에이전트 AI로 기업 데이터 사일로 허물기 — 구글 클라우드 MCP·Gemini 실전 데모

핵심 메시지

• 기업은 에이전트 AI를 원하지만, 보안 정책을 어기지 않고 LLM을 사내 독점 데이터베이스에 연결하는 것이 가장 어려운 과제다.
• 구글 클라우드는 오픈 표준인 MCP(Model Context Protocol)와 에이전트 개발 키트로 Gemini에 안전하게 통제된 데이터 접근 경로를 부여했다.
• 데모 'Finance AI'는 회계 담당자·경영진·DB 운영자 세 역할에 맞춰 UI와 에이전트 권한이 자동으로 바뀐다.
• 에이전트는 데이터를 지어내지 않고 실제 보안 SELECT·UPDATE 쿼리를 실행해, 수 분 걸리던 감사를 10초 대화로 줄인다.
• 아키텍처는 FastAPI 백엔드와 Cloud Run 서버리스, 구조화된 MCP 도구 호출, BigQuery·Looker 분석으로 구성된다.

쉽게 이해하기

구글 클라우드의 데이터 관리 전문가 라훌 바티아는 오늘날 모든 기업이 겪는 'AI 현실 격차'를 지적한다. 누구나 에이전트 AI의 힘을 원하지만, 재무 원장 같은 민감한 사내 데이터를 공용 AI에 그대로 넘길 수는 없기 때문이다. 보안팀은 프롬프트 인젝션과 데이터 유출을, DB 운영팀은 무분별한 쿼리로 인한 성능 저하를 걱정한다.

해법으로 제시된 것이 'Finance AI' 데모다. 오픈 표준인 MCP와 구글의 에이전트 개발 키트를 이용해 Gemini Enterprise와 Gemini 모델에 엄격히 통제된 API 경로를 열어주고, 실시간 DB 조회와 LLM의 지능을 결합하는 하이브리드 방식으로 작동한다. Concur·Expensify 같은 경비 처리 앱을 예로 든다.

회계 운영 담당자로 로그인하면 에이전트가 역할을 즉시 인증해 'FinOps 감사자' 권한으로 범위를 좁힌다. '대기 중인 거래를 감사하고 이상을 표시해달라'고 말하면, 선물카드 50장 구매나 개인 이사비를 출장비로 분류한 사례 등 이상 거래를 찾아낸다. 거래 ID를 직접 주지 않아도 '상위 두 건을 보류하라'는 자연어 지시로 실제 UPDATE가 실행된다.

경영진 페르소나로 들어가면 UI가 재무 심층 분석 허브로 바뀐다. 거래 데이터가 BigQuery로 실시간 복제되고 BigQuery ML·Looker ML이 다차원 재무 모델을 분석해, 국가별 지출 히트맵과 예산 대비 실적, 지난 24개월 데이터를 바탕으로 한 향후 2개 분기 지출 예측까지 즉석에서 생성한다.

마지막으로 DBRE/SRE 역할에서는 Oracle 인프라의 실시간 텔레메트리를 스트리밍한다. 'DB 상태를 점검하고 자원을 많이 쓰는 SQL을 나열하라'고 물으면 에이전트가 동적 성능 뷰를 조회해 느린 쿼리와 실행 계획을 보여주며 L1·L2 지원 엔지니어처럼 초기 진단을 대신한다.

주요 인사이트

• 핵심은 '취약한 프롬프트 엔지니어링'이 아니라 구조화된 MCP 도구 호출로, AI가 사전에 정의된 안전한 방식으로만 시스템과 상호작용하도록 강제하는 데 있다.
• 역할 기반 인증으로 에이전트의 권한 범위를 자동 조정하는 설계는, 같은 AI라도 사용자에 따라 접근할 수 있는 데이터와 실행할 수 있는 작업이 달라지게 한다.
• AI가 답을 '지어내는' 대신 실제 보안 쿼리를 실행한다는 점이, 환각 우려가 큰 기업 환경에서 신뢰를 확보하는 열쇠로 제시된다.
• Oracle 등 어떤 데이터베이스든 BigQuery로 복제해 분석·시각화 계층을 얹는 구성은, 운영 DB 부담을 늘리지 않으면서 실시간 인사이트를 얻는 실용적 패턴이다.

자주 묻는 질문

관련 AI 소식