AI
AWS X 로앤컴퍼니 AI 해커톤 : VOC 자동 조사 에이전트 “민붕이” 개발기
두줄요약
분산된 VoC 지식과 코드 조사를 자동화하는 AI 에이전트 ‘민붕이’의 설계·운영 사례를 소개했습니다.\nMCP 기반 단일 서버 구조에 보안·검증·비용 통제를 적용해 실무 투입 가능성을 높였습니다.
문제 상황
- 월 평균 29건의 VoC와 건당 중앙 처리 시간 약 80분으로 발생한 반복 조사 부담
- 과거 답변·정책 근거의 Slack·Notion 분산, 기본 정보 누락에 따른 평균 6회 소통, 복잡한 코드 흐름 추적 병목
구조와 흐름
- 유사 사례 조사, 코드 원인 추적, Jira 티켓·보고서·Notion 문서화에 집중한 AI 에이전트 ‘민붕이’
- 검증·담당자 지정·코드 수정은 사람이 맡고 조사·초안 작성·지식 축적은 에이전트가 지원하는 역할 분리
- Claude Agent SDK의
query와 GitHub·Notion·Slack MCP를 단일 서버에서 실행하고 Slack 채널에 조사 컨텍스트 축적
주의할 점
- 로컬 파일 도구 차단, MCP 도구 화이트리스트, GitHub 레포지토리 화이트리스트로 접근 범위 제한
- 간접 프롬프트 인젝션 방지 지침, PII 마스킹, 지정된 Notion 페이지만 공유하는 데이터 보호 정책
- 근거 주석·확신도·미확인 근거 표시와 Jira 검증 안내를 통한 사람의 최종 검토 유지
성능/운영 포인트
- ECR 이미지와 기존 EKS 환경의 Pod 하나로 배포해 비미션 크리티컬 업무의 운영 복잡도 최소화
- API 역할 분리, 부분 결과 반환, 긴 결과 청킹으로 한도·타임아웃 실패 대응
- 작업별 모델·추론 강도·턴 수 정책, 호출 비용 상한과 비용·시간 footer를 통한 비용 가시성 확보
