MCP 활용 사례

AI 에러 리포팅

Model Context Protocol을 활용한
에러 모니터링 시스템

🤔Imagine

서버에 에러가 발생했을 때

개발자가 직접 로그를 뒤지며 원인을 찾는 대신...

AI가 자동으로 에러를 분석하고

프로젝트 컨텍스트를 이해하여 근본 원인을 파악

해결책을 제안해준다면?

30초 만에 메신저로 분석 결과를 받을 수 있다면?

소스 수정까지 알아서 해준다면?

테스트 코드 작성까지 알아서 해준다면?

🤔MCP?

Model Context Protocol

AI와 외부 시스템을 연결하는 표준 프로토콜

쉽게 말하면

USB-C 가 다양한 주변기기 및 액세서리에 연결하는 표준화된 방식을 제공하는 것처럼

MCP는 AI 모델을 다양한 데이터 소스 및 도구에 연결하는 표준화된 방식을 제공합니다.

🧠AI = 두뇌 + 입

👁️MCP = 눈 + 귀 + 손 ...? ❌

🛠️MCP = 도구

10분 -> 3분

Before

  • 에러 발생 → 개발자가 직접 로그 확인
  • 내가 모르는 소스 코드 분석
  • 다수 인원이 중복 확인
  • Git 변경사항 수동 추적
  • 원인 파악까지 긴 시간 소요

⏱️소요시간: 3분~20분 ✖️ 인원수

After

  • 에러 발생 → AI가 자동 분석
  • 워크스페이스 소스 코드 접근
  • Git 변경사항 자동 분석
  • 프로젝트 컨텍스트 이해
  • 근본적인 원인 파악 및 해결책 제안

⚡소요시간: 30초~2분

🔧MCP SDK 3가지 활용

🛠️

Tools (도구)

AI가 할 수 있는 작업

  • 에러 모니터링 시작
  • AI 분석 실행
  • 알림 전송
  • 데이터 수집
🎯

Sampling (질의)

AI에게 질문

  • 에러 원인 분석 요청
  • 해결책 생성 요청
  • 컨텍스트 기반 추론
  • 프롬프팅에 따른 분석
📚

Resources (자원)

AI가 읽을 수 있는 데이터

  • 워크스페이스 소스 코드
  • Git 변경 이력
  • 설정 파일
  • 로그 파일

🏗️Flow

1️⃣ 백엔드 시스템

에러 발생

→

2️⃣ WebSocket(SSE)

에러 전파

→

3️⃣ MCP 서버

에러 수신

→

4️⃣ AI 분석

Sampling 실행

→

5️⃣ 팀 알림

메신저 전송

일반적인 MCP 활용 시연

  • 🎯테스트 데이터: 스키마 보고 알아서 데이터 생성
  • 🤖렌더링 테스트: 브라우저에서 직접 테스트

설정 예시

{
  "mcpServers": {
    "error-monitoring": {
      "command": "node",
      "args": ["./mcp-server/index.js"]
    }
  }
}

🎬MCP 활용

테스트 데이터 생성 / 렌더링 테스트

sequenceDiagram
    participant App as "백엔드 애플리케이션"
    participant WS as "WebSocket 서버"
    participant SSE as "SSE 엔드포인트"
    participant MCP as "MCP 서버"
    participant AI as "VS Code Copilot"
    participant Team as "메신저"

    App->>WS: "에러 전송"

    WS->>SSE: "전파"
    
    SSE->>MCP: "스트림"
    
    MCP->>MCP: "Resources 접근"
    
    MCP->>AI: "sampling 호출"
    
    AI->>AI: "에러 리포팅"
    
    AI->>MCP: "분석 결과 반환
- 원인 분석
- 해결 방안
- 예방 조치" MCP->>Team: "분석 결과 전달"

🎬흐름별 핵심 코드

1단계: Tools 정의

  • 에러 스트림 모니터링 시작
  • AI 분석 실행
  • 메신저 전송

2단계: Tool handler 정의

각 Tool 별로 실행될 로직을 함수로 정의한 뒤 맵핑

3단계: AI Sampling

에러 json 구조를 항목별로 상세히 설명하고, 리포팅 작성 구조에 대한 프롬프팅 작성

4단계: Resource

프로젝트 소스코드, 환경을 설명하는 파일에 대한 description 과 함께 제공

🛠️1단계: AI가 사용할 도구들 정의

// AI가 사용할 수 있는 도구들 정의
this.server.setRequestHandler(ListToolsRequestSchema, async () => {
    return {
        tools: [
            {
                name: 'start_error_monitoring',
                description: 'Spring Boot SSE 에러 스트림 모니터링 시작',
                inputSchema: { /* ... */ }
            },
            {
                name: 'analyze_with_ai',
                description: 'VS Code AI를 통한 에러 자동 분석',
                inputSchema: { /* ... */ }
            }
        ]
    };
});

핵심 포인트

AI가 "에러 모니터링"과 "분석 실행"이라는 도구를 사용할 수 있게 정의

🔗2단계: 각 도구별 실제 함수 연결

// 각 도구에 대응하는 실제 함수 매핑
this.server.setRequestHandler(CallToolRequestSchema, async (request) => {
    const { name, arguments: args } = request.params;
    
    switch (name) {
        case 'start_error_monitoring':
            return await this.startErrorMonitoring(args);
        case 'analyze_with_ai':
            return await this.analyzeWithAI(args);
        default:
            throw new Error(`Unknown tool: ${name}`);
    }
});

핵심 포인트

AI가 "analyze_with_ai"를 호출하면 실제 분석 함수가 실행됨

🤖3단계: AI에게 분석 요청

// MCP Sampling으로 AI 분석 요청
const samplingRequest = {
    method: 'sampling/createMessage',
    params: {
        messages: [{
            role: 'user',
            content: {
                type: 'text',
                text: `에러 분석 요청: ${errorMessage}`
            }
        }],
        systemPrompt: "당신은 Spring Boot 에러 분석 전문가입니다...",
        modelPreferences: {
            hints: [{ name: 'claude', priority: 1.0 }]
        }
    }
};

const response = await this.server.request(samplingRequest);

핵심 포인트

실제 우리 프로젝트의 에러 분석 프롬프트로 AI에게 질문

🎯흐름 요약

1️⃣ Tools 선언

도구 정의

→

2️⃣ 함수 실행

실제 연결

→

3️⃣ AI 분석

Sampling 요청

AI 관점에서

  • AI: "어떤 도구를 쓸 수 있지?"
  • AI: "에러 분석 실행해줘!"
  • AI: "에러를 분석해보자!"

결과: 에러 발생 → LLM 과 대화하며, 요청 분석과 메시지 전송을 요청 할 수 있는 환경

📱메신저 에러 리포팅

🔔 개발팀 알림

16:23:32
에러 정보

에러 GUID: 20250619163OA024Xhost038001

AI 분석 결과
  • 에러 타입: BadSqlGrammarException
  • 발생 위치: MyBatis 매퍼 selectYo-Inline 쿼리 (112라인)
  • HTTP 요청: GET /hey/doc
  • 사용자: USR0204(examUser)
  • 에러 메시지: PostgreSQL 컬럼 main.dmandtt 존재하지 않음
  • 힌트: "main.dmandt" 컬럼명 오타 가능성
요약

/hey/doc API 호출 시, MyBatis 매퍼의 SQL에서 존재하지 않는 컬럼(main.dmandtt)을 조회하여 SQL 문법 오류 발생. 컬럼명 오타 확인 필요.

🔗에러 모니터링 최종 Ver.

1️⃣ MCP 시작

에이전트 구동

→

2️⃣ SSE 연결

웹소켓 접속

→

3️⃣ 에러 구독

실시간 리스닝

⚡3가지 Watcher 로 구성

  • 에러 구독 → 에러 수신 → 파일 Write
  • 에러폴더 Watch → 에러파일 떨어지면 Read → AI 분석 에러 리포팅 → 리포팅 파일 Write
  • 리포팅 폴더 Watch → 리포팅 메신저 전송 → 완료 폴더 이동
  • 테스팅과 함께 커밋까지 한다면?

    🌟Insights

    💡LLM 으로 업무를

    "지난주 나한테 할당된 업무중에 우선순위 높은 것들 보여줘"

    "오늘 기안온거 다 결제로 해버려"

    "업무 지연 프로젝트들 중에 업무 지연 허들이 주로 어느 팀이야"

    🌐Global AI 외국 진출?

    티켓, 주식, 자산, 부동산..

    ChatGPT = 플랫폼 통합 창구

    🚀MCP 를 시작으로
    모든 업무 도구와 플랫폼을 연결하는 허브

    💬질의응답

    감사합니다.