todays_mitsui, 데이터 분석 에이전트를 MCP 서버로 재구성

개인 블로그 「無駄と文化」의 작성자 계정 todays_mitsui는 2026년 6월까지 Google ADK로 데이터 분석 에이전트를 개발하다가, 7월부터 분석용 MCP 서버로 전환했다고 회고했습니다. 처음 구상한 에이전트는 채팅으로 질문을 받아 데이터를 가져오고 분석한 뒤 결과를 시각화하는 앱이었습니다. 새 서버는 사전 집계 데이터와 데이터별 지식을 제공하고, 팀원들은 이를 Claude.ai 커넥터에 연결해 기초 분석에 활용했습니다.

MCP는 AI 애플리케이션을 외부 데이터와 도구 등에 연결하는 오픈소스 표준입니다. 이 사례에서 MCP 서버는 분석에 필요한 정보의 공급자이고, Claude.ai는 질문을 주고받는 대화형 인터페이스입니다. 작성자는 Claude.ai가 Artifacts를 통한 대화형 시각화도 제공한다고 덧붙였습니다.

자체 에이전트를 만들면 분석 기능 외에도 UI, 인증 기반, 세션 관리, 메모리, 하위 에이전트 조율, 업로드 파일과 그 관리, 스킬 시스템 등을 직접 다뤄야 한다고 작성자는 설명했습니다. UI 외의 요소가 없어도 분석 에이전트는 작동할 수 있지만, 평소 쓰는 Claude.ai·ChatGPT·Gemini와 비교하면 부족하게 느껴질 수 있다고 썼습니다. 한정된 시간에 많은 요소를 함께 개발하면 각각의 완성도가 낮아질 수 있다는 점도 전환 이유였습니다.

작성자는 특히 메모리 구현이 까다롭다고 봤습니다. 대화에서 기억할 정보를 추려 데이터베이스에 저장하고, 적절한 때 검색해 답변에 반영하는 구조지만 무엇을 기억하고 언제 찾아 쓸지를 정하기 어렵다는 설명입니다. mem0 같은 외부 API를 쓰더라도 저장된 기억을 수정하거나 잊게 하는 처리는 구현자가 다뤄야 한다고 했습니다. 직접 만든 에이전트의 기억은 평소 쓰던 AI와 공유되지 않아, 다른 앱으로 옮길 때 기억이 이어지지 않는 점도 장벽으로 꼽았습니다.

작성자가 분석 과정에서 중요하게 본 것은 에이전트 기능보다 지표 정의와 데이터 준비였습니다. 처음에는 BigQuery의 execute_sql 도구를 AI에 연결하면 유용한 통찰이 나올 것으로 기대했지만, 준비 없이 데이터를 넘기면 출퇴근 시간에는 전철이 붐비고 겨울에는 오뎅이 잘 팔린다는 식의 뻔한 결과가 나왔다고 회고했습니다. 분석이 진전된다고 느낀 시점은 팀이 주목할 지표에 합의하고, 이를 매일 사전 집계하도록 만들며, 정확도를 높이기 위해 데이터 수집 방식도 손봤을 때였습니다. 새 MCP 서버는 이렇게 사전 집계된 데이터와 데이터별 지식을 기존 대화형 AI에 제공하도록 구성했습니다.

전환 과정에서는 기존 에이전트 코드의 상당 부분을 재사용했습니다. 작성자는 Google ADK와 FastMCP가 모두 FastAPI를 기반으로 해 코드가 비슷했고, 도메인 모델과 구현을 옮기는 일도 어렵지 않았다고 밝혔습니다. 완성한 MCP를 팀에 공유해 Claude.ai 커넥터로 연결했고, 동료들은 활용 사례를 나눴습니다. 작성자는 자신의 팀에서 이 구성이 잘 작동했다고 회고했습니다.