링크드인, MCP로 장애 대응 자동화하는 코딩 에이전트 구축

ai.euno.news 자동 뉴스 요약

MCP는 AI 에이전트가 외부 도구·데이터 소스에 접근할 때 쓰는 표준 인터페이스로, 서로 다른 코딩 에이전트가 같은 방식으로 사내 시스템에 연결할 수 있게 해준다.

InfoQ가 공개한 발표에 따르면, 링크드인은 GitHub Copilot 같은 코딩 에이전트가 장애 대응부터 코드 수정, PR 생성까지 처리하는 조직 내 워크플로를 구축했다. 링크드인 소프트웨어 엔지니어 아자이 프라카시(Ajay Prakash)가 소개한 사례는 이렇다. 온콜 엔지니어가 지연 급증 경보를 받으면, 그 링크를 코딩 에이전트에 넘긴다. 에이전트는 사내에 등록된 “경보 디버깅” 지침을 불러와 문제가 발생한 서비스를 특정하고, 그 서비스의 디버깅 지침을 다시 불러와 로그·메트릭·최근 배포 이력을 뒤진다. 원인이 다운스트림 서비스의 에러라는 것을 찾아내면, 그 서비스의 디버깅 지침까지 재귀적으로 불러와 결국 버그가 담긴 특정 PR을 지목한다.

여기까지가 사람이 대응 방법을 고민하는 사이 몇 분 안에 끝난다. 프라카시는 사람이 직접 처리했다면 몇 시간이 걸렸을 일이라고 설명했다. 원인 규명 후 에이전트는 근본 원인과 조치 방안을 요약해 보여주고, 담당자 확인을 거쳐 실제 완화 조치까지 실행한다. 이후 인시던트 관리 시스템에 보고서를 남기고, 버그가 있던 서비스의 코드를 고치는 PR까지 만든다. 링크드인은 이런 방식의 워크플로가 600개 이상, 관련 도구는 수천 개에 이른다고 밝혔다.

이 모든 게 가능한 이유는 링크드인이 자체 구축한 시스템, 이름하여 “컨텍스추얼 에이전트 플레이북 앤드 툴즈(Contextual Agent Playbooks and Tools)” 때문이다. 각 서비스, 각 장애 유형마다 “어떻게 디버깅하는지” “어떤 로그를 봐야 하는지” 같은 조직 고유의 절차와 지식을 에이전트가 필요할 때 불러다 쓸 수 있게 구조화해 둔 조직 컨텍스트 레이어다. 코딩 에이전트가 회사마다 다른 내부 시스템·규칙·도메인 지식을 모른다는 근본적 한계를 메워준 셈이다.

프라카시는 이 발표에서 이 시스템을 만들게 된 배경으로 AI 코딩 도구의 진화 과정을 짚었다. 초창기 코딩 어시스턴트는 문맥 기반 자동완성 수준이었지만, 이후 파일을 직접 편집하고 터미널 명령을 실행하는 “에이전트 모드”가 도입되면서 판이 달라졌다. 2025년 초 안드레이 카르파티(Andrej Karpathy)가 “바이브 코딩(vibe coding)“이라는 말로 이 흐름을 정의한 것도 이 시기다. 다만 발표 전문(transcript) 후반부, 즉 시스템의 구체적 아키텍처나 MCP 서버 구성 방식에 대한 세부 설명은 이번에 확보한 자료에 담기지 않았다. 성능 수치나 도입 전후 비교 데이터도 공개되지 않아, 실제 효율 개선 폭이 어느 정도인지는 확인되지 않는다.

읽기 목록은 이 브라우저에 저장됩니다.