기계 번역으로 제공되는 번역입니다. 제공된 번역과 원본 영어의 내용이 상충하는 경우에는 영어 버전이 우선합니다.
# 문제 해결 에이전트 사용
## 지원되는 배포 모드
Amazon EMR용 Apache Spark 문제 해결 에이전트는 자동화된 오류 진단, 성능 병목 현상 식별, 코드 권장 사항 및 다음 Spark 배포 모드의 향상된 애플리케이션 성능을 위한 실행 가능한 제안 등 장애가 발생한 Spark 워크로드에 대한 포괄적인 분석 기능을 지원합니다.
+ EMR on EC2
+ EMR Serverless
+ EMR on EKS
+ AWS Glue
자세한 기능, 용량 및 제한 사항을 알아보려면 [기능 및 기능](spark-troubleshooting-features.md) 섹션을 참조하세요.
## 지원되는 인터페이스
### Amazon SageMaker 노트북 내 셀 문제 해결
Amazon SageMaker Notebooks의 문제 해결 경험에 대한 데모입니다. 노트북 셀 장애의 경우 `Fix with AI` 버튼을 클릭하여 Amazon SageMaker Notebook Agent에 분석 요청 실패 문제를 해결하고 코드에서 오류가 발생한 경우 가능한 코드 수정을 요청할 수 있습니다.
[](https://www.youtube.com/watch?v=btW8hwio0tE)
### Kiro CLI를 사용한 Glue 및 EMR Spark 애플리케이션 문제 해결
Kiro CLI 또는 AI Assistant를 시작하고 문제 해결 프로세스를 위해 로드된 도구를 확인합니다.
```
...
sagemaker-unified-studio-mcp-code-rec (MCP)
- spark_code_recommendation not trusted
sagemaker-unified-studio-mcp-troubleshooting (MCP)
- analyze_spark_workload not trusted
...
```
이제 Spark 문제 해결 에이전트 워크플로를 시작할 준비가 되었습니다.
Kiro CLI의 문제 해결 경험에 대한 데모입니다. 다음 프롬프트를 사용하여 문제 해결 프로세스를 시작할 수 있습니다.
```
Analyze my Glue job. The job name is "xxx" and the job run id is "xxx"
```
[](https://www.youtube.com/watch?v=YLwV_EenJXY)
### 다른 MCP 클라이언트와 통합
에 설명된 구성은 다른 MCP 클라이언트 및 IDEs 데 사용할 [에이전트 문제 해결을 위한 설정](spark-troubleshooting-agent-setup.md) 수 있습니다.
+ **Cline과 통합** - MCP 서버를 Cline과 함께 사용하려면를 수정`cline_mcp_settings.json`하고 위의 구성을 추가합니다. MCP 구성을 관리하는 방법에 대한 자세한 내용은 [Cline의 설명서를](https://docs.cline.bot/mcp/configuring-mcp-servers) 참조하세요.
+ **Claude 코드와 통합** Claude 코드와 함께 MCP 서버를 사용하려면 MCP 구성을 포함하도록 구성 파일을 수정합니다. 파일 경로는 운영 체제에 따라 다릅니다. 자세한 설정은 [ https://code.claude.com/docs/en/mcp](https://code.claude.com/docs/en/mcp) 참조하십시오.
+ **GitHub Copilot과의 통합** - GitHub Copilot과 함께 MCP 서버를 사용하려면 [ https://docs.github.com/en/copilot/how-tos/provide-context/use-mcp/extend-copilot-chat-with-mcp](https://docs.github.com/en/copilot/how-tos/provide-context/use-mcp/extend-copilot-chat-with-mcp) 지침에 따라 해당 구성 파일을 수정하고 각 IDE의 지침에 따라 설정을 활성화합니다.
## Amazon EMR 콘솔의 AI 버튼을 사용하여 문제 해결
Amazon EMR 콘솔에서 **AI로 문제 해결** 버튼을 직접 사용하여 문제 해결 에이전트를 시작할 수 있습니다.
### EC2 콘솔의 EMR용 AI 버튼 문제 해결
[https://console.aws.amazon.com/elasticmapreduce/home](https://console.aws.amazon.com/elasticmapreduce/home) Amazon EMR 콘솔을 엽니다. **EC2에서 EMR**을 선택하고 클러스터를 선택합니다. **단계** 탭을 엽니다. 실패한 Spark 단계의 경우 **실패** 버튼을 선택합니다. 그러면 팝오버의 **AI를 사용한 문제 해결** 버튼이 표시됩니다. 또는 실패한 단계 옆의 확인란을 선택하고 상단의 **AI로 문제 해결을** 선택합니다.
다음 동영상에서는 EC2의 EMR에 AI**로 문제 해결** 버튼을 사용하는 방법을 보여줍니다.
[](https://www.youtube.com/watch?v=BPOlS55EqR8)
### EMR Serverless 콘솔의 AI 버튼을 사용하여 문제 해결
[https://console.aws.amazon.com/elasticmapreduce/home](https://console.aws.amazon.com/elasticmapreduce/home) Amazon EMR 콘솔을 열고 **EMR Studio**로 이동합니다. EMR Studio URL을 엽니다. **애플리케이션**으로 이동하여 문제를 해결할 애플리케이션을 선택합니다. **배치 작업 실행** 탭을 엽니다. **실패** 버튼을 선택하면 팝오버에서 **AI를 사용한 문제 해결** 버튼이 표시됩니다. 또는 실패한 작업 실행 옆의 확인란을 선택하고 상단의 **AI로 문제 해결을** 선택합니다.
다음 동영상은 EMR Serverless에서 **AI로 문제 해결** 버튼을 사용하는 방법을 보여줍니다.
[](https://www.youtube.com/watch?v=ELgM9DA2Ung)
### EMR on EKS 콘솔의 AI 버튼 문제 해결
[https://console.aws.amazon.com/elasticmapreduce/home](https://console.aws.amazon.com/elasticmapreduce/home) Amazon EMR 콘솔을 엽니다. **EMR on EKS 가상 클러스터를** 선택하고 클러스터를 선택합니다. 실패한 Spark 작업 실행의 경우 **실패** 버튼을 선택합니다. 그러면 팝오버의 **AI를 사용한 문제 해결** 버튼이 표시됩니다.
다음 동영상에서는 EMR on EKS에 AI**로 문제 해결** 버튼을 사용하는 방법을 보여줍니다.
[](https://www.youtube.com/watch?v=UqCVYpG_NuM)