자율 Kubernetes 관리를 위한 에이전트형 AI : LLM 기반 의사결정 사이클을 활용한 멀티 에이전트 아키텍처

Abstract

컨데이너 기반 클라우드 컴퓨팅의 도입으로 기업 인프라의 운영 복잡성이 증가하고 있다. 쿠버네티스 (Kubemetes)가 널리 사용되고 있지만, 클러스더 관리는 여전히 인간의 전문 지식과 정적·임계값 기반 자동화에 의 존하고 있다. 본 논문에서는 자율적인 쿠버네티스 클러스터 관리를 위해 대규모 언어 모델(LLM) 기반 의사결정 엔진과 4개의 에이전트로 구성된 에이전트형 인공지능-(Agentic Al) 시스템을 제안한댜 제안 시스템은 모니더링, 결함 담지, 스케 일링 및 자원 최적화 기능을 통합하여 지속적 인 상황 인식과 상호 조율된 자율적 조치를 수행한다. 세 가지 통제된 시나리오를 통해 시스템을 평가했댜 동일한 조건에서 AKMF를 비활성화한 경우와 활성화한 경우 를 비교한 결과, 파드 복구 시간에는 통계적으로 유의미한 차이가 없었다{AKMF 비활성화 평균 3.49~4.02초, AKMF 활성화 평균 3.48~3.75초; n=lO, 2회 독립 실행). 이는 본 프레임워크가 단순히 복구 시간을 단축하기보다 는 의사결정 과정을 감사하고 성명하는 데 더 큰 가치를 제공합을 보여준다. 또한 워크로드가 48% 증가한 상황에 서도 주기 중단 없이 3,200회 이상의 자율적 의사결정을 수행하면서 CPU 145 millicore와 메모리 256 MiB의 일 정한 자원 오버헤드를 유지했댜 이러한 결과는 LLM 기반 자율 오케스드레이션이 기존의 반웅형 쿨러스더 관리 방식을 대체할 수 있는 실현 가능한 대안임을 보여준댜

Keywords

Key Words : AgenticAI, Autonomous Orchestration, Kubernetes, LLM, Container Management

Citation

Kiran Batool, Wang-Cheol Song. “자율 Kubernetes 관리를 위한 에이전트형 AI : LLM 기반 의사결정 사이클을 활용한 멀티 에이전트 아키텍처.” KNOM Review, Vol. 29, No. 1, pp. 24–33, August 31, 2026.

원문 및 DOI