[AI활용] n8n과 Claude/MCP로 운영 업무 자동화 — 알람→AI분류→Slack→티켓

운영 업무에는 "이 일이 생기면 → 저걸 하고 → 그다음 이걸 한다"는 반복 절차가 많습니다. 알람이 오면 분류하고, 메신저에 알리고, 티켓을 만드는 일이 매번 똑같이 반복됩니다. n8n은 이런 절차를 사람 대신 실행해 주는 워크플로우 자동화 도구입니다.

n8n에서 워크플로우는 노드(node)들이 선으로 연결된 방향 그래프입니다. 각 노드는 데이터(item 배열)를 받아 작업하고, 결과를 다음 노드로 내보냅니다. 절차를 코드로 길게 쓰는 대신, 블록을 선으로 잇듯 조립합니다.

가장 먼저 알아야 할 두 종류는 트리거 노드(워크플로우의 시작점)와 액션 노드(중간 처리)입니다.

핵심은 AI 노드입니다. n8n은 LangChain 노드로 OpenAI·Anthropic·셀프호스트 모델을 워크플로우 안에 끼워 넣을 수 있습니다. 그래서 "알람 본문을 LLM이 읽고 심각도를 매긴다" 같은 판단을 자동화 중간에 넣을 수 있습니다.

자동화 도구는 n8n만 있는 게 아닙니다. Zapier(완전 관리형 SaaS)와 Make도 있습니다. 무엇을 고를지는 "기술 난이도"가 아니라 **"데이터가 어디로 흐르는가"**로 먼저 갈립니다.

한국 SI/SM 현장의 결론은 분명합니다. 고객사 폐쇄망·기밀 데이터(고객 정보·소스·계약)가 걸리면 n8n 셀프호스트가 정석입니다. 워크플로우 엔진과 데이터가 사내 인프라 안에 머물러 외부로 나가지 않기 때문입니다. Zapier/Make는 사내 비민감 업무나 빠른 PoC에 좋습니다.

다만 셀프호스트에는 숨은 비용이 있습니다 — 서버 운영·업데이트·모니터링은 결국 사람 시간입니다. "무료"는 라이선스 비용일 뿐, 운영 비용은 따로라는 점을 같이 판단해야 합니다.

가장 많이 쓰이는 검증된 패턴은 모니터링 알람을 받아 AI가 분류·요약하고, 메신저와 티켓으로 흘려보내는 파이프라인입니다. 사람은 "이미 분류·요약된 것"만 보게 되어, 야간 무인 모니터링에서도 진짜 한 건을 놓치지 않습니다.

각 노드의 역할은 이렇게 나뉩니다.

역할을 한 줄로 요약하면 — n8n=오케스트레이터(접착제), LLM=판단·요약 엔진, Slack=휴먼 인터페이스, Jira=기록 시스템입니다.

저비용 모델 라우팅도 여기서 실증됩니다. 알람 분류·요약처럼 대량·단순한 의도 처리는 Claude Haiku 같은 빠르고 저렴한 모델로 충분합니다. "RFP 100쪽 분석"에는 상위 모델을, "알람 한 건 요약"에는 하위 모델을 — 작업별로 모델을 배분하는 사고가 비용을 좌우합니다.

AI 노드에 들어가는 프롬프트는 "단정 금지·구조화 출력"을 박아 두는 것이 핵심입니다. 자동으로 티켓이 만들어지므로, 출력 형식이 흔들리면 뒤 노드가 깨집니다.

AI 노드 프롬프트 예시:

너는 SM 운영 알람 분류기다. 아래 모니터링 알람 본문을 읽고 JSON으로만 답하라.

[출력 형식]
{ "severity": "Sev-1|Sev-2|Sev-3", "summary": "한 줄 요약(40자 이내)",
  "service": "추정 영향 서비스", "confidence": "높음|중간|낮음" }

[규칙]
- severity는 영향 범위·지속성 기준. 불확실하면 한 단계 보수적으로(더 심각하게) 잡고 confidence를 낮춤.
- 알람 본문에 없는 내용은 추측하지 마라. service를 모르면 "불명".
- JSON 외 다른 텍스트는 출력하지 마라.

[알람 본문]
"""{{$json.alert_body}}"""

n8n이 이 JSON을 받아 다음처럼 흐릅니다.

Webhook 트리거 → Set(알람 본문 정규화) → AI 노드(위 프롬프트)
  → Switch(severity 기준 분기)
      ├─ Sev-1/2 → Slack(온콜 멘션 + summary) + Jira(티켓 "초안" 생성)
      └─ Sev-3   → Sheets 로깅만(티켓 미생성)

confidence가 "낮음"이면 티켓을 바로 만들지 않고 Slack에 "사람 확인 필요"로만 보내는 분기를 두는 것이 안전합니다 — AI 분류는 제안이고, 시스템 반영은 사람이 본 뒤로 미룰 수 있습니다.

n8n이 미리 짜 두는 워크플로우형 자동화라면, Claude의 **MCP(Model Context Protocol)**는 대화로 즉석 처리하는 자동화입니다. MCP는 Anthropic이 공개한 오픈 표준으로, "AI를 위한 USB-C"라고도 불립니다 — LLM이 Jira·Drive·DB 같은 외부 도구·데이터에 안전하게 접근하게 하는 규약입니다.

MCP는 세 역할로 구성됩니다.

흐름은 이렇습니다. 운영자가 자연어로 명령하면 → Host(Claude)가 어떤 도구를 쓸지 추론하고 → MCP 서버의 도구를 호출하고 → 서버가 결과를 돌려주면 → Claude가 종합해 답합니다. 워크플로우를 미리 그리지 않아도, "지난주 P1 티켓 다 모아서 RCA 표 만들어"를 그 자리에서 수행할 수 있습니다.

n8n vs MCP: 반복·정형 업무는 n8n으로 미리 짜고, 비정형·탐색 업무는 MCP 대화로 즉석 처리합니다. 둘은 경쟁이 아니라 용도가 다릅니다 — 그리고 둘 다 "쓰기·발행은 사람 승인"이라는 안전선은 공통입니다.

자동 요약·알림까지는 틀려도 사람이 거르면 됩니다. 그러나 자동 티켓 생성·상태 변경부터는 다릅니다 — AI의 오판이 운영 시스템에 직접 반영됩니다. 잘못 분류된 Sev-1이 새벽 온콜을 깨우거나, 멀쩡한 티켓이 자동으로 "해결됨" 처리될 수 있습니다. 그래서 자동화에는 처음부터 안전장치를 코드처럼 박아 둡니다.

핵심 한 줄은 장애 대응 모듈과 같습니다 — AI는 초안 작성자이지 결정권자가 아닙니다. 자동화로 사람의 일이 사라지는 게 아니라, 검증·승인으로 이동합니다. "사람을 빼는 자동화"가 아니라 "사람이 더 중요한 판단에 집중하게 하는 자동화"가 목표입니다.