스(Knowledge Source) 추가

에이전트 설정 페이지에서 아래로 스크롤하여 지식(Knowledge) 섹션을 찾습니다. 여기서 에이전트가 모니터링할 데이터에 연결합니다. 이 섹션을 처음 열면 아직 지식 소스가 추가되지 않았다는 메시지가 표시됩니다.

그림 4. 데이터 소스가 추가되기 전의 지식 섹션.

데이터 추가(Add Data) 버튼을 선택하여 사용 가능한 데이터 소스를 탐색합니다. Fabric 환경 내에서 액세스 가능한 KQL 데이터베이스 및 이벤트하우스 목록이 패널에 나타납니다. 이 데모에서는 세 개의 소스를 사용할 수 있습니다. 에이전트 지침에서 참조한 pipeline_runs 테이블이 포함된 데이터베이스를 선택하십시오. 이 가이드에서는 ops_db를 선택합니다.

그림 5. 사용 가능한 KQL 데이터베이스 및 이벤트하우스에서 지식 소스 선택.

지식 소스가 연결되면 에이전트는 약 5분 간격으로 이 데이터베이스를 쿼리하여 규칙을 평가할 수 있게 됩니다. 에이전트가 실시간으로 조건을 감지하는 것을 테스트하려면 선택한 데이터베이스의 테이블에 데이터가 활발하게 수신되고 있는지 확인하십시오.

4단계: 작업(Actions) 정의

작업은 에이전트가 규칙에 일치하는 조건을 감지했을 때 권장할 수 있는 응답입니다. 에이전트 설정 페이지에서 더 아래로 스크롤하여 작업(Actions) 섹션을 찾습니다. 작업 추가(Add Action) 버튼을 선택하여 새로운 사용자 지정 작업을 정의합니다.

**새 사용자 지정 작업(New Custom Action)**이라는 대화 상자가 나타납니다. 여기에는 세 개의 필드가 있습니다. **작업 이름(Action Name)**은 작업에 대한 짧고 설명적인 레이블입니다. **작업 설명(Action Description)**은 작업의 목적을 설명하고 에이전트에게 언제 이 작업을 사용해야 하는지에 대한 컨텍스트를 제공합니다. 매개변수(Parameters) 섹션에서는 트리거될 Power Automate 흐름으로 동적 값(이름, 날짜 또는 식별자 등)을 전달하는 입력 필드를 정의할 수 있습니다.

그림 6. 작업 이름, 설명 및 선택적 매개변수를 정의하는 새 사용자 지정 작업 대화 상자.

이 데모에서 작업 이름은 'Send Email Alert'이며, 파이프라인 실패가 감지되었을 때 이메일 알림을 보내야 한다는 설명이 포함되어 있습니다. 생성이 완료되면 작업 섹션에 해당 작업이 나열되고, 작업이 성공적으로 연결되었음을 나타내는 녹색 상태 표시기가 나타납니다.

그림 7. 연결된 상태의 Send Email Alert 작업을 보여주는 작업 섹션.

5단계: Power Automate로 사용자 지정 작업 구성

작업을 생성한 후에는 이를 액티베이터(Activator) 항목 및 Power Automate 흐름에 연결하여 구성해야 합니다. 방금 만든 작업을 선택하여 사용자 지정 작업 구성(Configure Custom Action) 창을 엽니다.

이 창에는 몇 가지 필드가 있습니다. 먼저 액티베이터 항목이 있는 **작업 영역(Workspace)**을 선택합니다. 이 데모에서는 'OperationAgent-WS'입니다. 다음으로 Operations Agent와 Power Automate를 연결하는 Fabric 항목인 **액티베이터(Activator)**를 선택합니다. 여기서는 액티베이터 이름이 'Email_Alert_Activator'입니다.

연결이 생성되면 **연결 문자열(Connection String)**이 생성됩니다. 이 문자열은 Operations Agent를 Power Automate 흐름에 연결하는 고유 식별자입니다. 복사(Copy) 버튼을 선택하여 이 연결 문자열을 클립보드에 복사하십시오. 다음 단계에서 필요합니다.

연결 문자열 아래에 있는 흐름 작성기 열기(Open Flow Builder) 버튼을 선택합니다. 이 버튼을 누르면 이메일 알림 흐름을 구축할 수 있는 Power Automate 흐름 디자이너가 실행됩니다.

그림 8. 작업 영역, 액티베이터, 연결 문자열 및 흐름 작성기 열기 버튼이 있는 사용자 지정 작업 구성 창.

6단계: Power Automate 흐름 빌드

흐름 작성기 열기를 선택하면 Power Automate 디자이너가 새 브라우저 탭에서 열립니다. 흐름은 **액티베이터 규칙이 트리거될 때(When an Activator Rule is Triggered)**라는 트리거로 미리 구성되어 있습니다. 이 트리거는 Operations Agent가 작업을 승인할 때마다 실행됩니다.

트리거의 매개변수(Parameters) 탭에 연결 문자열(Connection String) 필드가 보일 것입니다. 이전 단계에서 복사한 연결 문자열을 이 필드에 붙여넣으십시오. 이것은 Power Automate 흐름을 Operations Agent로 다시 연결하는 중요한 링크입니다. 이 문자열이 올바르지 않거나 누락되면 에이전트가 작업을 권장해도 흐름이 실행되지 않습니다.

그림 9. 액티베이터 트리거와 연결 문자열 필드가 있는 Power Automate 흐름 작성기.

트리거 아래에 워크플로에 필요한 작업을 추가할 수 있습니다. 이메일 알림 시나리오의 경우, 운영 팀에 이메일을 보내도록 Office 365 Outlook 작업을 추가합니다. 트리거의 동적 콘텐츠를 사용하여 파이프라인 실행 ID, 실패 상태 및 Operations Agent에서 전달된 매개변수와 같은 세부 정보를 포함할 수 있습니다.

흐름을 저장하고 Fabric 포털로 돌아갑니다. 이제 작업 구성이 완료되었으며 에이전트에 의해 트리거될 준비가 되었습니다.

7단계: 플레이북 생성 및 에이전트 시작

모든 구성(비즈니스 목표, 지침, 지식 소스 및 작업)이 완료되면 에이전트 설정 페이지에서 **저장(Save)**을 선택합니다. Fabric은 기본 LLM을 사용하여 에이전트 플레이북을 생성합니다. 플레이북은 에이전트가 알고 있는 모든 것(목표, 모니터링하는 속성, 평가하는 규칙)을 구조화한 요약본입니다.

변경 사항이 있는 경우 페이지 상단의 **플레이북 생성(Generate Playbook)**을 선택하여 플레이북을 다시 생성할 수도 있습니다. 마지막으로 플레이북을 검토하여 속성이 테이블 열에 올바르게 매핑되었는지, 규칙이 모니터링하려는 정확한 조건을 반영하는지 확인하십시오.

모든 준비가 끝났다면 상단 도구 모음에서 **시작(Start)**을 선택합니다. 에이전트가 데이터 모니터링을 시작합니다. 약 5분 간격으로 지식 소스를 쿼리하고 최신 데이터에 대해 플레이북 규칙을 평가합니다. 조건이 충족되면 에이전트는 LLM을 사용하여 데이터를 요약하고, 권장 사항을 생성하며, Microsoft Teams를 통해 지정된 수신자에게 메시지를 보냅니다.

언제든지 에이전트를 일시 중지하려면 **중지(Stop)**를 선택하십시오. 이는 데모 중에 시연 타이밍을 제어하려는 경우 유용합니다.

런타임 시 에이전트 작동 방식

시작된 Operations Agent는 지속적인 루프를 따릅니다. 5분마다 연결된 KQL 데이터베이스를 쿼리하여 플레이북에 정의된 규칙을 평가합니다. 조건이 충족되지 않으면 자동으로 계속 실행됩니다. 만약 조건이 일치하면(예를 들어, pipeline_runs 테이블에 상태가 "failed"인 파이프라인 실행이 나타나면) 에이전트는 다음 시퀀스를 진행합니다.

첫째, 에이전트는 대규모 언어 모델을 사용하여 조건을 트리거한 데이터를 분석합니다. 컨텍스트를 요약하고, 관련 비즈니스 개체(예: 특정 파이프라인 실행)를 식별하며, 권장할 작업을 결정합니다.

둘째, 에이전트는 Microsoft Teams를 통해 지정된 수신자에게 메시지를 보냅니다. 이 메시지에는 감지된 인사이트 요약, 이를 트리거한 데이터 컨텍스트 및 제안된 작업이 포함됩니다. 수신자는 **예(Yes)**를 선택하여 작업을 승인하거나 **아니요(No)**를 선택하여 거부할 수 있습니다. 매개변수(예: 실행 ID 또는 심각도 수준)가 포함된 경우 최종 승인 전에 이를 검토하고 조정할 수 있습니다.

셋째, 수신자가 작업을 승인하면 에이전트는 생성자의 자격 증명을 사용하여 작성자를 대신해 작업을 실행합니다. 이 데모에서 작업을 승인하면 이메일 알림을 보내는 Power Automate 흐름이 트리거됩니다.

권장 사항에 대해 3일 이내에 응답하지 않으면 작업이 자동으로 취소된다는 점에 유의하십시오. 취소된 후에는 더 이상 작업을 승인하거나 상호 작용할 수 없습니다.