MCP 기반 API 연동으로 비정형 데이터의 구조화 자동화 및 100% 성공률 달성

Context

비정형 텍스트 처리 시 발생하는 문맥 상실과 도메인 특화 용어 오번역이라는 기술적 한계 직면. 기존 MT 시스템의 단순 처리 방식으로는 번역 후 수작업 수정 비중이 높은 구조적 병목 존재.

Technical Solution

• Claude와 Zuplo MCP 서버를 연동하여 LLM이 API 호출 시점을 스스로 결정하는 Autonomous Agent 구조 설계
• StructFlow, RefineLoop, RenderOCR 등 도메인 특화 API를 MCP Tool로 노출하여 복합 태스크 수행 기반 마련
• LLM이 Task를 분해하여 createStructFlowJob 호출, getStructFlowJob 통한 상태 Polling, 결과 포맷팅까지의 워크플로우 자동화
• 정확한 Tool Schema 정의를 통해 LLM이 API 파라미터를 오차 없이 전달하도록 강제하는 제약 조건 설정
• 정형화된 JSON 출력을 위한 System Prompt와 Example Output 정의로 데이터 일관성 확보

Impact

• 회의록 액션 아이템 추출: 5개 문서 처리 11초 소요 및 성공률 100% 달성
• VOC 분석: 100개 리뷰 분석(Job 2개 분할) 총 128초 소요 및 성공률 100% 달성
• 데이터 확장성: 입력 대비 출력 텍스트 양 4.3배 증가(약 33,791자)하며 분석 밀도 향상

Key Takeaway

LLM의 단순 추론을 넘어 외부 Tool과 연결된 MCP 아키텍처를 통해 복잡한 API 시퀀스를 자율적으로 실행하는 Agentic Workflow 구현 가능. 특히 정밀한 Tool Schema 정의가 LLM의 의도 파악 및 실행 정확도를 결정하는 핵심 설계 요소임.