피드로 돌아가기
Dev.toDevOps
원문 읽기
MCP 기반 OpenSearch 연동으로 테스트 분석-수정 사이클의 Direct Path 구현
Querying Your Test Results with OpenSearch MCP
AI 요약
Context
Robot Framework 테스트 결과를 OpenSearch에 실시간 인덱싱하여 가시성은 확보했으나, 분석 시 Dashboard 필터링과 DQL 쿼리 작성이 반복되는 Context Switching 병목 발생. 데이터 조회부터 원인 분석, 코드 수정에 이르는 워크플로우가 분절되어 엔지니어의 집중력 저하 및 분석 시간 증대.
Technical Solution
- Model Context Protocol(MCP) 표준 채택을 통한 AI Assistant와 OpenSearch 간의 Direct Data Connection 설계
- Middleware 개발 없이 opensearch-mcp-server-py를 활용하여 LLM이 인덱스에 직접 쿼리하는 인터페이스 구축
- Robot Framework Listener API 기반의 실시간 데이터 스트리밍 구조를 유지하며 분석 계층만 Natural Language Interface로 교체
- AI Assistant가 테스트명, Suite, Failure Message, Tags 등 정형 데이터를 직접 참조하여 분석하는 Context-Aware Querying 구현
- '데이터 조회 → 에러 분석 → 수정 코드 생성' 과정을 단일 대화 컨텍스트 내에서 처리하는 통합 워크플로우 설계
실천 포인트
1. 분석 툴과 IDE 간의 잦은 전환이 발생하는 지점에 MCP 서버 도입 검토
2. LLM에 데이터를 단순 복사-붙여넣기 하는 대신, 표준 프로토콜을 통한 Live Data 접근 구조 설계
3. 정형 로그 데이터의 OpenSearch 인덱싱과 MCP 서버를 결합하여 자연어 기반의 인프라/로그 분석 환경 구축