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 11월 17일
| 기능 | 설명 |
|---|---|
| Oracle Agent Hub를 사용하여 엔터프라이즈 AI와 상호 작용 | Oracle Agent Hub는 엔터프라이즈 AI 에이전트 및 도구 검색 및 상호 작용을 위한 통합 인터페이스를 제공합니다. 프롬프트를 입력하고 에이전트 허브가 적절한 AI 리소스를 선택하거나, 에이전트를 직접 선택하거나, 토픽을 사용하여 관련 에이전트 및 도구로 작업하도록 할 수 있습니다. Oracle Agent Hub란 무엇인가? 및 에이전트 허브가 Oracle AI Data Platform에 어떻게 맞습니까?를 참조하십시오. |
| AI 데이터 플랫폼, 에이전트 허브 및 기타 외부 소스의 에이전트 및 도구에 연결 | AI 데이터 플랫폼의 AI 레지스트리는 AI 데이터 플랫폼, 에이전트 허브 및 기타 외부 소스에서 에이전트를 관리하여 에이전트 및 MCP 서버를 등록하고, 인증서를 생성 및 저장하고, 에이전트를 보고 사용할 수 있는 사용자를 관리하는 데 도움이 됩니다. AI 레지스트리를 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. |
| 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. |
| 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. |
| 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. |
| 컴퓨트 클러스터에 PyPI 및 Maven 라이브러리 설치 | 이제 AI 데이터 플랫폼 컴퓨트 클러스터가 PyPI 및 Maven 라이브러리를 지원하여 컴퓨트 기능을 확장합니다. 라이브러리 관리를 참조하십시오. |
| 희소 체크아웃으로 Git 저장소 관리 | Git 저장소에서 복제되는 파일 및 폴더를 관리하려면 AI 데이터 플랫폼에서 Git 폴더를 생성할 때 희소 체크아웃을 사용합니다. Oracle AI Data Platform의 Git Folders(미리보기)를 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. |
Oracle Cloud Oracle AI Data Platform의 새로운 기능
G55976-07
Copyright ©2025,2026,
Oracle and/or its affiliates.