메신저와 AI를 잇다,
MCP 기반 업무 자동화의 실제
카카오톡에서 CVE를 조회하고,
서버 상태를 확인하고,
기술 리서치를 수행합니다.
AI를 업무에 녹여내는 방법을 연구하고 있습니다.
AI는 도구입니다.
도구는 손에 닿아야 씁니다.
아무리 좋은 LLM이 있어도
웹 브라우저를 열고, 프롬프트를 입력하고, 결과를 복사해서
다시 업무 도구에 붙여넣는 과정이 필요하다면
실무에서는 쓰지 않게 됩니다.
리원에이스 기술개발본부에서는
AI를 별도의 도구가 아닌
이미 쓰고 있는 도구 안에서 동작하게 만드는 방법을
연구하고 있습니다.
그 첫 번째 결과물이
카카오톡 메신저에 로컬 LLM과 MCP를 연결한
업무 자동화 봇입니다.
왜 메신저인가
한국의 업무 커뮤니케이션은
상당 부분이 메신저 위에서 이루어집니다.
장애 알림을 받는 곳도,
빠른 확인을 요청하는 곳도,
“이거 한번 찾아봐줘”라고 말하는 곳도
대부분 메신저입니다.
그렇다면 AI가 대답하는 곳도
메신저 안이어야 합니다.
별도 AI 도구의 한계
· 웹 브라우저를 열고 로그인해야 합니다
· 결과를 복사해서 메신저에 다시 붙여넣어야 합니다
· 모바일에서는 앱 전환이 번거롭습니다
· 팀원에게 공유하려면 스크린샷을 찍어야 합니다
메신저 내 AI의 장점
· 대화하듯 질문하면 대화 안에서 답이 옵니다
· 팀원이 같은 방에 있으면 결과가 자동으로 공유됩니다
· 외출 중에도 폰에서 바로 사용할 수 있습니다
· 별도 학습 없이 누구나 쓸 수 있습니다
시스템 구조
전체 시스템은 네 개의 계층으로 구성됩니다.
각 계층이 독립적으로 동작하며,
MCP가 그 사이를 연결합니다.
메신저 클라이언트
카카오톡 알림을 감지하고,
메시지를 파싱하여 API 서버로 전달합니다.
응답을 받으면 메신저에 자동으로 답장합니다.
자체 개발 안드로이드 앱. NotificationListenerService 기반.
API 서버
메시지를 받아 명령어를 라우팅하고,
사용자 인증, 방 관리, 레이트 리밋을 처리합니다.
대화형 질문은 LLM에 전달합니다.
FastAPI 기반. 방 화이트리스트, 사용자 차단, 관리자 시스템 내장.
로컬 LLM
자체 호스팅하는 언어 모델입니다.
외부 API에 의존하지 않으므로
데이터가 외부로 나가지 않습니다.
MCP 도구를 호출할 수 있는 function calling을 지원합니다.
Ollama 기반. 커스텀 모델 파인튜닝.
MCP 도구 서버
LLM이 호출할 수 있는 도구들을 제공합니다.
웹 검색, 날씨 조회, 서버 상태, 도커 상태,
메모 관리, 계산기 등.
도구를 추가하면 LLM이 자동으로 인식하고 사용합니다.
AIR(MCP 서버 프레임워크) 기반. 보안 정책, 레이트 리밋, 감사 로그 내장.
핵심은 LLM과 도구 사이에 MCP가 있다는 것입니다.
새로운 도구를 추가할 때 LLM을 수정할 필요가 없습니다.
MCP 서버에 도구를 등록하면
LLM이 description을 읽고 알아서 사용합니다.
실제 동작 모습
아래는 실제 카카오톡에서
봇에게 질문하고 답변을 받는 모습입니다.
MCP Streamable HTTP 최신 스펙을 조회하는 모습.
기술 리서치 중 메신저에서 바로 검색하고
핵심 변경사항을 요약받을 수 있습니다.
카카오톡에서 CVE 취약점 정보를 실시간으로 조회하는 모습.
“/봇 CVE-2026-78948 알려줘”라고 입력하면
자체 검색엔진이 관련 정보를 수집하고,
LLM이 요약하여 답변합니다.
두 스크린샷에서 공통적으로 보이는
“응답을 준비하고 있습니다...” 메시지는
1.5초 이내에 응답이 오지 않으면
자동으로 선발송되는 UX입니다.
사용자가 “봇이 멈춘 건가?” 하고 불안해하지 않도록
처리 중임을 먼저 알려줍니다.
MCP로 연결된 도구들
현재 MCP 서버에 등록된 도구는 9개입니다.
LLM은 사용자의 질문을 분석하고
적절한 도구를 자동으로 선택하여 호출합니다.
웹 검색
자체 호스팅 검색엔진과 연동. 검색 결과에서 핵심 문장을 추출하고, 관련도 순으로 정렬하여 LLM에 전달합니다. CVE 조회, 기술 리서치, 뉴스 확인에 활용됩니다.
날씨 조회
도시명으로 현재 날씨와 오늘 예보를 조회합니다. 기온, 체감온도, 습도, 풍속, 강수확률, 예상 강수량까지 포함됩니다.
서버 상태
가동시간, 메모리 사용량, 디스크 사용량을 반환합니다. 외출 중 장애 알림을 받았을 때 폰에서 바로 확인할 수 있습니다.
도커 상태
실행 중인 컨테이너 목록과 상태를 반환합니다. 특정 서비스가 내려갔는지 메신저에서 즉시 확인할 수 있습니다.
계산기
수학 계산을 수행합니다. 견적 작성, 비용 산출 등 업무 중 간단한 계산에 활용됩니다.
메모 저장/조회/삭제
메모를 저장하고 나중에 조회합니다. 회의 중 떠오른 아이디어, 할 일 등을 메신저에서 바로 기록합니다.
현재 시간
한국 시간 기준 날짜, 요일, 시간을 반환합니다.
도구를 추가하는 것은
MCP 서버에 함수를 하나 등록하는 것과 같습니다.
name, description, inputSchema를 정의하면
LLM이 자동으로 인식하고 사용하기 시작합니다.
예를 들어 JIRA 연동 도구를 추가하면
“이번 주 미완료 티켓 알려줘”라는 질문에
LLM이 JIRA 도구를 호출하여 답변할 수 있습니다.
LLM을 수정할 필요 없이 도구만 추가하면 됩니다.
왜 로컬 LLM인가
클라우드 API(GPT, Claude 등)를 쓰면 더 쉽습니다.
그럼에도 로컬 LLM을 선택한 이유가 있습니다.
데이터가 외부로 나가지 않습니다
메신저 대화, 서버 상태, 내부 문서 검색 결과가
외부 API로 전송되지 않습니다.
모든 처리가 자체 서버 안에서 완결됩니다.
비용이 예측 가능합니다
토큰당 과금이 없습니다.
서버 유지 비용만 있으면 되므로
사용량이 늘어도 비용이 선형으로 증가하지 않습니다.
커스터마이징이 자유롭습니다
시스템 프롬프트, 응답 스타일, 도구 호출 전략을
제한 없이 조정할 수 있습니다.
조직의 용어, 말투, 업무 규칙에 맞출 수 있습니다.
외부 서비스 장애에 영향받지 않습니다
클라우드 API가 다운되어도
봇은 정상 동작합니다.
가용성이 자체 인프라에만 의존합니다.
자체 호스팅 검색엔진
웹 검색 도구는 오픈소스 메타 검색엔진인
SearXNG를 자체 호스팅하여 사용합니다.
LLM이 검색 결과를 그대로 전달하면
불필요한 정보가 너무 많습니다.
그래서 검색 결과에 대해 다음 처리를 거칩니다.
검색 결과 처리 파이프라인
· 키워드 매칭으로 관련도 점수 산출 및 정렬
· 공식 사이트 우대, 저품질 소스 감점
· 상위 결과 페이지를 크롤링하여 본문 추출
· 본문에서 쿼리 관련 핵심 문장만 추출
· 10분 TTL 캐시로 동일 검색 중복 요청 방지
이 파이프라인 덕분에 LLM은
정제된 정보만 받아서
정확하고 간결한 답변을 생성할 수 있습니다.
운영을 위한 설계
업무용 봇은 “동작하는 것”만으로는 부족합니다.
누가, 어디서, 얼마나 쓰는지 통제할 수 있어야 합니다.
방 화이트리스트
허용된 채팅방에서만 봇이 동작합니다.
관리자가 /방허용, /방차단 명령어로 실시간 관리합니다.
비허용 방에서는 관리 명령어만 작동합니다.
사용자 인증과 차단
사용자별 해시 기반 식별.
관리자/일반 사용자 권한 분리.
악용 사용자 즉시 차단 가능.
레이트 리밋
사용자별, 도구별 호출 제한.
봇 남용이나 무한 루프를 방지합니다.
MCP 서버 수준에서도 별도 레이트 리밋이 적용됩니다.
대화 로그와 감사
모든 요청과 응답이 DB에 기록됩니다.
방, 발신자, 메시지, 응답, 처리 시간, 사용된 명령어.
사용 패턴 분석과 장애 추적에 활용됩니다.
입력 검증과 보안
메시지 길이 제한(1,000자),
프롬프트 인젝션 패턴 필터링,
검색 쿼리 새니타이징,
모델 정체성 관련 질문 직접 응답(LLM 우회).
클라이언트 측에서도 쿨다운(5초)이 적용됩니다.
업무 활용 시나리오
이 시스템은 다양한 업무 상황에서 활용될 수 있습니다.
도구를 추가하는 것만으로 새로운 시나리오가 열립니다.
장애 대응
장애 알림을 받으면 메신저에서 바로
서버 상태, 도커 컨테이너 상태를 확인합니다.
노트북을 열지 않아도 초기 판단이 가능합니다.
보안 리서치
새로운 CVE가 발표되면 메신저에서 바로 조회합니다.
영향 범위, CVSS 점수, 패치 상태를
팀 채팅방에서 공유할 수 있습니다.
기술 리서치
새로운 기술이나 프로토콜의 최신 스펙을
메신저에서 검색하고 요약받습니다.
회의 중 “이거 한번 찾아봐”에 즉시 대응할 수 있습니다.
확장 가능성
MCP 도구를 추가하는 것만으로 새로운 기능이 열립니다.
JIRA 티켓 조회, Git 커밋 요약, DB 상태 확인,
사내 문서 검색(RAG), 일정 관리 등.
메신저가 업무의 단일 진입점이 됩니다.
MCP가 이 구조의 핵심인 이유
LLM에 직접 API 호출 코드를 넣을 수도 있습니다.
하지만 그러면 도구가 추가될 때마다
LLM 연동 코드를 수정해야 합니다.
MCP를 사이에 두면 구조가 달라집니다.
도구 추가가 독립적입니다
MCP 서버에 도구를 등록하면 끝입니다.
LLM 코드를 수정하지 않아도
다음 호출부터 새 도구를 사용합니다.
LLM을 교체해도 도구는 그대로입니다
로컬 LLM을 더 좋은 모델로 교체하거나
클라우드 API로 전환해도
MCP 서버와 도구는 수정 없이 동작합니다.
보안 정책이 도구 단위로 적용됩니다
도구별 레이트 리밋, 접근 제어, 감사 로그가
MCP 서버 수준에서 일괄 적용됩니다.
각 도구에 보안 코드를 넣을 필요가 없습니다.
이 구조에 대한 상세한 기술 분석은
MCP 시리즈 글에서 다루고 있습니다.
리원에이스의 AI 연구
리원에이스 기술개발본부에서는
로컬 LLM과 MCP를 활용하여
기존 업무 도구에 AI를 자연스럽게 통합하는 방법을
꾸준히 연구하고 있습니다.
이 연구의 핵심 도구들은
리원에이스의 자체 제품입니다.
AIR MCP 서버 프레임워크
이 봇의 MCP 서버가 AIR 위에서 동작합니다.
보안 정책, 레이트 리밋, 감사 로그가 프레임워크에 내장되어 있어
도구 개발에만 집중할 수 있습니다.
Miraju AI 방화벽
프롬프트 인젝션, 도구 포이즈닝 등
AI 특화 위협을 탐지하고 차단합니다.
Sentinel MCP Audit Gateway
모든 MCP 도구 호출을 기록하고
이상 행동을 탐지합니다.
AI를 업무에 도입하는 가장 확실한 방법은
이미 쓰고 있는 도구 안에 넣는 것입니다.
새로운 앱을 설치하라고 하면 안 씁니다.
새로운 웹사이트에 로그인하라고 하면 안 씁니다.
하지만 메신저에서 한 줄 치면 답이 오면 씁니다.
MCP가 이것을 가능하게 합니다.
도구를 표준화하고,
LLM과 분리하고,
확장 가능하게 만듭니다.
리원에이스는 이 연구를 계속합니다.
본 글은 리원에이스 기술개발본부가 작성한 기술 콘텐츠입니다. 외부 공유 시 출처를 명시해 주세요.
2026년 8월 19일
리원에이스 기술개발본부