Connecting legacy systems to AI MCP로 데이터 사일로를 잇기
데이터가 ERP, Excel, 공유 폴더, 부서별 시스템에 흩어져 있어 AI가 볼 수 없습니다. MCP로 이를 연결해, AI가 권한 범위 안에서 직접 조회하게 합니다.
01
이런 분께 맞습니다
- ERP, 재고 관리, 자체 구축 데이터베이스 같은 기존 시스템이 있고, 데이터가 여러 곳에 흩어져 있다
- 직원이 매번 전산 담당자에게 보고서를 뽑아 달라고 하지 않고, 자연어로 사내 데이터를 조회하게 하고 싶다
- AI 어시스턴트를 이미 쓰고 있지만, 사람이 손으로 붙여 넣은 내용만 읽을 수 있다
- 기존 시스템에 API가 없거나, 어떻게 돌아가는지 아는 사람이 없다
- ERP·재고 관리
- Excel 보고서
- 공유 폴더
- 자체 데이터베이스
MCP server
기본은 읽기 전용
기존 권한을 그대로 사용
조회마다 기록을 남김
AI 애플리케이션
Claude, Gemini 등
직원이 자연어로 조회
02
서비스 내용
데이터 사일로 파악
시스템과 데이터마다 위치, 소유자, 접근 방식(API, 데이터베이스, 파일)을 정리하고, 어떤 데이터를 AI에 열어도 되는지 적습니다.
연결 아키텍처 설계
어떤 데이터를 MCP server로 제공할지, 어떤 AI 애플리케이션이 쓸지, 연결 방식은 로컬 실행인지 HTTP 제공인지를 정합니다.
MCP server 개발
기존 시스템용 MCP server를 개발해 조회 도구와 데이터 리소스를 제공합니다. 기본은 읽기 전용이고, 쓰기가 필요한 동작에는 확인 단계를 따로 설계합니다.
권한과 감사
기존 계정과 권한을 그대로 쓰고, 모든 조회에 기록을 남겨 누가 AI를 통해 무엇을 조회했는지 볼 수 있게 합니다.
보안 테스트
프롬프트 인젝션 같은 LLM 고유의 위험을 대상으로 연결을 테스트해, AI가 데이터 내용에 유도되어 해서는 안 될 일을 하지 않는지 확인합니다.
03
진행 방식
1. 파악
데이터 출처와 접근 방식을 정리하고, 처음 연결할 시스템을 고릅니다.
2. 설계
제공할 조회와 데이터, 권한과 기록 방식을 정합니다.
3. 개발과 시범 사용
첫 번째 데이터 출처의 MCP server를 완성하고, 소수의 직원이 실제로 써 보며 의견을 줍니다.
4. 확장과 인계
사용 상황에 따라 다음 시스템을 연결하고, 문서와 유지 관리 방법을 넘깁니다.
04
납품물
- 데이터 출처 목록과 연결 아키텍처 문서
- MCP server 소스 코드와 배포 안내
- 권한과 감사 기록 설정
- 보안 테스트 보고서
- 운영과 유지 관리 문서
05
협업 주기
범위에 따라 3개월, 6개월, 1년 중 하나를 한 주기로 합니다. 주기가 끝날 때마다 처음에 정한 목표와 함께 맞춰 보고, 다음 주기에 무엇을 할지, 아니면 여기서 마칠지 정합니다.
주기마다: 점검 → 설계 → 도입 → 목표와 대조, 그리고 다음 단계 결정
06
비용 산정 방식
사례별로 산정합니다. 다룰 시스템과 데이터가 얼마나 되는지, 필요한 인력과 시간, 주기의 길이를 봅니다. 먼저 한 번 이야기를 나누면 실제 범위를 보고 숫자를 드립니다. 견적을 먼저 내고 범위를 거기에 맞추지 않습니다.
07
자주 묻는 질문
MCP란 무엇인가요?
기존 시스템에 API가 없는데 연결할 수 있나요?
AI가 우리 데이터를 바꿀 수도 있나요?
데이터가 회사 밖으로 전송되나요?
08