Genie One MCP: 모든 AI 에이전트에 올바른 비즈니스 컨텍스트 제공

비즈니스 리더들은 종종 방대한 데이터에 접근할 수 있지만, "지난주에 당사의 가장 큰 고객사에서 순매출이 8% 감소한 이유는 무엇인가?"와 같이 겉보기에는 간단해 보이는 질문에 대해 여전히 신뢰할 수 있는 답변을 얻지 못하곤 합니다. 지난주에 당사의 가장 큰 고객사에서 순매출이 8% 감소한 이유는 무엇인가? 그 답변은 영업, 재무, 프로모션, 재고 및 고객 데이터에 걸쳐 있을 수 있으며, 각 데이터 소스는 개별적으로는 정확할 수 있지만 정의, 세부 정보, 관계 및 권한 측면에서 서로 다를 수 있습니다.

적절한 비즈니스 컨텍스트가 없으면 범용 AI 에이전트는 지표가 무엇을 의미하는지, 어떤 소스가 신뢰할 수 있는지, 데이터를 어떻게 연결해야 하는지, 또는 각 사용자가 무엇을 볼 수 있도록 허용되는지 안정적으로 판단할 수 없습니다.

Genie One MCP는 모든 MCP 호환 AI 에이전트에 거버넌스가 적용된 컨텍스트를 제공합니다. 이 솔루션은 ChatGPT, Claude, Microsoft Copilot 및 코딩 에이전트와 같은 어시스턴트를 Genie One에 연결하여 승인된 정의, 신뢰할 수 있는 데이터 관계 및 권한을 인식하는 액세스 제어를 사용하여 비즈니스 질문에 답변할 수 있도록 합니다. 조직은 에이전트에게 원시 테이블이나 과부하된 프롬프트에서 의미를 유추하도록 요구하는 대신, Genie Ontology에서 비즈니스 컨텍스트를 한 번만 정의하면 승인된 모든 AI 에이전트에서 이를 사용할 수 있습니다.

범용 에이전트의 컨텍스트 문제

범용 AI 에이전트는 연결된 시스템의 파편화와 모호성을 그대로 물려받습니다. 다음과 같은 세 가지 격차로 인해 신뢰할 수 있는 비즈니스 답변을 얻기가 어렵습니다.

• 파편화된 사실: 관련 데이터가 여러 시스템에 분산되어 있고, 업데이트 주기가 다르며, 부서 간 경계를 넘나들고, 시간이 지남에 따라 변경됩니다. 통합된 뷰조차 이미 불완전하거나 최신 상태가 아닐 수 있습니다.
• 일관되지 않은 의미: 순매출, 진행 중인 프로모션, 정시와 같은 용어는 팀마다 정의가 다를 수 있습니다. 이러한 정의는 에이전트가 안정적으로 사용할 수 있는 형태가 아니라 스프레드시트, 문서 또는 조직 내 암묵지 형태로 존재하는 경우가 많습니다.
• 권한 및 계보 누락: 숫자가 충돌할 때 어떤 소스가 신뢰할 수 있는지, 데이터가 어떻게 변환되었는지, 또는 어떤 정의를 통해 결과가 도출되었는지 명확하지 않은 경우가 많습니다.

신뢰할 수 있는 분석에는 단순히 데이터를 검색하는 것 이상의 작업이 필요합니다. 에이전트는 비즈니스 사실이 어떻게 연관되어 있는지, 어떤 정의가 적용되는지, 어떤 소스가 우선순위를 가져야 하는지 이해해야 합니다.

직접적인 데이터 액세스는 비즈니스 컨텍스트가 아닙니다

AI 에이전트를 정형 및 비정형 소스에 직접 연결하면 액세스는 가능하지만, 신뢰할 수 있고 거버넌스가 적용된 답변을 제공하는 데 필요한 공유 비즈니스 컨텍스트는 제공되지 않습니다. 이러한 컨텍스트가 없으면 직접 액세스는 다음과 같은 네 가지 문제를 야기합니다.

• 정확성: 직접 액세스는 에이전트에게 어떤 소스, 정의 또는 SQL 조인이 승인되었는지 알려주지 않습니다. 이러한 선택이 답변의 품질을 결정합니다.
• 비용 및 지연 시간: 에이전트가 스키마, 문서 및 관계를 반복해서 검사해야 하므로 더 많은 토큰을 소비하고 응답 속도가 느려집니다.
• 거버넌스: 소스 시스템 전반에 걸친 직접 연결은 최종 사용자의 컨텍스트에서 액세스 제어를 일관되게 적용하기 어렵게 만들 수 있습니다.
• 일관성: 공유 컨텍스트가 없으면 각 클라이언트, 모델 또는 세션이 정의를 다르게 해석하여 일관되지 않은 답변을 생성할 수 있습니다.

Genie Ontology로 컨텍스트 레이어 구축하기

Genie Ontology는 Databricks의 거버넌스가 적용된 컨텍스트 레이어로, Genie One이 귀하의 비즈니스를 이해하도록 돕습니다. 이는 승인된 지표, 비즈니스 정의, 관계, 소유권 및 액세스 정책을 노트북, 쿼리, 대시보드, 문서, Genie 에이전트와 같이 신뢰할 수 있는 엔터프라이즈 자산에서 유추된 컨텍스트와 결합합니다.

Genie One은 해당 컨텍스트를 사용하여 올바른 정의와 소스를 식별하고, 권한 및 인증을 기반으로 충돌을 조정하며, 각 사용자의 권한을 적용합니다. 그 결과 거버넌스가 적용된 비즈니스 컨텍스트에 기반한 추적 가능하고 권한을 인식하는 답변을 얻을 수 있습니다.

첫 번째 질문에 적용해 보겠습니다. 지난주에 당사의 가장 큰 고객사에서 순매출이 8% 감소한 이유는 무엇인가? Genie Ontology는 다음과 같은 역할을 합니다.

• 순매출을 승인된 지표 정의에 기반을 둡니다.
• 영업, 재무, 프로모션, 재고 및 고객 자산을 거버넌스가 적용된 관계를 통해 연결합니다.
• 해당 소스가 일치하지 않는 경우 인증된 컨텍스트를 우선시합니다.

그 결과 고품질의 답변뿐만 아니라 사용자가 그 뒤에 있는 거버넌스가 적용된 정의 및 자산까지 추적할 수 있는 완전한 설명이 제공됩니다.

모든 AI 에이전트에서 공유되는 하나의 컨텍스트 레이어 

거버넌스가 적용된 컨텍스트 레이어는 사람들이 일하는 공간 전체에서 일관되게 사용할 수 있을 때 더욱 가치 있어집니다. Genie One은 Databricks에서 네이티브 AI 협업 경험을 제공하는 한편, Genie One MCP 서버는 동일한 거버넌스가 적용된 비즈니스 컨텍스트를 승인된 다른 AI 어시스턴트, 코딩 에이전트 및 클라이언트 인터페이스로 확장합니다. 이 두 가지가 결합되어 조직은 Genie Ontology에서 비즈니스 의미를 한 번만 구축하고 이를 진화하는 AI 생태계 전반에 적용할 수 있습니다.

Genie One: 데이터 스마트 협업 동료 

Genie One은 비즈니스 사용자를 위한 Databricks의 데이터 스마트 AI 협업 동료입니다. Genie Ontology를 기반으로 작동하는 Genie One은 팀이 데이터 집약적인 비즈니스 질문에 답변하고, 엔터프라이즈 소스 전반의 정보를 종합하며, 인사이트를 Databricks는 물론 Google Drive, Microsoft 365, Atlassian, Slack, GitHub, Glean과 같은 서드파티 도구에서 문서, 작업, 예약된 작업 등의 후속 작업으로 전환할 수 있도록 지원합니다. 

Genie One MCP: 이미 사용 중인 에이전트에 비즈니스 컨텍스트 제공하기

Genie One MCP는 인기 있는 AI 어시스턴트 및 코딩 에이전트에 동일한 거버넌스가 적용된 컨텍스트를 확장합니다. 이미 Claude, ChatGPT, Microsoft Copilot 또는 Claude Code와 같은 코딩 에이전트를 사용하고 있다면, Genie One MCP는 네이티브 표면과 동일한 온톨로지 및 동일한 권한 적용을 통해 이들 중 어느 것에나 Genie를 도구로 노출합니다.

Genie One MCP는 AI 어시스턴트에 심층적인 엔터프라이즈 컨텍스트를 즉시 제공하여 비즈니스 사용자와의 상호 작용 품질을 크게 향상시킬 수 있습니다. 몇 가지 예는 다음과 같습니다.

캠페인 성과 검토: 마케팅 리더가 ChatGPT Business에 어떤 캠페인이 적격 파이프라인을 생성하고 예산을 어디에 재배정해야 하는지 묻습니다. Genie One은 승인된 기여도, 캠페인, 지출, 리드 및 기회 데이터를 연결하고, ChatGPT는 결과를 캠페인 실행 계획으로 변환합니다.

월간 비즈니스 검토: 재무 리더가 Claude Cowork에 예측 마진과 실제 마진 간의 격차를 유발하는 요인이 무엇인지, 어떤 지역에 조치가 필요한지 묻습니다. Genie One은 공식 예측, 승인된 마진 정의 및 관련 운영 동인을 식별하고, Claude는 결과를 운영 검토 내러티브 및 조치 목록으로 변환합니다.

고객 유지 검토: 고객 성공 리더가 Microsoft Copilot Cowork에 어떤 고객이 채택률 감소, 지원 요청 증가 및 갱신 위험을 보이는지 묻습니다. Genie One은 거버넌스가 적용된 고객, 제품 사용량, 지원 및 계약 컨텍스트를 연결하고, Copilot은 위험에 처한 고객사의 우선순위를 지정하고 타겟팅된 후속 조치를 준비합니다.

Genie One MCP 설정하기

설정은 프리뷰 토글과 클라이언트 연결이 있는 워크스페이스에서 시작됩니다. 단계는 클라이언트마다 다르므로 자세한 내용은 AI 어시스턴트 및 코딩 에이전트 문서를 참조하세요. 연결이 설정되면 AI 어시스턴트에서 Genie One MCP 연결을 볼 수 있어야 합니다 (아래의 Claude Cowork 예시 참조).

Genie One MCP 경험

설정이 완료되면 Claude는 엔터프라이즈 컨텍스트가 필요한 질문을 받을 때 Genie One MCP를 호출할 수 있습니다. 이에 대응하여 Genie One은 기본 데이터 자산에 대한 액세스 제어를 완전히 준수하면서 충분히 추론되고 정식화된 답변을 반환합니다(아래 Claude Cowork 및 ChatGPT 예시 참조). 

Genie One MCP 서버는 서버가 일반 텍스트 대신 대화형 뷰를 반환할 수 있도록 하는 확장 기능인 MCP Apps를 제공합니다. MCP 앱을 지원하는 클라이언트에서 서버는 대화형 뷰를 반환하여 AI 어시스턴트 인터페이스 내에 시각 자료, 요약 메트릭 및 Genie Ontology 인용을 렌더링합니다(아래 참조). 참고: MCP Apps를 지원하는 클라이언트는 대화형 뷰를 자동으로 받는 반면, MCP Apps를 지원하지 않는 클라이언트는 계속해서 텍스트 전용 결과만 받습니다. 

 Genie One MCP가 적용된 ChatGPT

 Genie One MCP가 적용된 Claude Cowork

간단한 명령어인 ug claude를 사용하면 MCP로 Claude를 쉽게 호출할 수 있으며, 이는 Databricks 워크스페이스의 Claude 인스턴스에 연결됩니다. Claude 모델 서빙 엔드포인트가 열리면 명령줄을 통해 직접 사용할 수 있습니다. Genie One MCP 통합을 통해 Claude는 정확하게 답변할 수 있는 컨텍스트를 갖게 됩니다.

Genie One MCP가 적용된 Claude 코드(CLI)

Genie One MCP 작동 방식

도구 계약

Genie One MCP를 사용하면 외부 AI 에이전트가 자연어 질문을 전송하여 Genie One의 거버넌스가 적용된 대화형 분석 기능을 활용할 수 있습니다. Genie는 비즈니스 용어를 해석하고, 허용된 엔터프라이즈 데이터를 검색하고, SQL을 생성 및 실행하고, Databricks 소스 링크와 함께 근거 있는 답변을 반환합니다. 

이를 위해 Genie One MCP 서버는 5가지 도구를 노출합니다. 

• genie_ask은 응답을 시작하고 conversation_id 및 response_id genie_poll_response을 반환하며, 진행 단계를 반환하고 완료 시 Databricks에서 탐색 딥 링크와 함께 답변을 반환합니다. 
• genie_get_query_result은 잘린 응답이 충분하지 않을 때 전체 결과 세트를 반환합니다.
• genie_cancel_response은 진행 중인 턴을 중지합니다.  
• view_ask은 MCP Apps를 지원하는 클라이언트에서 genie_ask을 대체하여 진행 상황, 시각화 및 온톨로지 인용이 포함된 대화형 패널을 인라인으로 렌더링합니다.
• warehouse_id _meta 매개변수는 실행을 특정 SQL 웨어하우스에 고정합니다.

ID 및 액세스 제어

에이전트가 기본 테이블 대신 Genie One을 통해 쿼리할 때, 사용자가 액세스할 수 있는 메트릭과 해당 메트릭의 계산 방식을 결정합니다. 따라서 사용자 ID가 요청을 통해 전달되어야 합니다. 권장되는 접근 방식은 OBO(on-behalf-of) 사용자 인증입니다. 외부 어시스턴트가 최종 사용자의 OAuth 토큰을 전달하면 Genie는 해당 사용자의 컨텍스트에서 Unity Catalog 권한, 행 필터 및 열 마스크를 평가합니다. 사용자는 권한이 있는 결과만 받으며, 딥 링크는 액세스할 수 있는 자산만 엽니다.

두 사용자가 동일한 클라이언트에서 동일한 질문을 하더라도 사용자별 프롬프트 로직 없이 적절한 범위의 답변을 받을 수 있습니다. 외부 연동을 위해 서비스 주체를 사용한 M2M(Machine-to-Machine) 인증을 사용할 수 있지만, 모든 호출자를 하나의 ID로 나타내므로 사용자별 권한 적용이 제거되고 개인화 및 메모리가 제한될 수 있습니다.

어디서나 Genie 액세스에서는 U2M, M2M, OBO 패턴과 이들의 거버넌스 영향에 대해 다룹니다. 외부 MCP 연결은 표준 권한 부여를 통해 제어되는 Unity Catalog 오브젝트입니다.

관리 및 모니터링

관리형 MCP 서버는 워크스페이스의 Agents > MCPs 아래에 나열되며 Unity Gateway에서 볼 수 있습니다. Genie One 채팅 이벤트는 감사 로그에, SQL 실행은 Query History에, 사용량은 청구 시스템 테이블에 표시됩니다. 다음은 프로덕션 환경에서 유용한 모범 사례입니다.

• 한 곳에서 Genie One을 튜닝하세요. MCP 서버는 Databricks에 구성된 워크스페이스 지침, 인증 및 Genie Agents 큐레이션을 준수합니다. 클라이언트의 시스템 프롬프트에서 Genie One을 제어하려고 하지 마세요.
• 사용 사례가 하나의 큐레이션된 도메인에 매핑되는 경우 /api/2.0/mcp/genie/{genie_space_id}에 있는 Genie Agent MCP 서버를 사용하는 것이 좋습니다. 이는 자체 지침과 신뢰할 수 있는 SQL을 갖춘 단일 읽기 전용 에이전트를 노출하므로 벤치마킹과 범위 지정이 더 쉽습니다.
• ID 정책에 부합하는 최소 범위 및 토큰 수명을 가진 OAuth 애플리케이션을 클라이언트 플랫폼당 하나씩 등록하세요.
• 롤아웃 규모를 산정할 때 90초 SQL 실행 타임아웃과 워크스페이스 Genie QPM 제한을 고려하세요. Genie Agents로 라우팅되는 질문은 후자에 반영됩니다.
• 가장(impersonation)을 통해 거버넌스를 검증하세요. 외부 클라이언트를 통해 서로 다른 그룹의 구성원으로 동일한 질문을 하고 답변이 예상대로 다르게 나오는지 확인합니다.

Genie One MCP 시작하기

에이전트, 클라이언트 인터페이스, 통합 프로토콜은 계속 변화할 것입니다. 범용 AI 어시스턴트는 여전히 공유되고 거버넌스가 적용된 비즈니스 컨텍스트의 이점을 누릴 수 있습니다. 

Genie Ontology를 사용하여 공유 컨텍스트를 구축한 다음, Genie One MCP를 배포하여 팀이 이미 사용 중인 에이전트 및 워크플로우에 Genie One의 데이터 인식 기능을 도입하세요.

자세한 내용은 다음 리소스를 참조하세요. 

• Genie One MCP 정식 출시(GA) 
• 데이터 스택에서 Genie Ontology 운영하기
• Genie One MCP 서버 문서: 
  • 관리형 MCP 서버
  • AI 어시스턴트 및 코딩 에이전트에 MCP 연결하기

(이 글은 AI의 도움을 받아 번역되었습니다. 원문이 궁금하시다면 여기를 클릭해 주세요)