> ## Documentation Index
> Fetch the complete documentation index at: https://docs.sifi.life/llms.txt
> Use this file to discover all available pages before exploring further.

# 실전 자동화 시나리오

> 이 문서는 **[MCP](/blog/guides/mcp/overview)** 섹션의 일부입니다.

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

```
"어제 실행된 ETL 잡 중 실패한 것이 있는지 확인하고,
실패한 잡이 있으면 Slack #data-ops에 알리고 JIRA 티켓도 생성해"
```

**동작 흐름:**

1. **Databricks SQL MCP**→ `system.lakeflow.job_runs` 테이블에서 실패한 잡 조회
2. **Slack MCP**→ `#data-ops` 채널에 실패 요약 메시지 전송
3. **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

```
"이번 주에 올라온 PR들 목록을 가져와서 리뷰 상태를 확인하고,
리뷰 안 된 PR이 있으면 Slack #engineering에 리마인더 보내줘"
```

**동작 흐름:**

1. **GitHub MCP**→ 리포의 오픈 PR 목록 조회 + 리뷰 상태 확인
2. **LLM 분석**→ 리뷰 지연 PR 필터링, 담당자별 그룹핑
3. **Slack MCP**→ 리뷰어별 멘션과 함께 리마인더 메시지 전송

***

### 시나리오 3: 고객 문의 → 자동 응답 초안

**사용 MCP**: Gmail + PostgreSQL + Slack

```
"오늘 들어온 고객 문의 이메일을 확인하고,
고객 DB에서 해당 고객 정보를 조회한 뒤,
응답 초안을 작성해서 Slack #cs-team에 검토 요청해줘"
```

**동작 흐름:**

1. **Gmail MCP**→ 미읽은 고객 문의 이메일 검색 및 내용 읽기
2. **PostgreSQL MCP**→ 고객 이메일로 CRM DB에서 고객 정보, 계약 상태 조회
3. **LLM 분석**→ 문의 내용 + 고객 정보를 종합하여 응답 초안 작성
4. **Slack MCP**→ CS 팀 채널에 원문 + 초안 + 고객 정보 요약 전송

***

### 시나리오 4: 인시던트 대응 자동화

**사용 MCP**: PagerDuty/Datadog + Kubernetes + Slack

```
"현재 Critical 알림이 있는지 확인하고,
관련 파드 로그를 가져와서 원인을 분석한 뒤,
Slack #incident에 분석 결과를 포스팅해줘"
```

**동작 흐름:**

1. **Datadog MCP**→ 활성 Critical 알림 목록 조회
2. **Kubernetes MCP**→ 관련 서비스의 파드 로그 수집
3. **LLM 분석**→ 로그 패턴 분석, 가능한 원인 추론
4. **Slack MCP**→ `#incident` 채널에 분석 보고서 전송

***

### 시나리오 5: 스프린트 보고서 자동 생성

**사용 MCP**: JIRA + GitHub + Notion

```
"이번 스프린트의 완료/미완료 이슈를 JIRA에서 가져오고,
관련 PR의 머지 상태를 GitHub에서 확인한 뒤,
Notion에 스프린트 회고 문서를 생성해줘"
```

**동작 흐름:**

1. **JIRA MCP**→ 현재 스프린트의 이슈 목록 + 상태 조회
2. **GitHub MCP**→ 각 이슈에 연결된 PR의 머지 상태 확인
3. **LLM 분석**→ 완료율, 지연 원인, 다음 스프린트 주의점 분석
4. **Notion MCP**→ 회고 템플릿으로 문서 자동 생성

***

### 시나리오 6: 일일 업무 브리핑

**사용 MCP**: Google Calendar + Gmail + JIRA + Slack

```
"오늘 일정과 미읽은 이메일, 할당된 JIRA 티켓을 정리해서
아침 브리핑을 만들어줘"
```

**동작 흐름:**

1. **Google Calendar MCP**→ 오늘 일정 조회
2. **Gmail MCP**→ 미읽은 중요 이메일 요약
3. **JIRA MCP**→ 나에게 할당된 In Progress / To Do 이슈 조회
4. **LLM 분석**→ 우선순위 정리, 시간 배분 제안
5. **Slack MCP**→ DM으로 브리핑 전송 (선택)

***

### 시나리오 7: 데이터 품질 모니터링 → 보고

**사용 MCP**: Databricks SQL + Google Sheets + Slack

```
"주요 테이블의 null 비율, 중복 레코드, 최신성을 체크하고,
결과를 Google Sheets에 기록한 뒤, 이상이 있으면 Slack에 알려줘"
```

**동작 흐름:**

1. **Databricks SQL MCP**→ 데이터 품질 쿼리 실행 (null 비율, 중복, 최종 업데이트 시간)
2. **Google Sheets MCP**→ 품질 메트릭을 일별 시트에 기록
3. **LLM 분석**→ 임계치 초과 항목 판별
4. **Slack MCP**→ 이상 항목이 있으면 `#data-quality` 채널에 알림

***

### 시나리오 8: 경쟁사 모니터링

**사용 MCP**: Brave Search + Notion + Slack

```
"Snowflake, Redshift 관련 최신 뉴스를 검색하고,
주요 내용을 Notion '경쟁사 인텔리전스' DB에 추가하고,
요약을 Slack #competitive에 공유해줘"
```

**동작 흐름:**

1. **Brave Search MCP**→ 경쟁사 키워드로 최신 뉴스/블로그 검색
2. **LLM 분석**→ 핵심 내용 추출, 비즈니스 영향도 평가
3. **Notion MCP**→ 경쟁사 인텔리전스 DB에 새 항목 추가
4. **Slack MCP**→ 요약 리포트를 관련 채널에 공유

***

### 시나리오 9: 코드 변경 → 문서 자동 업데이트

**사용 MCP**: GitHub + Confluence

```
"최근 PR에서 API가 변경된 부분을 확인하고,
Confluence의 API 문서를 업데이트해줘"
```

**동작 흐름:**

1. **GitHub MCP**→ 최근 머지된 PR에서 API 관련 파일 변경 확인
2. **LLM 분석**→ 변경된 엔드포인트, 파라미터, 응답 포맷 정리
3. **Confluence MCP**→ 해당 API 문서 페이지 업데이트

***

### 시나리오 10: 주간 팀 성과 대시보드

**사용 MCP**: GitHub + JIRA + Slack + Google Sheets

```
"이번 주 팀의 PR 수, 코드 리뷰 수, 완료된 JIRA 이슈 수를 집계하고,
Google Sheets에 기록한 뒤 Slack에 요약 보고해줘"
```

**동작 흐름:**

1. **GitHub MCP**→ 이번 주 PR 수, 리뷰 수, 코드 변경량 집계
2. **JIRA MCP**→ 완료된 이슈 수, 스토리 포인트 합산
3. **Google Sheets MCP**→ 주간 트래킹 시트에 데이터 추가
4. **LLM 분석**→ 전주 대비 트렌드 분석
5. **Slack MCP**→ `#team-metrics` 채널에 주간 보고