유저챗 대응 1시간을 5분으로 줄인 채널톡의 MCP 활용법

한 건당 1시간. PostgreSQL 조회하고, DynamoDB 확인하고, Sentry 에러 로그 수백 줄 분석하고, Datadog 모니터링까지 들여다보는 게 채널톡 개발자들의 일상이었어요. 20만 개 이상의 기업 고객이 실시간으로 쓰는 서비스니까, 유저챗을 통한 버그 리포트와 기술 문의가 끊이질 않았죠. 이 과정을 MCP와 Cursor로 뒤집어서 5분까지 줄였다는 게 이 이야기의 핵심이에요.

코드 리뷰도 만만찮은 병목이었어요. 4명으로 구성된 유저챗 팀에서만 주당 10~20개 이상의 PR이 리뷰를 기다리고 있었거든요. 리뷰어는 매번 브랜치를 checkout하고, 수백 줄의 변경사항을 분석하고, 생소한 도메인이면 관련 코드를 전부 탐색해야 했어요.

숙련된 개발자의 분석 절차를 AI 매뉴얼로 옮겼다

해결의 열쇠는 MCP, 정교한 프롬프트, Cursor AI 에디터 세 가지의 조합이었어요. 핵심은 숙련된 개발자가 수행하는 분석 절차, 판단 기준, 결과 정리 방식을 체계적으로 문서화해서 "AI를 위한 초정밀 업무 매뉴얼"을 만든 거예요. Cursor가 전체 코드베이스를 이해하고, MCP를 통해 외부 정보를 수집하고, 프롬프트에 따라 분석과 리뷰를 수행하는 구조죠.

처음부터 완벽한 시스템을 목표로 하지 않았어요. 일반적인 유저챗 분석 절차를 정리하고, 기본 MCP 도구를 개발해서 첫 버전을 빠르게 도입했죠. 실제 사용 과정에서 나온 피드백으로 프롬프트를 정교화하고, 워크플로우 변경 이력 조회 같은 새로운 도구를 추가하며 발전시켰어요.

거대한 단일 프롬프트 대신 마이크로서비스처럼 쪼갰다

유저챗 대응 자동화를 위한 `be-user-chat-mcp`는 세 가지 목표를 세웠어요. 통합 정보 접근, AI 기반 1차 분석, 맥락 있는 문제 해결이죠. 설계에서 가장 인상적인 부분은 소프트웨어 아키텍처 원칙을 프롬프트 설계에 적용한 거예요. 하나의 거대한 프롬프트 대신, 마이크로서비스처럼 작은 단위로 분할해서 체계적으로 관리하는 방식이에요.

결과는 극적이었어요. 유저챗 대응 시간이 1시간에서 5분으로 90% 단축됐고, PR 리뷰 시간은 60% 줄었죠. 중요한 건 AI가 개발자를 대체한 게 아니라, 반복적인 정보 수집과 1차 분석을 맡아서 개발자가 판단과 의사결정에 집중할 수 있게 만들었다는 점이에요. 도구는 도구일 뿐, 결국 어떤 절차를 어떤 품질로 문서화하느냐가 성패를 가른 사례죠.