피드로 돌아가기
Dev.toAI/ML
원문 읽기
Teamwork Graph MCP 도입으로 토큰 사용량 48% 절감 및 정확도 44% 향상
Atlassian opened its 150-billion-object data graph to any MCP agent
AI 요약
Context
방대한 엔터프라이즈 데이터를 AI 에이전트에 제공하기 위해 기존 RAG 방식의 단순 텍스트 검색을 활용함. 하지만 검색된 문서로 Context Window를 채우는 방식은 노이즈 발생 및 추론 효율 저하라는 한계점을 가짐.
Technical Solution
- 1,500억 개 이상의 객체와 관계를 정의한 Teamwork Graph 기반의 Context Substrate 구축
- MCP(Model Context Protocol) 서버를 통한 외부 AI 에이전트의 그래프 데이터 접근 표준화
- 자체 쿼리 언어인 Cipher를 도입하여 다단계 관계 추적(Multi-hop Traversal) 구현
- 단순 텍스트 검색이 아닌 관계형 탐색을 통해 Jira 티켓, Confluence 결정 사항, 담당 엔지니어 간의 논리적 연결고리 직접 추적
- Rovo AI 플랫폼의 내부 컨텍스트 레이어를 외부 MCP compliant 에이전트에 개방하여 에코시스템 확장
- 데이터 커넥터 개발 비용을 제거하기 위한 표준화된 그래프 쿼리 인터페이스 제공
실천 포인트
1. 복잡한 엔터프라이즈 도메인 모델링 시 RAG 도입 전 Graph DB 기반의 관계 정의 검토
2. AI 에이전트 인터페이스 설계 시 MCP와 같은 표준 프로토콜 채택을 통한 확장성 확보
3. Context Window의 물리적 한계를 극복하기 위해 데이터 필터링이 아닌 관계 기반의 정밀 탐색 로직 구현