김대리, SQL 펑션? 사용하지 마세요. MCP 쓰세요: AI 기술을 이용한 데이터 민주화

Snowflake의 세밀한 RBAC와 LLM, MCP를 결합하면 접근 장벽을 낮출 수 있지만 공개 MCP 서버에 스키마만 넘기는 방식은 정확도가 낮았다. 긴 컨텍스트는 응답을 느리고 비싸게 만들었고, 사내 용어와 게임별 지표 정의를 모르는 모델은 실행 가능한 SQL을 만들어도 비즈니스 의미를 자주 틀렸다.

MCP DataLab은 Snowflake와 사내 데이터 서비스를 하나의 MCP 인터페이스로 감싸고 기존 SSO와 권한을 그대로 적용한다. 사용자는 별도 자격 증명을 다루지 않고 승인된 범위에서 도구를 호출하며, 저비용 모델 게이트웨이와 공통 로깅을 통해 보안·비용·관측 문제를 플랫폼 계층에서 해결한다.

Query One은 사람이 이미 검증한 SQL과 설명을 중앙 저장소에 모아 벡터 검색으로 비슷한 질문에 재사용한다. 약 49개 게임에서 게임당 300개 수준의 고품질 모니터링 SQL을 초기 지식으로 넣고, 공유·평가·사람 피드백을 축적했다. 모델이 매번 처음부터 쿼리를 만들지 않아 정확성과 일관성이 높아진다.

유사 쿼리 재사용으로 비용은 약 93%, 작업 시간은 약 91% 줄었지만 저장소에 없는 새 질문은 여전히 약점이었다. 이를 위해 CAT MCP 도구가 도메인 개념과 필요한 테이블을 단계적으로 추론하고 새 SQL을 만든다. Query One이 아는 답을 빠르게 찾고 CAT이 새 답을 만든 뒤 평가 결과를 다시 저장하는 플라이휠로 지식 범위를 넓힌다.