Snowflake Observe MCP, CLI란, AI 에이전트가 텔레메트리 직접 조회하는 방법

AS-IS: LLM 중개자를 거치던 구조

기존 MCP 서버는 에이전트가 단일 엔드포인트로 질문을 보내면 Observe의 LLM이 그걸 해석해서 답을 돌려주는 방식이었어요. 이 구조에서는 에이전트가 Observe의 데이터 구조를 직접 들여다볼 권한이 없었고, 데이터셋을 탐색할 권한도 없었습니다. Snowflake는 이 방식이 Observe와 고객사 모두에게 비용이 많이 든다고 설명합니다. 또 기존 CLI는 플랫폼 기능의 일부만 지원해서, 터미널에서 할 수 있는 일이 제한적이었어요.

이번 변화: 직접 접근과 CLI 완전 대응

새 MCP 서버에서는 에이전트가 Observe 프런트엔드를 구동하는 것과 동일한 API에 접근합니다. 컨텍스트 그래프를 직접 조회하고, 어떤 데이터셋을 조회해야 정확한 답이 나오는지 판단하고, OPAL 쿼리를 직접 작성해서 텔레메트리 데이터에 정밀한 질의를 날릴 수 있어요. APM 서비스맵, OpenTelemetry 데이터 수집 설정, 활성 알림 목록 조회도 UI와 동일하게 제공됩니다. 새 CLI는 MCP 서버가 노출하는 모든 기능을 명령줄에서도 그대로 쓸 수 있게 완전 대응시켰고, Claude Code 같은 에이전트 환경과 대화형 터미널 세션 양쪽에서 작동해요. 일부 워크플로는 엔지니어 개입 없이 백그라운드에서 자율적으로 돌고, 다른 워크플로는 엔지니어가 직접 조사를 이끄는 대화형 방식으로 설계됐습니다.

실무 적용 포인트: 사전 구축 스킬과 비용 구조

CLI와 MCP 서버 모두 인시던트 조사, 장애 추적, 변경 검증, n+1 이슈 탐지, 이상치 탐지 같은 자주 쓰는 작업을 위한 스킬 라이브러리를 함께 제공합니다. 이 스킬들은 설정 후 추가 준비 없이 바로 동작해서, 사람과 에이전트 모두 즉시 활용할 수 있어요. Snowflake는 알림이 발생하면 자동으로 Observe에 질의해서 프로덕션 텔레메트리를 끌어오는 알림 트리아지 에이전트나, 인시던트 조사 중 사람과 함께 작업하는 코파일럿을 만드는 데 이 도구들이 쓰이고 있다고 밝혔습니다. 실무에서 도입을 검토할 때 체크할 부분은 다음과 같아요.

• 기존에 UI로만 하던 인시던트 조사, 변경 검증 작업을 CLI/MCP로 자동화할 여지가 있는지
• 대시보드 업데이트, 차트 이미지 추출, APM 에러 직접 조회 같은 반복 작업을 에이전트에 위임할 수 있는지
• LLM 중개자 제거로 지연시간과 비용이 줄었다는 점이 실제 운영 규모에서 체감되는지

일반 availability는 모든 클러스터에 순차 적용 중이며, eu-2와 ca-1 리전은 뒤이어 지원될 예정입니다.

자주 묻는 질문

Observe MCP 서버란 무엇인가요

Snowflake의 옵저버빌리티 플랫폼 Observe가 AI 에이전트에게 제공하는 인터페이스예요. 재설계 이전에는 Observe의 자체 LLM이 질문을 해석해서 답을 돌려줬지만, 지금은 에이전트가 Observe의 API와 컨텍스트 그래프에 직접 접근합니다.

Observe CLI와 MCP 서버는 뭐가 다른가요

기능적으로는 완전히 동일해요. MCP 서버가 노출하는 모든 작업이 CLI 명령으로도 제공되기 때문에, 에이전트 환경이든 대화형 터미널이든 원하는 방식으로 같은 기능을 쓸 수 있습니다.

AI 에이전트가 텔레메트리를 직접 조회하면 뭐가 달라지나요

LLM 중개자를 거치지 않아 지연시간과 운영 비용이 줄어듭니다. 또 에이전트가 데이터셋 구조를 직접 파악하고 OPAL 쿼리를 스스로 작성할 수 있어서, 더 정확한 답을 얻을 수 있어요.

어떤 작업에 사전 구축 스킬을 쓸 수 있나요

인시던트 조사, 장애 추적, 변경 검증, n+1 이슈 탐지, 이상치 탐지 같은 작업에 쓸 수 있는 스킬 라이브러리가 함께 제공됩니다. 설정 후 추가 작업 없이 바로 실행할 수 있어요.