
MCP 프로토콜로 실현하는 사고 대응 자동화와 지식 관리의 새로운 패러다임
본 아티클은 Slack MCP를 활용해 비정형 대화 데이터를 FAQ와 사고 보고서로 자동 변환하는 방법론을 다룹니다. LY Corporation에서 진행된 실전 워크숍 사례를 통해 MCP 서버 구축부터 실무형 스킬 설계까지, 생성형 AI를 업무 현장에 즉시 안착시키기 위한 구체적인 전략을 제시합니다.
Slack을 주요 협업 도구로 사용하며 문서화 작업에 리소스를 뺏기는 팀에게 강력 추천합니다. 특히 MCP 서버를 통한 LLM 연동에 관심 있는 플랫폼 엔지니어라면 실습 중심의 이 가이드가 큰 도움이 될 것입니다.
일상 업무 중 Slack에는 중요한 사고 대응 및 문의 내역이 실시간으로 축적되지만, 이를 FAQ나 보고서 등의 구조화된 문서로 변환하는 과정에서 담당자의 과중한 업무와 품질 불균형으로 인해 데이터가 방치되는 '구조화 격차'가 발생함.
사내 인증 기반과 연동된 Slack MCP(Model Context Protocol)를 도입하여 AI가 메시지를 직접 조회하고, 재사용 가능한 프롬프트 묶음인 '스킬'을 활용해 FAQ 자동 생성, 사고 상황 요약 및 인시던트 리포트 작성을 자동화하고 Confluence와 연동함.
워크숍 참가자들은 AI의 메시지 게시 및 요약 성능을 직접 체감하였으며, 실제 도입 후 사고 보고서 작성 시간이 크게 단축되고 문의 채널의 지식화 작업이 즉각적으로 이루어지는 등 실무 효율성이 개선되었다는 피드백을 얻음.
Trade-off
AI가 생성한 내용이 원본 스레드의 의도와 다르게 왜곡될 가능성이 존재하므로 반드시 사람의 리뷰가 수반되어야 하며, 데이터 정확도를 높이기 위해 리액션(이모지) 활용이나 기존 문서와의 중복 대조 등 정교한 사전 필터링 로직이 필요함.
AI 모델이 로컬 파일, 데이터베이스, Slack과 같은 외부 도구 및 데이터 소스에 안전하고 표준화된 방식으로 접근할 수 있게 해주는 개방형 프로토콜입니다.
AI의 특정 동작과 지시사항(프롬프트)을 재사용 가능한 형태로 패키징하여 저장한 것입니다.
Slack의 대화와 같은 휘발성 비정형 데이터가 Confluence 문서와 같은 정형화된 지식으로 전환되지 못해 발생하는 정보의 공백 상태를 의미합니다.




