코우치베이스 여름 출시
운영 AI 에이전트를 위한 하나의 관리형 데이터 레이어
Couchbase AI Data Plane™은 프로덕션 AI 에이전트에게 클라우드, 자체 관리, 하이브리드, 엣지 및 레이크하우스 환경 전반에 걸쳐 영구 메모리, 제어된 데이터 액세스 및 빠른 컨텍스트 검색 기능을 제공합니다.
82.3%
LoCoMo 벤치마크의 에이전트 메모리 점수
94%
LongMemEval-M 단일 세션 재호출
69.4%
LongMemEval-S 전체 점수
이번 릴리스에서도
Couchbase 운영 데이터 플랫폼의 주요 기능 개선 사항.
카펠라 iQ 멀티모델
조직 수준의 공급자 정책에 따라 AWS Bedrock 또는 OpenAI를 선택하십시오.
에이전트 카탈로그
이제 검색 가능하고 관리되는 에이전트 툴링을 위한 엔터프라이즈 지원 구성 요소입니다.
Sync Gateway 4.1
단계적 업그레이드, 대용량 데이터셋의 더 빠른 재동기화, 시스템 메타데이터 격리.
Edge Server 1.1
클라이언트 수준 접근 제어, CORS, 자격 증명 순환, Windows/ARM 지원.
프라이빗 링크를 통한 Azure XDCR
공용 인터넷을 거치지 않고 사설 연결을 통한 데이터 센터 간 복제.
MCP 서버
표준화된 모델 컨텍스트 프로토콜(MCP) 통합을 위한, 기업에서 지원하며 자체 관리되는 MCP 서버.
AI 및 에이전트를 위한 통합 데이터 계층
프로덕션 에이전트에는 메모리, 도구, 프롬프트, 운영 데이터, 추적 정보 및 컨텍스트가 필요하지만, 이러한 자산들은 대개 여러 시스템에 흩어져 있습니다. Couchbase는 이러한 자산들을 하나의 관리되는 데이터 계층에 통합하여, 팀이 에이전트가 무엇을 사용했는지, 어떤 버전의 프롬프트가 사용되었는지, 그리고 어떤 데이터가 응답을 형성했는지에 대한 가시성을 확보할 수 있도록 합니다.
에이전트 동작 검사
프롬프트, 도구, 추적 정보, 메모리 및 운영 데이터를 한곳에 모아두고 SQL++로 쿼리를 실행하여 에이전트가 정확히 무엇을 사용했고 왜 그렇게 응답했는지 확인할 수 있습니다.
표준화된 데이터 접근
Couchbase MCP 서버는 별도의 통합 계층 없이도 에이전트가 운영 데이터, 문서 및 캐시에 표준화된 방식으로 액세스할 수 있도록 지원합니다.
여러 팀에서 재사용 가능
Agent Catalog는 프롬프트, 도구 및 종단 간 추적을 검색 가능하게 하여, 팀이 애플리케이션 전반에 걸쳐 에이전트의 동작을 검토하고, 재사용하며, 관리할 수 있도록 지원합니다.
프레임워크 불가지론적 메모리
Agent Memory는 LangGraph, CrewAI, LlamaIndex 전반에 걸쳐 작동하므로 팀은 메모리 인프라를 재구축하지 않고 프레임워크를 전환하거나 결합할 수 있습니다.
고객의 의견
-
“에이전트 워크로드를 확장하면서 이는 우리 파트너십의 자연스러운 확장입니다.”
패트릭 페리터, 아고라 제품 부문 수석 부사장0.5
두 번째 에이전트 거래 대상
4
실제 업무에서 에이전트 AI 활용 사례
-
“Couchbase가 SQL++로 이룬 성과는 수십 년간 데이터베이스 분야에서 이루어진 가장 혁신적인 일 중 하나였습니다.”
빌 하우스, 엔지니어링 부사장, SWARM 엔지니어링400%
더 빠른 계획
$1M+
최적화 당 절감액
-
“쿠체베이스는 링크드인 시스템에서 중요한 역할을 하는 매우 확장 가능하고 분산된 데이터 저장소입니다.”
마이클 케호, 선임 직원 사이트 안정성 엔지니어, LinkedIn10M+
초당 쿼리 수
<4분
25억 개 이상의 항목에 대한 평균 지연 시간
자세히 알아보고 싶으신가요?
웹캐스트: 당신의 에이전트는 똑똑합니다. 하지만 당신의 데이터 레이어는 준비되지 않았습니다.
이 웹캐스트 및 데모에서는 파일럿으로만 끝나고 실제 출시되지 않는 AI 에이전트를 방지하는 방법을 보여드리겠습니다.
어떻게 하는지 배우게 될 것입니다.
- AI 데이터 플레인은 메모리, 관리되는 데이터 액세스, 에이전트 관찰 가능성을 하나의 계층으로 통합합니다.
- Agent Memory는 에이전트에 지속적인 기억력을 제공하여 시간이 지남에 따라 더 똑똑하고 개인화되도록 만듭니다.
- 에이전트 카탈로그는 에이전트 앱 추적 기능을 통해 모든 프롬프트, 도구 호출 및 결정을 검사하고 감사할 수 있도록 합니다.
블로그: 당신의 AI 에이전트는 아직 초기 단계입니다. 모델 문제가 아니라 데이터 문제입니다.
기업 AI 이니셔티브가 기본적인 데이터 문제로 인해 파일럿 단계에서 일상적으로 중단되는 이유를 알아보십시오.
- 클라우드, 자체 관리, 엣지 아키텍처 전반에서 네이티브로 실행되는 단일 거버넌스 계층으로 분산된 데이터 서비스를 통합하는 Couchbase AI 데이터 플레인을 알아보세요.
- 프로덕션 등급 에이전트를 가능하게 하는 세 가지 핵심 요소 심층 분석: 프레임워크에 독립적인 에이전트 메모리, 표준 기반 MCP 서버 데이터 연결, 감사 가능한 에이전트 카탈로그.
- 데이터 계층에 의미론적 캐싱을 통합하면 응답 시간이 크게 단축되고 비용을 제어할 수 있는 방법을 알아보세요.
에이전트 메모리 재판
Agent Memory를 사용하여 AI 에이전트가 세션, 사용자 및 프레임워크 전반에 걸쳐 컨텍스트를 유지하면서 사용자 지정 메모리, 검색 및 액세스 제어 로직을 줄이는 방법을 확인해 보세요.
