My AI Caught a £3,200 Scope Creep at 3am While I Was Asleep—Here's the Notion MCP System I Built

개발자가 Notion MCP를 통해 Claude AI를 6시간 주기의 자율 에이전트로 구성해 계약 위반(scope creep, 연체, revision 남용)을 감지하고 회신 초안을 Notion에 자동 작성

Tombri Bowei2026년 3월 24일12분intermediate

AI 요약

Context

프리랜서는 클라이언트의 범위 이탈 요청, 연체 인보이스, 과도한 리비전 요청을 추적하기 위해 이메일과 달력을 수동으로 모니터링해야 하며, 이를 놓치면 수익이 조용히 감소한다. 기존 자동화 도구는 감지 결과를 메모리에만 저장하고 감사 기록이 없어 블랙박스처럼 작동한다.

Notion 데이터베이스를 AI 에이전트의 영구 메모리로 설계: 계약 정보(클라이언트명, 금액, 결제 조건, 마감일, 계약 타입), 건강도 점수(0-100), 상태 플래그(On track/Scope creep/Breach flagged/Payment late)를 구조화된 속성으로 정의
6시간 주기 자동 실행 루프 구성: Notion MCP 서버를 통해 활성 계약 데이터 읽기 → Gmail/Google Calendar에서 각 클라이언트의 최근 이메일/일정 수집 → Claude에 모든 데이터 전송하여 위반 감지 및 건강도 점수 계산 → 결과를 Notion에 다시 기록
양방향 읽기/쓰기 루프 구현: AI는 Notion에서 계약 정보를 읽고 추론한 후 건강도 점수, 위반 알림, 상호작용 로그 항목(위반 감지 사실, 타임스탐프), 전문가 수준의 회신 초안(이메일 본문 포함)을 Notion에 역으로 기록
각 계약별 연결된 상호작용 로그 데이터베이스 유지: Notion 내 structured 관계를 통해 모든 AI 감지 결과를 클라이언트별 감사 기록으로 축적하고 추적 가능하게 구성
계약 유형별 차등 로직 적용: Fixed price/Retainer/Time & materials 계약에 따라 결제 위반 감지 로직을 동적으로 변경

아티클에 정량적 수치가 명시되지 않음.

AI 에이전트의 가치는 감지 능력보다 결과를 구조화된 워크스페이스에 영구 기록하는 것에서 비롯되며, Notion MCP 같은 도구를 통해 외부 AI를 읽기/쓰기 루프로 통합하면 각 사이클이 이전 결과를 기반으로 하는 진정한 학습 시스템이 된다.

실천 포인트

AI 에이전트를 구축하는 팀은 감지·추론 로직을 구현한 후 반드시 Notion, Airtable 같은 구조화된 데이터베이스에 결과를 읽기/쓰기 방식으로 통합해야 하며, 이를 통해 감사 기록 부재, 메모리 소실, 결과의 액션화 불가능 문제를 동시에 해결할 수 있다.

태그