이 문서는 MCP 섹션의 일부입니다.업계에서 가장 많이 사용되는 MCP 서버들과, 이들을 조합하여 실무 자동화를 구현하는 시나리오를 정리합니다.
참고 학습 목표
- 카테고리별 인기 MCP 서버와 주요 기능을 파악한다
- 여러 MCP 서버를 조합한 실전 자동화 시나리오를 설계할 수 있다
- Genie Code / Claude Code에 MCP 서버를 추가하는 방법을 이해한다
- MCP 서버 디렉토리에서 필요한 서버를 찾고 평가할 수 있다
MCP 서버 디렉토리
MCP 서버를 찾을 수 있는 주요 사이트입니다:팁 서버 선택 기준: GitHub Star 수, 최근 커밋 활동, 이슈 응답 속도, 공식(Anthropic/벤더) 여부를 확인하세요. 커뮤니티 서버는 품질 편차가 큽니다.
카테고리별 인기 MCP 서버
각 카테고리별로 왜 해당 MCP 서버들이 중요한지, 실무에서 어떤 가치를 제공하는지 맥락과 함께 설명합니다.커뮤니케이션 & 협업
왜 이 카테고리가 중요한가: AI 에이전트의 분석 결과나 작업 완료 알림을 사람에게 전달하려면, 커뮤니케이션 도구와의 연동이 필수입니다. 특히 Slack은 MCP 생태계에서 가장 많이 사용되는 출력 채널 입니다. 분석 결과를 Slack으로 전송하면, 별도의 대시보드를 열지 않아도 팀 전체가 즉시 인사이트를 공유할 수 있습니다.개발 & DevOps
왜 이 카테고리가 중요한가: 개발 도구와의 연동은 “코드 검색 → 이슈 생성 → PR 확인”이라는 개발 워크플로를 AI 에이전트가 자율적으로 수행할 수 있게 합니다. 특히 GitHub MCP는 Genie Code와 조합하면 “Databricks에서 데이터 분석 → GitHub에서 관련 코드 검색 → 코드 변경의 데이터 영향 분석”이라는 데이터와 코드를 넘나드는 워크플로 가 가능합니다.데이터베이스
왜 이 카테고리가 중요한가: 데이터베이스 MCP 서버는 AI 에이전트가 실제 데이터에 직접 접근 할 수 있게 합니다. 특히 Claude Desktop이나 Claude Code 같은 로컬 AI 클라이언트에서 PostgreSQL/MySQL MCP를 연결하면, 별도의 DB 클라이언트 없이 자연어로 데이터를 조회하고 분석할 수 있습니다. Databricks 환경에서는 Managed MCP(Databricks SQL)가 이 역할을 대신합니다.클라우드 & 인프라
왜 이 카테고리가 중요한가: 클라우드 인프라 MCP 서버는 DevOps/SRE 팀에게 특히 유용합니다. 인시던트 발생 시 “S3에서 관련 로그 파일 확인 → CloudWatch 메트릭 조회 → Lambda 함수 실행”을 AI 에이전트가 자율적으로 수행하여 초기 진단 시간을 크게 단축할 수 있습니다. AWS MCP는 AWS 공식 지원이므로 프로덕션 사용에도 안정적입니다.문서 & 생산성
왜 이 카테고리가 중요한가: 분석 결과를 문서화하고 팀과 공유하는 것은 데이터 작업의 마지막 단계이자 가장 소홀히 되는 단계입니다. Notion/Confluence MCP를 연동하면 “분석 → 문서화”를 하나의 워크플로로 자동화할 수 있습니다. “이 분석 결과를 Notion에 보고서로 작성해줘”라는 한 마디로 구조화된 문서가 자동 생성됩니다.웹 & 검색
왜 이 카테고리가 중요한가: LLM의 지식에는 학습 시점(cutoff) 이후의 정보가 없습니다. 웹 검색 MCP를 연동하면 AI 에이전트가 최신 정보 에 접근할 수 있습니다. 경쟁사 분석, 기술 동향 조사, 최신 문서 참조 등에 필수적입니다. Brave Search는 API 무료 티어가 있어 개인 사용에 적합합니다.파일 & 스토리지
왜 이 카테고리가 중요한가: 파일 시스템 MCP는 로컬 개발 환경에서 AI가 프로젝트 파일을 직접 읽고 수정할 수 있게 합니다. Claude Code는 자체적으로 파일 접근이 가능하지만, 다른 MCP 클라이언트에서는 Filesystem MCP가 필요합니다. S3/GCS MCP는 클라우드 스토리지의 파일을 AI가 직접 관리할 수 있게 하여, 데이터 레이크 운영을 자동화합니다.모니터링 & 관측
왜 이 카테고리가 중요한가: 인시던트 대응은 시간이 생명입니다. 모니터링 MCP를 연동하면 “현재 Critical 알림 확인 → 관련 메트릭 조회 → 로그 분석 → 원인 추론 → 팀에 보고”라는 전체 대응 프로세스를 AI가 몇 분 만에 수행합니다. 특히 야간이나 주말에 온콜 엔지니어의 초기 대응 속도를 크게 높일 수 있습니다.실전 자동화 시나리오
여러 MCP 서버를 조합하여 강력한 워크플로를 구성할 수 있습니다. 아래는 업계에서 가장 많이 활용되는 시나리오들입니다.시나리오 1: 데이터 파이프라인 모니터링 → 장애 알림
사용 MCP: Databricks SQL + Slack + JIRA- Databricks SQL MCP→
system.lakeflow.job_runs테이블에서 실패한 잡 조회 - Slack MCP→
#data-ops채널에 실패 요약 메시지 전송 - JIRA MCP→ 실패 상세 내용으로 Bug 티켓 생성
참고 Genie Code에서 구현: Databricks SQL은 Managed MCP로 기본 제공됩니다. Slack과 JIRA는 External MCP(Unity Catalog Connection)로 연결합니다.
시나리오 2: PR 리뷰 → 코드 품질 보고
사용 MCP: GitHub + Slack- GitHub MCP→ 리포의 오픈 PR 목록 조회 + 리뷰 상태 확인
- LLM 분석→ 리뷰 지연 PR 필터링, 담당자별 그룹핑
- Slack MCP→ 리뷰어별 멘션과 함께 리마인더 메시지 전송
시나리오 3: 고객 문의 → 자동 응답 초안
사용 MCP: Gmail + PostgreSQL + Slack- Gmail MCP→ 미읽은 고객 문의 이메일 검색 및 내용 읽기
- PostgreSQL MCP→ 고객 이메일로 CRM DB에서 고객 정보, 계약 상태 조회
- LLM 분석→ 문의 내용 + 고객 정보를 종합하여 응답 초안 작성
- Slack MCP→ CS 팀 채널에 원문 + 초안 + 고객 정보 요약 전송
시나리오 4: 인시던트 대응 자동화
사용 MCP: PagerDuty/Datadog + Kubernetes + Slack- Datadog MCP→ 활성 Critical 알림 목록 조회
- Kubernetes MCP→ 관련 서비스의 파드 로그 수집
- LLM 분석→ 로그 패턴 분석, 가능한 원인 추론
- Slack MCP→
#incident채널에 분석 보고서 전송
시나리오 5: 스프린트 보고서 자동 생성
사용 MCP: JIRA + GitHub + Notion- JIRA MCP→ 현재 스프린트의 이슈 목록 + 상태 조회
- GitHub MCP→ 각 이슈에 연결된 PR의 머지 상태 확인
- LLM 분석→ 완료율, 지연 원인, 다음 스프린트 주의점 분석
- Notion MCP→ 회고 템플릿으로 문서 자동 생성
시나리오 6: 일일 업무 브리핑
사용 MCP: Google Calendar + Gmail + JIRA + Slack- Google Calendar MCP→ 오늘 일정 조회
- Gmail MCP→ 미읽은 중요 이메일 요약
- JIRA MCP→ 나에게 할당된 In Progress / To Do 이슈 조회
- LLM 분석→ 우선순위 정리, 시간 배분 제안
- Slack MCP→ DM으로 브리핑 전송 (선택)
시나리오 7: 데이터 품질 모니터링 → 보고
사용 MCP: Databricks SQL + Google Sheets + Slack- Databricks SQL MCP→ 데이터 품질 쿼리 실행 (null 비율, 중복, 최종 업데이트 시간)
- Google Sheets MCP→ 품질 메트릭을 일별 시트에 기록
- LLM 분석→ 임계치 초과 항목 판별
- Slack MCP→ 이상 항목이 있으면
#data-quality채널에 알림
시나리오 8: 경쟁사 모니터링
사용 MCP: Brave Search + Notion + Slack- Brave Search MCP→ 경쟁사 키워드로 최신 뉴스/블로그 검색
- LLM 분석→ 핵심 내용 추출, 비즈니스 영향도 평가
- Notion MCP→ 경쟁사 인텔리전스 DB에 새 항목 추가
- Slack MCP→ 요약 리포트를 관련 채널에 공유
시나리오 9: 코드 변경 → 문서 자동 업데이트
사용 MCP: GitHub + Confluence- GitHub MCP→ 최근 머지된 PR에서 API 관련 파일 변경 확인
- LLM 분석→ 변경된 엔드포인트, 파라미터, 응답 포맷 정리
- Confluence MCP→ 해당 API 문서 페이지 업데이트
시나리오 10: 주간 팀 성과 대시보드
사용 MCP: GitHub + JIRA + Slack + Google Sheets- GitHub MCP→ 이번 주 PR 수, 리뷰 수, 코드 변경량 집계
- JIRA MCP→ 완료된 이슈 수, 스토리 포인트 합산
- Google Sheets MCP→ 주간 트래킹 시트에 데이터 추가
- LLM 분석→ 전주 대비 트렌드 분석
- Slack MCP→
#team-metrics채널에 주간 보고
Genie Code에 외부 MCP 서버 추가하기
Databricks Genie Code에서 외부 MCP 서버를 사용하려면 Unity Catalog Connection 을 통해 연결합니다.방법 1: Managed OAuth (권장)
Databricks가 OAuth 흐름을 관리합니다. 현재 지원되는 서비스:
설정 절차:
방법 2: Custom HTTP Connection
Streamable HTTP를 지원하는 모든 MCP 서버에 연결할 수 있습니다.방법 3: Databricks Apps로 커스텀 MCP 호스팅
자체 MCP 서버를 Databricks App으로 배포하고 Genie Code에 연결합니다:주의 Genie Code 제한: 전체 MCP 서버에 걸쳐 최대 20개 Tool 만 사용할 수 있습니다. 핵심 도구만 선택적으로 등록하세요.
Claude Code에 MCP 서버 추가하기
Claude Code(CLI)에서는claude mcp add 명령어로 간편하게 추가합니다.
자주 사용하는 조합 예시
프로젝트 설정 파일 (.mcp.json)
팀 전체가 같은 MCP 서버를 사용하도록 프로젝트 루트에.mcp.json을 생성합니다:
팁${ENV_VAR}구문으로 환경변수를 참조하면,.mcp.json을 git에 커밋해도 토큰이 노출되지 않습니다. 팀원은 각자 환경변수만 설정하면 됩니다.
시나리오별 권장 MCP 조합
실전 조합 전략 심화
위의 10개 시나리오는 개별 워크플로입니다. 여기서는 여러 시나리오를 조합 하여 팀 전체의 업무를 체계적으로 자동화하는 전략을 소개합니다.전략 1: 데이터 팀의 “아침 자동 브리핑” 시스템
매일 아침 자동으로 실행되는 종합 브리핑을 구성합니다:전략 2: “데이터 이슈 자동 에스컬레이션” 파이프라인
데이터 품질 이슈를 발견하면 자동으로 관련 팀에 알리고 추적합니다:전략 3: 역할별 MCP 조합 최적화
모든 팀원이 같은 MCP 서버를 사용할 필요는 없습니다. 역할에 따라 최적의 조합이 다릅니다:팁 실전 팁: 처음에는 Slack + 핵심 데이터 소스(Databricks SQL 또는 PostgreSQL) 2개만 연결하세요. 이 조합만으로도 “분석 → 결과 공유” 워크플로가 가능하며, 추가 MCP는 필요성이 입증된 후에 하나씩 추가하는 것이 가장 효과적입니다.
MCP 서버 선택 시 체크리스트
MCP 서버를 선택할 때 확인해야 할 항목들입니다:주의 커뮤니티 서버 주의사항: 커뮤니티 MCP 서버는 공식 서버에 비해 유지보수가 불안정할 수 있습니다. 프로덕션 환경에서는 반드시 코드를 검토하고, 가능하면 공식 서버나 벤더 공식 서버를 우선 사용하세요.
MCP 서버 도입 우선순위 가이드
수많은 MCP 서버 중 어디서부터 시작해야 할지 모르겠다면, 다음 우선순위를 참고하세요: 1순위 (즉시 도입 — 모든 팀에 필수):- Slack(또는 Teams): 결과 공유 채널. MCP의 “마지막 1마일”
- 핵심 데이터 소스: Databricks SQL(Databricks 환경) 또는 PostgreSQL(로컬 환경)
- GitHub: 개발 팀 필수
- JIRA/Linear: 프로젝트 관리 팀 필수
- Brave Search: 리서치가 많은 역할에 유용
- Notion/Confluence: 문서화 자동화가 필요한 경우
- Google Sheets: 보고서 자동화가 필요한 경우
- AWS/GCP: 클라우드 인프라 관리가 필요한 경우
- Datadog/Grafana: 모니터링 자동화
- PagerDuty: 인시던트 대응 자동화
- Custom MCP: 사내 시스템 연동
팁 경험적 법칙: 처음 2개 MCP 서버(Slack + 데이터 소스)로 80%의 가치를 얻을 수 있습니다. 나머지 20%의 가치를 위해 추가 서버를 도입하는 것은 기본 워크플로가 안정된 후에 진행하세요.
다음 단계
- MCP 개요: MCP 프로토콜의 기본 개념
- 일반 MCP 설정: 클라이언트별 상세 설정 방법
- Databricks MCP 활용: Databricks 환경의 Managed/External/Custom MCP
- 베스트 프랙티스: 보안, Tool 설계, 비용 최적화