> For the complete documentation index, see [llms.txt](https://prechat.gitbook.io/prechat-docs/llms.txt). Markdown versions of documentation pages are available by appending `.md` to page URLs; this page is available as [Markdown](https://prechat.gitbook.io/prechat-docs/8./cleanup.md).

# 리소스 정리 (Cleanup)

워크샵 종료 후 AWS 리소스를 안전하게 정리

워크샵이 끝났다면 불필요한 비용 발생을 막기 위해 리소스를 정리합니다.

{% hint style="danger" %}
Cleanup은 되돌릴 수 없는 작업입니다. 세션 데이터, 캠페인, 대화 로그가 모두 삭제됩니다. 필요한 데이터는 미리 **내보내기**를 완료하고 진행하세요.
{% endhint %}

## 정리 범위

| 대상                                                            | 정리 방법                             |
| ------------------------------------------------------------- | --------------------------------- |
| SAM 스택 (Lambda, API Gateway, DynamoDB, Cognito, CloudFront 등) | `aws cloudformation delete-stack` |
| Strands 에이전트 (Bedrock AgentCore Runtime)                      | AgentCore 콘솔에서 수동 삭제              |
| SSM 파라미터                                                      | `aws ssm delete-parameters`       |
| S3 버킷의 업로드 파일                                                 | CloudFormation 삭제 전 수동 비우기 필요     |
| ECR 리포지토리 (에이전트 이미지)                                          | 콘솔에서 수동 삭제                        |
| CloudWatch Logs                                               | 리텐션 설정에 따라 자동 만료, 수동 즉시 삭제도 가능    |

## 1. 데이터 백업 (선택)

보관하고 싶은 데이터가 있다면 먼저 내보냅니다.

### 세션 데이터 내보내기

```bash
# DynamoDB 테이블을 S3로 내보내기 (PITR 활성화 필요)
aws dynamodb export-table-to-point-in-time \
  --table-arn $(aws dynamodb describe-table --table-name mte-prechat-workshop-sessions-dev --query 'Table.TableArn' --output text) \
  --s3-bucket your-backup-bucket \
  --s3-prefix prechat-backup/sessions/

# Messages 테이블도 동일하게
aws dynamodb export-table-to-point-in-time \
  --table-arn $(aws dynamodb describe-table --table-name mte-prechat-workshop-messages-dev --query 'Table.TableArn' --output text) \
  --s3-bucket your-backup-bucket \
  --s3-prefix prechat-backup/messages/
```

PITR이 활성화되어 있지 않은 경우 Scan API로 수동 내보냅니다.

## 2. S3 버킷 비우기

CloudFormation은 비어 있지 않은 S3 버킷을 삭제하지 못합니다. 먼저 비웁니다.

```bash
STACK=mte-prechat-workshop
REGION=ap-northeast-2

# 웹사이트 버킷
WEBSITE_BUCKET=$(aws cloudformation describe-stacks \
  --stack-name $STACK --region $REGION \
  --query 'Stacks[0].Outputs[?OutputKey==`WebsiteBucket`].OutputValue' \
  --output text)

# Failover 버킷
FAILOVER_BUCKET=$(aws cloudformation describe-stacks \
  --stack-name $STACK --region $REGION \
  --query 'Stacks[0].Outputs[?OutputKey==`FailoverBucket`].OutputValue' \
  --output text)

# 버전 포함 완전 비우기
aws s3api delete-objects --bucket $WEBSITE_BUCKET \
  --delete "$(aws s3api list-object-versions --bucket $WEBSITE_BUCKET \
  --query '{Objects: Versions[].{Key:Key,VersionId:VersionId}}')" 2>/dev/null || true

aws s3 rm s3://$WEBSITE_BUCKET --recursive
aws s3 rm s3://$FAILOVER_BUCKET --recursive
```

## 3. 에이전트 수동 삭제

AgentCore Runtime은 CloudFormation 관리 밖에 있으므로 수동 삭제합니다.

{% stepper %}
{% step %}

#### AgentCore 콘솔 진입

AWS Console → **Amazon Bedrock** → 좌측 **AgentCore** → **Runtime**
{% endstep %}

{% step %}

#### PreChat 관련 런타임 선택

`prechat-consultation-agent-*`, `prechat-summary-agent-*` 선택 후 **Delete**

**\[수동 캡처 필요]** AgentCore Runtime 삭제 버튼
{% endstep %}

{% step %}

#### ECR 리포지토리 삭제

런타임과 연결된 Docker 이미지가 ECR에 남아 있습니다.

```bash
aws ecr describe-repositories \
  --region ap-northeast-2 \
  --query 'repositories[?contains(repositoryName, `prechat`) || contains(repositoryName, `bedrock-agentcore`)].repositoryName' \
  --output table
```

해당 리포지토리를 삭제합니다.

```bash
aws ecr delete-repository \
  --repository-name <repo-name> \
  --force \
  --region ap-northeast-2
```

{% endstep %}
{% endstepper %}

## 4. SSM 파라미터 삭제

```bash
aws ssm delete-parameters \
  --names "/prechat/dev/agents/consultation/runtime-arn" "/prechat/dev/agents/summary/runtime-arn" \
  --region ap-northeast-2
```

## 5. CloudFormation 스택 삭제

```bash
aws cloudformation delete-stack \
  --stack-name mte-prechat-workshop \
  --region ap-northeast-2

# 완료 대기 (10~15분 소요)
aws cloudformation wait stack-delete-complete \
  --stack-name mte-prechat-workshop \
  --region ap-northeast-2

echo "✅ Stack deletion completed"
```

### 삭제가 실패하면

가장 흔한 원인:

1. **S3 버킷이 비어 있지 않음** — 위 2번 단계 다시 수행
2. **DynamoDB 삭제 보호 활성화** — 콘솔에서 해제 후 재시도
3. **Cognito User Pool에 남아 있는 사용자** — 콘솔에서 수동 삭제 후 재시도

## 6. CloudWatch Logs 즉시 삭제 (선택)

리텐션으로 자동 만료되지만 즉시 비용을 낮추려면 삭제합니다.

```bash
aws logs describe-log-groups \
  --log-group-name-prefix /aws/lambda/mte-prechat-workshop \
  --query 'logGroups[].logGroupName' \
  --output text | tr '\t' '\n' | while read group; do
  aws logs delete-log-group --log-group-name "$group"
done
```

## 7. Bedrock 모델 액세스 유지/해제

Bedrock 모델 액세스는 리소스가 아니라 계정 속성이므로 별도로 지우지 않아도 됩니다. 다른 AWS 서비스 이용에 영향이 없습니다.

## 검증

정리가 제대로 됐는지 확인합니다.

```bash
# 스택이 사라졌는지
aws cloudformation describe-stacks --stack-name mte-prechat-workshop --region ap-northeast-2
# → An error occurred (ValidationError)... 가 나오면 OK

# SSM 파라미터
aws ssm get-parameters-by-path --path /prechat/dev --recursive --region ap-northeast-2
# → Parameters: [] 가 나오면 OK

# AgentCore 런타임
# 콘솔에서 prechat 관련 런타임이 없어야 함

# ECR 리포지토리
aws ecr describe-repositories --region ap-northeast-2 \
  --query 'repositories[?contains(repositoryName, `prechat`)]'
# → [] 가 나오면 OK
```

## 로컬 작업 정리

```bash
cd ~
rm -rf sample-prechat-ai/.aws-sam
# 레포지토리 자체가 필요 없다면
# rm -rf sample-prechat-ai
```

## 축하합니다

워크샵을 완료하고 정리까지 마쳤습니다. PreChat을 자사 환경에 도입하려는 경우 main 브랜치의 VPC 격리 버전을 기반으로 보안 요구사항을 추가하세요.


---

# Agent Instructions
This documentation is published with GitBook. GitBook is the documentation platform designed so that both humans and AI agents can read, navigate, and reason over technical content effectively. Learn more at gitbook.com.

## Querying This Documentation
If you need additional information that is not directly available in this page, you can query the documentation by asking a question.

Perform an HTTP GET request on the following URL with the `ask` and `goal` query parameters:

```
GET https://prechat.gitbook.io/prechat-docs/8./cleanup.md?ask=<question>&goal=<user_goal>
```

`ask` is the immediate question: it should be specific, self-contained, and written in natural language.
`goal` is what the user is ultimately trying to achieve, the reason they need the answer. Sharing it helps GitBook give you a better, more relevant answer. A goal is most helpful when it describes the outcome the user wants rather than restating the question. For example, with `ask=how do I create an API token`, a goal like `automate deployments from our CI pipeline` lets GitBook tailor the answer to that use case.

The response will contain a direct answer to the question and relevant excerpts and sources from the documentation.

Use this mechanism when the answer is not explicitly present in the current page, you need clarification or additional context, or you want to retrieve related documentation sections.