현행 제품 명칭은 Cloudera Accelerators for Machine Learning Projects 이고 줄여서 AMPs 라고 쓴다. 이전 문서와 CDSW 계열 문서에는 같은 약자로 Applied ML Prototypes 라고 되어 있다. 2024년에 명칭이 정리되었으므로 새 자료에는 현행 이름을 쓴다.
Cloudera AI 화면에서 한 번의 클릭으로 설치해 돌려 볼 수 있는 완성형 AI · ML 예제 프로젝트 다. 튜토리얼이나 샘플 코드보다 범위가 훨씬 넓어서, 소스 코드뿐 아니라 파이썬 환경 정의 · 데이터 처리 · 모델 배포 · 애플리케이션 UI 까지 한 프로젝트 안에 들어 있다. Cloudera 의 연구 조직인 Fast Forward Labs 가 만든 레퍼런스 구현이 상당수를 차지한다.
성격은 MVP 출발점에 가깝다. 요구사항에 맞춰 고쳐 쓰는 것을 전제로 하며, 그대로 운영에 올리는 물건은 아니다.
이 점을 짚어 두지 않으면 Agent Studio 같은 별도 런타임과 혼동하기 쉽다. AMP 는 런타임이 아니라 프로젝트를 만들어 주는 템플릿 이다.
AMP 선택
↓ 생성
Cloudera AI Project
├─ Code
├─ Runtime
├─ Sessions
├─ Jobs
├─ Models
└─ Applications
AMP 를 실행했다고 해서 "AMP 런타임" 이 따로 도는 것이 아니다. 프로젝트가 만들어진 뒤에는 손으로 만든 프로젝트와 완전히 동일하게 동작하고, 동일한 방법으로 수정·운영한다.
Workbench 왼쪽 메뉴의 AMPs 항목에서 시작한다.
AMP 선택 → 설명 확인 → Configure Project → 설정값 입력 → Launch Project
설정값은 AMP 마다 다르며 모델 이름, 엔드포인트, 데이터 경로, 자격증명 같은 것이 들어간다. Launch 이후에는 AMP 에 정의된 단계가 순서대로 실행되어 환경 구성과 코드 배치, 필요하면 모델 배포와 애플리케이션 기동까지 진행된다.
직접 만드는 경우와 비교하면, 아래 과정을 대부분 건너뛰는 셈이다.
Project 생성 → 런타임·파이썬 환경 설정 → 데이터 연결 → 모델·LLM 연결
→ 학습·추론 코드 작성 → UI·API 구성 → 배포·테스트
AMP 를 AMP 로 만드는 것은 프로젝트 루트의 .project-metadata.yaml 이다. 이 파일이 설정 화면에 나올 입력 항목과 설치 단계를 정의한다.
name: My AI AMP
description: 사내 문서 요약 예제
environment_variables:
MODEL_NAME:
default: "meta-llama/Llama-3-8b"
description: "사용할 모델 이름"
required: true
runtimes:
- editor: JupyterLab
kernel: Python 3.10
edition: Standard
tasks:
- type: run_session
name: 의존성 설치
script: scripts/install_dependencies.py
kernel: python3
- type: start_application
name: 데모 앱
subdomain: demo
script: app/main.py
kernel: python3
실제 스키마의 키와 태스크 종류는 릴리스마다 늘어나므로, 새로 작성할 때는 해당 버전의 공식 문서를 대조한다. (확인 필요 — 위 예시는 구조를 보이기 위한 것이고 키 이름은 버전별로 확인이 필요하다.)
기존 프로젝트에 .project-metadata.yaml 을 붙이고 Git 저장소로 올리면, 그 저장소를 AMP 카탈로그에 등록해 사내 표준 템플릿으로 배포할 수 있다. 여러 팀이 같은 출발점에서 프로젝트를 시작하게 만드는 용도로 쓴다.
폐쇄망에서는 카탈로그가 외부 Git 을 바라보지 못하므로 사내 Git 에 미러를 두고 그 주소를 등록한다. 모델 가중치와 파이썬 패키지도 함께 반입되어 있어야 Launch 단계가 통과한다.