MCP가 AI와 인프라를 연결하는 핵심 요소인 이유는 무엇입니까?

저는 인터넷, 가상화, 클라우드, AI/ML의 발전을 직접 경험해 왔습니다. 하지만 지금 일어나고 있는 일들에 대해 그 어느 때보다 큰 에너지를 느끼고 있습니다.

신중한 계획, 의도적인 변경 기간, 그리고 광범위한 수작업은 스토리지 설계자 및 IT 운영 리더로서 제 경력의 대부분을 규정해 왔습니다. 복잡한 글로벌 IT 환경에는 수년간의 운영 이력, 누적된 기술 부채, 그리고 수많은 "나중에 정리하자"라는 결정들이 담겨 있습니다.

에이전트형 AI는 엄청난 잠재력을 가지고 있지만, 항상 문제가 존재해 왔습니다. 바로 AI는 자신이 이해하지 못하는 인프라를 관리할 수 없다는 점입니다.

바로 이런 문제를 해결하기 위해 모델 컨텍스트 프로토콜(MCP)이 등장합니다.

불과 몇 달 전만 해도 이상적인 목표처럼 느껴졌던 것이 이제 NetApp IT 내부에서 실제로 활용되고 있습니다. MCP는 AI 기반 운영의 토대가 되어 AI 에이전트에게 문제를 분석하고, ONTAP 환경을 조사하고, 근본 원인을 파악하고, 이전에는 불가능했던 방식으로 문제 해결 속도를 높이는 데 필요한 인프라 컨텍스트를 제공합니다.

미래에 대한 비전으로 시작했던 것이 빠르게 오늘날 우리의 업무 방식의 일부가 되었습니다.

MCP가 해결하는 AI 문제

인공지능은 추론 능력이 탁월하지만, 기업 인프라에서는 추론 능력만으로는 충분하지 않습니다.

AI 모델은 ONTAP 클러스터, SnapMirror 관계, 스토리지 토폴로지, 운영 표준 또는 수십 년간 축적된 구성 결정 사항을 자동으로 이해하지 못합니다. 이러한 맥락 정보가 없으면 AI는 추측에 의존할 수밖에 없습니다. AI는 문서를 검색하고 의도를 추론하며 권장 사항을 제시할 수는 있지만, 실제 운영 환경에서 안정적으로 상호 작용하는 데 필요한 운영 지식이 부족합니다.

MCP는 상황을 바꿔놓습니다.

간단히 말해, MCP는 AI 에이전트에게 ONTAP과 같은 시스템을 이해하고 상호 작용할 수 있는 구조화된 방법을 제공합니다. 추측에 의존하는 대신 의미 있는 작업을 수행하는 데 필요한 명령, 기능 및 운영 지식을 제공합니다.

MCP는 AI와 인프라 사이의 번역기 역할을 한다고 생각하면 됩니다. AI 모델이 요청을 받을 때마다 ONTAP을 검색하도록 강제하는 대신, MCP는 AI가 사용 가능한 작업, 시스템 구성 방식, 그리고 시스템과 안전하게 상호 작용하는 방법을 안정적으로 이해할 수 있도록 지원합니다.

"만약에?"에서 "우리가 해낼 거야!"까지

제가 처음 AI 기반 스토리지 운영에 대해 이야기하기 시작했을 때, 대부분은 이론적인 이야기처럼 들렸습니다.

스토리지, 네트워킹, 컴퓨팅, 클라우드 및 애플리케이션을 위한 AI 에이전트들이 장애 발생 시 모두 협력하는 상황을 상상해 보세요. 각 에이전트는 자신의 영역을 이해합니다. 각 에이전트는 인프라의 해당 부분을 조사합니다. 그런 다음 에이전트들은 조사 결과를 종합하여 근본 원인을 파악하는 데 도움을 줍니다.

그것이 우리의 비전이었습니다. 이제 우리는 그것을 실현했습니다.

NetApp IT 내부에서는 ServiceNow 티켓을 수신하고, 설명을 읽고, 인프라 컨텍스트로 보강하고, MCP를 통해 ONTAP을 쿼리하고, 관련 도메인을 교차 확인하고, 몇 분 안에 RCA 스타일 분석을 생성할 수 있는 에이전트 기반 워크플로를 사용합니다.

한 예로, 한 사용자가 NAS 경로를 마운트할 수 없다고 보고했습니다. 해당 티켓에는 NFS 문제라는 언급이 없었습니다. ONTAP도 식별하지 않았습니다. 어떤 클러스터, SVM, 볼륨 또는 지역을 조사해야 하는지 지정하지도 않았습니다.

에이전트는 결국 문제를 파악했습니다. MCP를 사용하여 ServiceNow 및 CMDB 데이터를 분석하고, ONTAP을 검사하고, UNIX 측을 확인한 후, 문제가 NFS 엑스포트 규칙임을 확인했습니다. 또한 호스트의 다른 마운트가 정상적으로 작동하는지 확인한 후, 높은 신뢰도의 도메인 간 분석 결과를 도출했습니다.

에이전트형 AI의 작동 모습

P1 장애를 처리해 본 사람이라면 누구나 그 패턴을 알고 있을 겁니다. 티켓이 접수되면 담당자들이 브리지에 참여합니다. 각 팀은 자기 도메인을 점검하기 시작합니다. 스토리지 팀은 스토리지를 확인합니다. 네트워크 팀은 스위치를 확인합니다. 컴퓨팅 팀은 호스트를 확인합니다. 애플리케이션 팀은 로그를 살펴봅니다.

이제 대신 이렇게 상상해 보세요:

• ServiceNow 티켓이 AI 조사를 시작합니다.
• 조정 담당자가 문제 설명을 읽습니다.
• 스토리지 에이전트는 ONTAP MCP를 사용하여 관련 클러스터, SVM, 볼륨, 엑스포트, SnapMirror 관계 및 성능 데이터를 검사합니다
• UNIX 또는 Windows 에이전트가 호스트 측을 확인합니다.
• 네트워크 에이전트는 스토리지 패브릭과 레이어 2를 확인합니다.
• 조정자는 여러 영역에 걸친 결과를 비교합니다.
• 시스템은 조사 요약을 게시하고 티켓 또는 상황실에 다음 단계를 권장합니다.

오늘날 우리가 하는 일의 상당 부분은, 특히 운영 환경의 장애 대응 워크플로에서, 읽기 전용 방식입니다. 읽기 전용 작업은 위험도는 낮지만 파급 효과는 큽니다. AI가 엔지니어에게 어디를 살펴봐야 하는지, 무엇이 변경되었는지, 무엇이 잘못 구성되었는지, 그리고 장애의 가장 유력한 원인이 무엇인지 신속하게 알려줄 수 있다면, 그 자체만으로도 대응 시간을 획기적으로 단축할 수 있습니다.

AI는 우리가 "인간적이지 않은" 문제들을 해결하는 데 도움을 줍니다.

또 다른 주요 기회는 기술 부채입니다.

모든 기업에는 개념적으로 복잡해서 어려운 것이 아닌 문제들이 있습니다. 이러한 문제는 규모가 너무 크거나, 너무 번거롭거나, 너무 분산되어 있어서 사람이 효율적으로 해결하기 어렵습니다.

예를 들어, AI에게 수십 개의 ONTAP 클러스터와 수백 개의 노드에 걸쳐 있는 로컬 계정을 감사하도록 요청할 수 있습니다. 이는 단순한 스프레드시트 작업이 아닙니다. 마지막 로그인 정보는 사용자 계정에 직접 저장되는 것이 아니라 보안 로그에 남아 있을 수 있습니다. 사람이 직접 내보내기를 수집하고, 데이터를 병합하고, 로그를 검토하고, 타임스탬프를 비교하고, 유용한 보고서를 수동으로 작성해야 합니다.

ONTAP MCP를 사용하면 자연어로 질문하고 몇 분 만에 전체 플릿에 대한 분석 결과를 얻을 수 있습니다. 수작업으로 데이터를 수집하고, 스프레드시트를 사용하고, 로그를 검토하는 데 몇 시간이 걸리던 작업도 이제 간단한 프롬프트만으로 완료할 수 있습니다.

오래된 스냅샷, 사용되지 않는 SnapMirror 타겟 볼륨, 일관되지 않은 구성, 누락된 보호 관계, 수명 주기 계획 및 용량 관리에도 동일한 개념이 적용됩니다.

이러한 문제들은 수년간 해결되지 않은 채로 남아 있을 수 있는데, 그 이유는 수동으로 해결하기에는 너무 많은 시간과 노력이 필요하기 때문입니다. MCP 기반 AI는 이러한 문제들을 해결하고 해결된 상태를 유지할 수 있는 방법을 제공합니다.

자동화 격차로 인해 처리되지 않은 대상 볼륨이 남겨지는 경우, 일회성 정리 작업이 해결책이 되어서는 안 됩니다. 정기적으로 해당 상황을 점검하고 보고하며, 승인된 제어 기능을 통해 문제를 해결하는 에이전트 기반 워크플로우가 필요합니다.

우리는 수동 청소에서 지속적인 위생 관리로 전환하고 있습니다.

자연어는 자동화할 수 있는 사람을 변화시킵니다

자동화는 더 이상 코드를 작성하는 사람들에게만 국한되지 않습니다.

이 여정의 초반에 저는 팀원들을 위해 "스토리지 핫니스"라고 농담 삼아 이름 붙인 데모를 만들었습니다. 핵심은 MCP를 통해 모델을 ONTAP에 연결하는 것이었습니다. 저는 AI 에이전트를 ONTAP 시뮬레이터에 연결하고 일반 영어로 요청을 입력하기 시작했습니다.

• 볼륨 생성
• 볼륨 크기 조정
• SnapMirror 관계 구축
• 무엇이 바뀌었는지 보여주세요

거의 10년 동안 ONTAP을 직접 다뤄본 적이 없었는데, 자연어를 통해 스토리지를 관리하고 있었습니다. 그 순간 팀원들은 무엇이 가능한지 깨닫게 되었습니다.

우리의 역할은 진화하고 있습니다. 엔지니어는 사라지지 않겠지만, 업무 방식은 바뀔 것입니다. 우리는 인공지능 기반 운영의 조율자, 검토자, 품질 관리자로 거듭나고 있습니다. 이러한 툴을 활용하는 방법을 배우는 사람들은 그 영향력을 크게 확대할 것입니다. 수동 작업 방식에만 갇혀 있는 사람들은 변화에 적응하기 어려울 것입니다.

NetApp IT가 이를 입증하기에 적합한 곳인 이유

NetApp IT는 고객이 사용하는 것과 동일한 기술을 사용하기 때문에 독특한 위치에 있습니다.

저희는 실제 글로벌 엔터프라이즈 환경에서 ONTAP, StorageGRID, E-Series, Amazon FSx for ONTAP, Cloud Volumes ONTAP, Data Infrastructure Insights, 및 기타 NetApp 기술을 운영하고 있습니다.

우리는 스토리지 분야에서 AI를 단순히 실험실 환경에서만 연구하는 것이 아닙니다. 실제 인프라, 실제 사고, 실제 기술 부채, 그리고 실제 운영상의 압박에 AI를 적용하고 있습니다.

우리는 이러한 기술을 엔터프라이즈 규모로 운영하고 있기 때문에 MCP가 문제 해결 속도를 높이고, 활용되지 않는 용량을 찾아내고, 구성 드리프트를 식별하고, 수년간 누적된 기술 부채를 드러내는 데 어떻게 도움이 되는지 직접 확인할 수 있습니다.

에이전트가 몇 분 만에 유용한 RCA 스타일 분석을 생성하는 것을 보면, 이것이 IT 팀이 장애에 대응하는 방식을 어떻게 바꿀 수 있는지 알 수 있습니다.

그리고 무언가가 제대로 되지 않을 때에도 우리는 그로부터 배우게 됩니다.

대화 가능한 스토리지

우리는 의도에 따라 인프라가 관리되는 미래에 생각보다 훨씬 더 가까워졌습니다.

경영진은 "우리가 보유한 용량은 얼마나 됩니까?"라고 질문할 것입니다.

엔지니어들은 "어떤 프로덕션 볼륨에 보호 기능이 누락되어 있습니까?"라고 질문할 것입니다.

운영팀은 "이번 사건 발생 전에 무엇이 바뀌었습니까?"라고 질문할 것입니다.

스토리지 팀은 "비활성 용량은 어디에 있습니까?"라고 질문할 것입니다.

AI 에이전트는 맥락을 수집하고, 주변 환경에 질의하고, 결과를 분석하고, 조치를 권장합니다. 이는 엔지니어의 판단을 대체하는 것이 아니라 오히려 강화하는 역할을 합니다.

미래는 AI가 스토리지 엔지니어를 대체하는 시대가 아닙니다. 미래는 스토리지 엔지니어가 AI 에이전트들을 지휘하여 인간이 수작업으로는 결코 따라잡을 수 없는 규모로 검사, 분석, 상관관계 분석, 그리고 궁극적으로 문제 해결까지 수행하는 시대입니다.

제 경력에서 처음으로 데이터 센터의 운영 계층이 새롭게 재편되고 있습니다. MCP는 AI 추론과 실제 인프라 운영을 연결하는 하나의 다리입니다. MCP가 없다면 AI는 단순한 보조 도구에 그칩니다. MCP를 통해 AI는 운영 효율을 배가시키는 핵심 요소가 됩니다.

이번에는 이론적인 이야기가 아닙니다. 우리는 이미 그것을 실행하고 있습니다.