Databricks의 MCP 기반 금융 AI 워크플로

Model Context Protocol(MCP) 및 Agent Bricks의 기본 원칙을 이해하려면 공식 출시 게시물인 Databricks로 AI 개발 가속화: MCP 및 Agent Bricks를 통한 검색, 거버넌스 및 구축을 참조하세요.

컨텍스트로 열리는 새로운 금융 인텔리전스

솔직히 말해 금융 서비스에서 AI가 실패하는 이유는 모델이 약해서가 아닙니다. 복잡성과 형식적인 절차에 얽혀 시작 단계에서 실패합니다. 2024년 Gartner의 기업용 AI 필수 요건 설문조사(AI Mandates for the Enterprise Survey)는 이 문제를 정확히 지적합니다. 무려 20%의 기관이 AI 통합을 3대 장애물 중 하나로 꼽았으며, 22%는 이것이 생성형 AI 노력을 마비시키고 있다고 경고합니다. 리스크 완화에 자부심을 느끼는 은행 및 자산 운용사에게 이는 존재해서는 안 될 리스크입니다. 하지만 이는 어디에나 존재합니다.​

이제 통합세를 없애야 할 때입니다. 엔지니어링 리더들이 MCP를 중심으로 뭉치는 데는 이유가 있습니다. MCP는 팀이 사일로를 허물고, AI가 기존 인프라와 통합되는 방식을 표준화하며, 경쟁사보다 먼저 미래를 대비하는 운영을 할 수 있도록 지원합니다.​

MCP는 단순한 기술 프레임워크가 아닙니다. Databricks를 기반으로 구축되면 금융 산업이 AI의 잠재력을 규제를 준수하고 감사에 대비된 대규모 성능으로 전환하는 데 도움이 될 수 있습니다. MCP를 통해 독점 데이터, 모델, 규정 준수 요건이 마침내 동일한 언어로 소통하게 됩니다. 미래 지향적인 기관들은 실제로 프로덕션에서 확장 가능한 에이전트 기반의 규제 워크플로에 MCP를 내장함으로써 파일럿 단계를 넘어설 것입니다.

더 스마트한 에이전트, 안전한 워크플로

Databricks에서 MCP는 벡터 스토어, 문서 검색, Data Science 에이전트가 외부 APIs 및 라이브 엔터프라이즈 데이터와 안전하게 상호 작용할 수 있도록 지원함으로써 이미 가능한 기능을 확장합니다. 팀은 통합된 거버넌스 및 규정 준수 프레임워크 내에서 자체 데이터와 외부 데이터를 결합하여 조사를 자동화하고, 일상적인 운영 작업을 없애고, 시장을 움직이는 이벤트에 대응하며, 실시간 인사이트를 제공하는 도메인 인식 에이전트를 구축할 수 있습니다.

Databricks는 Agent Bricks의 Multi-Agent Supervisor(데모 보기)와 같은 에이전트 오케스트레이션 기능을 통해 각 분야 전문가들이 지속적으로 학습하고 실시간 신호에 따라 조치를 취하며, 시기적절하고 실행 가능한 인텔리전스를 대규모로 생성하는 워크플로를 만들 수 있도록 지원합니다.

Agent Bricks: Multi-Agent Supervisor의 도입으로 Databricks는 감성 분석, 문서 추출, 신용 조사 또는 피치북 생성 등을 처리하는 여러 전문 에이전트가 단일 감독 레이어 아래에서 협업할 수 있도록 지원합니다. 이 슈퍼바이저는 Genie Spaces, MCP 서버, Unity Catalog 함수 전반에 걸쳐 작업 위임을 오케스트레이션하고 각 도메인의 출력을 종합하여 더욱 포괄적이고 상황에 맞는 금융 인사이트를 제공합니다. 팀은 단일 거버넌스 Databricks 환경에서 비정형 문서, 시장 데이터, 분석에 걸친 복잡한 교차 기능 워크플로를 실행할 수 있게 됩니다.

지능형 워크플로 및 엔터프라이즈 에이전트를 위한 MCP 허브로서의 Databricks

Databricks는 MCP 기반 AI 워크플로들의 허브 역할을 하며, 거버넌스가 적용되는 환경 내에서 모델, 데이터, 도구를 통합합니다. 바로 사용할 수 있는 MCP 통합을 통해 Databricks는 관리형 서버, 외부 연결, 맞춤형 배포를 지원합니다. 이 모든 것은 Unity Catalog를 통해 관리되며, 모든 에이전트 상호 작용에 걸쳐 권한, 리니지, 감사 기능을 적용합니다.

Databricks는 개방적이고 확장 가능한 에코시스템을 통해 기업과 파트너가 내부 데이터, 서드파티 APIs, 실시간 분석을 원활하게 결합하는 안전하고 확장 가능한 AI 워크플로를 구축할 수 있도록 지원합니다. Databricks MCP 마켓플레이스는 이를 실현합니다. LSEG, FactSet, Nasdaq, Moody’s, Dun & Bradstreet, Cotality, S&P Global Commodity Insights and Market Intelligence, Arcesium 과 같은 선도적인 데이터 및 분석 파트너가 참여하여 자본 시장, 은행, 보험 전반에 걸쳐 AI 도입을 가속화하는 MCP 서비스를 제공합니다.

MCP로 구동되는 산업 시나리오

자본 시장

실시간 가격 책정, 커브 및 포트폴리오 분석

MCP 에이전트를 Databricks에 통합하면 트레이딩 팀이 실시간 시장 데이터, 가격 분석, 곡선 계산을 실시간 워크플로로 직접 가져올 수 있습니다. 피드, APIs, 스프레드시트를 일일이 연결하는 대신, 에이전트는 자연어를 통해 금융 상품 가격, 수익률, 신용 곡선을 즉시 검색하고 채권이나 스왑 가격을 재산정하며 LSEG 속보를 통합할 수 있습니다. 이를 통해 장중 가격 재산정, 스트레스 시나리오, 헤징 분석, 포트폴리오 위험 점검을 몇 초 만에 수행할 수 있으며, 그 결과는 즉시 심층 분석이나 시각화에 활용할 수 있습니다. (LSEG MCP에 대해 자세히 알아보기)

이벤트 중심 연구 & 밸류에이션 인텔리전스

또 다른 워크플로는 애널리스트가 실시간 펀더멘털, 수익 추정치, 경영진 컨퍼런스 콜 스크립트를 결합하여 새로운 이벤트나 공시가 산업 또는 동종 업계 그룹 전반의 가치 평가에 미칠 수 있는 영향을 파악할 수 있도록 지원합니다. 에이전트는 이 컨텍스트를 포트폴리오 보유 자산과 연관시켜 노출 동향, 감성 변화, 위험 수정을 식별함으로써 연구 및 전략 팀에 더 빠르고 설명 가능한 인사이트를 제공할 수 있습니다. (FactSet MCP에 대해 자세히 알아보기)

멀티 자산 펀드 분석

팀은 Databricks의 AI/BI Genie (비즈니스 인텔리전스 솔루션) 또는 Unity Catalog (간소화된 거버넌스 솔루션)를 통해 시장 데이터용 MCP 서버를 사용하여 시계열 및 테이블 형식 입력, 수익 추세, 보유 자산, 섹터 흐름, 대체 신호를 가져오고, 이례적인 자금 이동이나 수정 편차 같은 조기 변화를 포착할 수 있습니다. 에이전트가 빌드되면 Agent Bricks는 이러한 신호를 포트폴리오 익스포저에 매핑하고, 거시적 충격이나 섹터 이동에 대한 시나리오를 실행하며, NAV, 가중치, 거래상대방 위험에 미치는 영향을 추정합니다. 그 후 조정 제안이 포함된 실시간 대시보드와 자연어 요약을 생성하여, 단일 관리 워크플로 내에서 더 빠른 리스크 완화와 더 명확한 교차 자산 인사이트를 제공합니다. (Nasdaq Data Link MCP)

투자 운영 & 펀드 수준 인사이트

바이사이드는 자연어를 사용하여 Databricks에서 직접 투자 운영 레이어에 query할 수 있습니다. 에이전트는 펀드, 포지션, 거래 데이터세트 전반에 걸쳐 시맨틱 검색을 수행하고, 스키마를 검색하며, 실시간 query를 실행하여 NAV 변동, 현금 흐름, 벤치마크 편차를 분석합니다. 결과는 실시간으로 계산되므로 수동 데이터 준비나 엔지니어링 없이 장중 조정, 유동성 확인, 운영 분석이 가능합니다.

금융

신용 인텔리전스 및 포트폴리오 검토 가속화

신용 위험 에이전트를 통해 Genie space는 현재 등급 전망, 신용 의견 및 관련 리서치에 대한 안전한 액세스를 Databricks 내에서 직접 제공할 수 있습니다. 애널리스트와 관계 관리자는 관리되는 데이터에 근거하여 신용 동향, 업종 변화 또는 차입자별 해설을 자연어로 쿼리하면서 결과를 확인할 수 있습니다. 이를 통해 팀은 대출 익스포저 데이터를 최신 신용 정보와 통합하여 포트폴리오 검토, 인수 및 규제 보고를 지원할 수 있습니다. (무디스 MCP 서버)

자동화된 담보 & 자산 위험 분석

데이터브릭스의 MCP 에이전트는 외부 부동산, 평가 및 리스크 데이터에 연결하여 모기지 개시 및 포트폴리오 관리를 간소화할 수 있습니다. 감정평가, 홍수 및 위험 정보를 검색하여 담보 위험을 평가하고, 인수 심사 중 평가 및 적격성 확인을 자동화하며, 포트폴리오 전반의 자산 노출을 지속적으로 모니터링합니다. (코탈리티 클립 MCP)

M&시장 데이터를 기반으로 한 모델링

M&A 담당자는 실시간 상품 커브, 공급 예측, 기업 펀더멘털을 결합하여 에너지 시장 변화가 대상 기업의 가치 평가와 거래 경제성에 미치는 영향을 평가할 수 있습니다. 운영 지표, 비용 구조, 마진 및 과거 실적을 가져오고, 원유 또는 가스 가격 변동에 대한 시나리오 분석을 실행하고, EBITDA, 현금 흐름 및 레버리지에 미치는 영향을 모델링합니다. 에이전트는 몇 분 안에 민감도, 밸류에이션 범위, 잠재적 리스크에 대한 딜 준비 뷰를 제공하여 은행 담당자가 보다 선명한 시장 인식 인사이트를 바탕으로 제안서를 작성하고, 대상을 평가하고, 고객에게 브리핑할 수 있도록 지원합니다. (S&P 마켓 인텔리전스 및 S& P 글로벌 상품 MCP)

​​보험

인수 심사, 클레임 처리, 사기 탐지 자동화

Databricks의 MCP 에이전트는 외부 비즈니스, 금융, 네트워크 데이터와 통합하여 인수 심사, 클레임, 규정 준수 프로세스를 간소화합니다. 온보딩 및 클레임 처리 중에 기업 통계 프로필, 소유권 계층 구조, 결제 행동을 자동으로 검색하여 상업적 리스크를 평가하고, 사기를 탐지하며, 거래 상대를 확인합니다. (D&B.AI MCP Agent-ready Data)

결론

MCP는 분리된 데이터 사일로와 정적 도구를 안전하고 지능적이며 상호 운용 가능한 에이전트 시스템으로 전환합니다. Databricks를 사용하면 관리형 에이전트를 통해 모든 데이터세트, API, 모델을 호출할 수 있어 기관이 연구를 자동화하고, 규정 준수를 간소화하며, 실시간 인사이트에 따라 조치를 취할 수 있습니다. 이를 통해 금융 운영이 더 스마트하고, 더 빠르며, 더 안전해집니다.

• Sam Altman과 Ali Ghodsi가 함께하는 “AI의 미래: 제대로 작동하는 에이전트 빌드” 를 다시 시청하세요.
• 데모 동영상보기
• Databricks의 ETL
  자세히 알아보기

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