Oracle AI Data Platform의 새로운 기능

Oracle AI Data Platform의 새로운 기능 및 개선사항에 대한 개요는 다음과 같습니다.

항목

최신 Oracle AI Data Platform 뉴스, 제품 업데이트, 고객 및 파트너 사례, 시장 인사이트는 https://blogs.oracle.com/ai-data-platform/를 참조하십시오.

2026년 10월 16 일

기능 설명
Visual Builder에서 에이전트에 기술 추가 Visual Builder의 감독자 또는 실행 에이전트 노드에 기술을 추가합니다. 작업영역에 스킬 파일을 직접 업로드하여 에이전트와 함께 사용할 수도 있습니다. 에이전트에 스킬 추가 및 작업영역에 스킬 업로드를 참조하십시오.
에이전트 테스트 세션에 대한 끝점 선택 플레이그라운드에서 에이전트 테스트 세션을 생성할 때 /chat 또는 /A2A 끝점 중에서 선택합니다. 에이전트 테스트 세션 생성을 참조하십시오.
에이전트에 대한 런타임 ID 선택 에이전트를 배치할 때 다음으로 실행 옵션을 선택합니다. 자신의 ID 또는 서비스 계정을 사용하도록 선택할 수 있습니다. 에이전트: 다른 이름으로 실행 및 에이전트 배치를 참조하십시오.
워크플로우에서 에이전트 작업 생성 에이전트 작업을 생성하여 워크플로우 작업에서 배치된 에이전트로 프롬프트를 보냅니다. 에이전트 작업 생성을 참조하십시오.
온톨로지 생성 및 공유 업무 개념, 관계 및 작업 영역의 엔터프라이즈 데이터에 대한 연결을 구성하기 위한 온톨로지를 생성합니다. 선택한 데이터 소스에서 온톨로지를 자동으로 작성하거나 기존 온톨로지를 TTL 파일로 업로드할 수 있습니다. 온톨로지를 세분화하고 다른 사용자가 탐색할 스냅샷을 게시한 다음 업데이트를 공유할 준비가 되면 다시 게시할 수 있습니다. Ontology를 참조하십시오.
AI 컴퓨트에 대한 자동 스케일링 구성 AI 컴퓨트 클러스터를 생성할 때 자동 스케일링을 사용으로 설정하여 API 요청 비율 및 평균 CPU 사용률을 기반으로 복제본 수를 자동으로 조정할 수 있습니다. 최소 및 최대 복제본 수, 스케일링 임계값 및 스케일링 작업 사이의 쿨다운 기간을 구성합니다. Create an AI Compute Cluster를 참조하십시오.
AI 에이전트 메모리 및 세션 데이터 관리 AI 에이전트가 동일한 사용자에 대한 세션 간 정보를 재사용할 수 있도록 장기 메모리를 사용으로 설정합니다. 또한 세션 데이터 보존을 구성하고, 긴 대화를 자동으로 요약하고, 에이전트가 사용하는 데이터베이스 용량을 모니터링하고, 저장된 세션 및 메모리 데이터를 삭제할 수 있습니다. 에이전트 메모리 및 AI 메모리를 참조하십시오.
모델 모니터링 및 액세스 관리 모델에 대한 모니터링 탭에서 추론 데이터 및 로그를 보고, 필터링하고, 익스포트합니다. 모델 권한을 통해 모델을 보고 수정할 수 있는 사용자를 제어하고, 배포를 관리하고, 다른 사용자에게 액세스 권한을 부여할 수 있습니다. 이제 마스터 카탈로그의 기본 카탈로그에 있는 기본 스키마를 통해 모델에 액세스합니다. 모델 및 모델 권한을 참조하십시오.
다중 에이전트 시스템에서 타사 모델 사용 Visual Builder에서 상위자 및 실행자 에이전트에 대해 OpenAI, Anthropic 및 Google의 모델을 사용합니다. 각 에이전트의 작업에 적합한 모델로 구성합니다. 감독자 에이전트 및 실행자 에이전트 구성을 참조하십시오.

2026년 9월 25일

기능 설명
모델 배치 이제 엔드포인트로 사용하기 위해 AI Data Platform의 모델을 배포할 수 있습니다. 배포된 모델은 모델의 새 배포 탭에서 생성 및 관리할 수 있습니다. 모델을 참조하십시오.
미리보기: Knowledge Base 계보 추적 이제 AI 데이터 플랫폼 계보를 통해 지식 기반에 데이터를 공급하는 테이블 및 볼륨을 시각적으로 추적할 수 있습니다. 선형(미리보기)을 참조하십시오.
카탈로그에서 동의어 수집 및 사용 이제 Oracle Autonomous AI Database 지원 데이터 소스의 동의어를 가져와서 AI Data Platform에서 사용할 수 있습니다. 기본 데이터 대신 노트북 및 기타 SQL 쿼리에서 동의어를 호출할 수 있습니다. Synonyms를 참조하십시오.
Snowflake에 대한 외부 카탈로그 지원 이제 AI 데이터 플랫폼은 마스터 카탈로그의 카탈로그에 대한 외부 소스로 Snowflake를 지원합니다. 외부 카탈로그를 참조하십시오.
이제 테이블이 Apache Iceberg 테이블 형식을 지원합니다. 이제 Apache Iceberg를 AI Data Platform에서 테이블에 대한 트랜잭션 테이블 형식으로 사용할 수 있습니다. 테이블을 참조하십시오.
위젯을 사용하여 노트북 매개변수화 위젯을 사용하면 AI Data Platform 노트북에서 입력 값을 정의할 수 있으므로 사용자가 서로 다른 값으로 동일한 노트북을 실행할 수 있으므로 매번 코드를 편집하지 않고도 노트북을 재사용할 수 있습니다. 노트북의 위젯을 참조하십시오.

2026년 8월 10일

기능 설명
미리보기: 계보를 통해 데이터 아티팩트의 관계 추적 계보를 사용하면 AI 데이터 플랫폼 인스턴스의 데이터 아티팩트 간 관계를 시각적으로 추적할 수 있습니다. 특정 아티팩트를 선택하고 업스트림 및 다운스트림 관계를 볼 수 있습니다. 선형(미리보기)을 참조하십시오.

2026년 7월 6일

기능 설명
데이터 개발 및 관리를 지원하는 AI 에이전트 생성 이제 시각적 흐름 빌더 또는 코드를 통해 AI 데이터 플랫폼에서 AI 에이전트를 생성할 수 있습니다. AI 에이전트를 참조하십시오.
AI 컴퓨팅으로 에이전트 강화 AI 에이전트는 도구와 기술을 강화하기 위해 전문화된 컴퓨팅을 필요로 합니다. AI Data Platform 인스턴스에서 컴퓨트를 통해 AI 컴퓨트를 생성할 수 있습니다. AI 컴퓨트를 참조하십시오.
지식 기반에 문서 및 검색 문서 저장 지식 기반을 사용하면 Oracle Database 26ai Vector Search 기능을 사용하여 벡터 임베딩을 저장하는 AI Data Platform에서 문서를 저장하고 검색할 수 있습니다. AI 에이전트는 이러한 지식 기반을 사용하여 의미 검색을 수행하고 관련 데이터 및 문서를 검색할 수 있습니다. 지식 기반을 참조하십시오.

2026년 6월 5일

기능 설명
IDE에서 AI 데이터 플랫폼의 데이터에 연결 이제 Microsoft Visual Studio Code 마켓플레이스에서 Oracle AI Data Platform(AIDP) Developer Extension을 설치할 수 있습니다. 작업 영역 및 카탈로그를 찾아보고, 원격으로 파일을 미리 보고, 비교하고, 다운로드하고 업로드하는 등의 작업을 수행합니다. Oracle AI Data Platform (AIDP) Developer Extension을 참조하십시오.

2026년 5월 1일

기능 설명
고객 관리 키 암호화 선택 이제 AI 데이터 플랫폼 인스턴스를 생성할 때 Oracle 관리 키 암호화를 사용하거나 조직의 관리 키 암호화를 사용하도록 선택할 수 있습니다. Storage Encryption Options을 참조하십시오.
네트워크 소스 기반 액세스 제어 사용 정책 또는 인증 설정에서 참조하여 액세스를 제어할 수 있는 정의된 IP 주소 세트를 만듭니다. Network Sources를 참조하십시오.
AI 데이터 플랫폼 REST API 참조 이제 AI Data Platform REST API에 대한 설명서를 사용할 수 있습니다. Oracle AI Data Platform용 REST API를 참조하십시오.
미리보기: 암호 및 저장소 참조로 인증서 관리 인증서 저장소는 인증 토큰 및 외부 인증서와 같은 중요한 정보를 관리할 수 있는 안전하고 중앙화된 방법을 제공합니다. 구성 또는 코드에 직접 암호를 포함하는 대신 사용자는 AI 데이터 플랫폼을 통해 안전하게 암호를 저장하고 재사용할 수 있습니다. 인증서 저장소 정보를 참조하십시오.
미리보기: Git에서 데이터 연결 및 관리 이제 AI 데이터 플랫폼 내에서 Git 파일을 완전히 관리할 수 있습니다. 이 유틸리티를 사용하면 파일을 푸시, 풀링, 커밋 및 병합하고 플랫폼을 떠나지 않고도 발생하는 병합 충돌을 관리할 수 있습니다. Git 통합(미리보기)을 참조하십시오.
미리보기: Git 폴더에서 번들 패키지화 및 배치 번들을 사용하면 작업이나 에이전트에 필요한 리소스와 같은 Git 폴더의 리소스를 패키지화하고, 이러한 패키지를 작업 영역과 환경에 배치하여 해당 리소스를 공유할 수 있습니다. 번들 및 CI/CD(미리보기) 참조
미리보기: 실험 실행 및 반복을 통해 데이터를 기반으로 모델 구축 AI 데이터 플랫폼의 실험은 데이터 과학자, 머신 러닝 엔지니어 및 관리자가 모델 개발에서 협업할 수 있는 수단을 제공합니다. Experiments (Preview)를 참조하십시오.
미리보기: 머신 러닝 모델 생성 및 교육 AI 데이터 플랫폼의 머신 러닝 모델을 사용하면 하이퍼 매개변수, 입력 데이터 세트 및 기능 엔지니어링과 같은 실험 조건의 성능 분석, 협업 및 분석을 통해 최적화된 모델을 구축할 수 있습니다. 모델(미리보기)을 참조하십시오.
미리보기: 관리 설정 관리 설정을 통해 연결된 Git 계정을 관리할 수 있습니다. 관리 설정(미리보기)을 참조하십시오.