기업의 AI 에이전트가 IT 운영에 투입되면서 어떤 모델을 쓰느냐만큼 AI가 어떤 데이터를 실시간으로 확보할 수 있는지가 중요해지고 있다. 네트워크 장애를 분석하려면 단순 로그뿐 아니라 특정 시점에 어떤 애플리케이션과 서비스에서 문제가 발생했고 사용자에게 어떤 영향을 줬는지까지 연결해서 봐야 한다. 넷스카우트가 네트워크에서 수집한 패킷 데이터를 AI가 바로 활용할 수 있는 형태로 가공하고 이를 MCP(Model Context Protocol)를 통해 AI 에이전트에 전달하는 구조를 내놨다. 사람이 여러 모니터링 도구를 오가며 데이터를 찾는 대신 AI 에이전트가 필요한 네트워크 정보를 직접 요청해 분석에 활용하도록 하는 방식이다.
넷스카우트(NETSCOUT)는 ‘옴니스 AI 인사이트(Omnis AI Insights)’에 MCP 지원을 추가해 AI 에이전트가 네트워크 관측 데이터를 직접 활용할 수 있도록 기능을 확대했다.
핵심은 네트워크에서 발생하는 원시 패킷을 AI가 이해하고 활용할 수 있는 데이터로 바꾸는 것이다. 넷스카우트의 ASI(Adaptive Service Intelligence) 기술은 패킷 데이터를 분석해 애플리케이션과 서비스, 트랜잭션, 사용자 행동 등의 맥락을 포함한 ‘AI-레디 스마트 데이터(AI-ready Smart Data)’로 변환한다.
이 데이터는 단순히 네트워크 트래픽의 양이나 장비 상태를 보여주는 데 그치지 않고 어떤 서비스에서 문제가 발생했는지, 특정 거래나 사용자 경험에 어떤 변화가 있었는지 등을 함께 분석할 수 있도록 구성된다.
넷스카우트는 네트워크 패킷을 애플리케이션·서비스·트랜잭션·사용자 행동 맥락을 포함한 ‘AI-레디 스마트 데이터’로 변환하고 MCP를 통해 AI 에이전트가 필요한 정보를 활용할 수 있도록 지원한다. (자료 제공: 넷스카우트)
장애 나면 사람이 데이터 찾기 전에…AI 에이전트가 MCP로 직접 요청
MCP 연결은 AI 에이전트와 네트워크 데이터 사이의 접근 경로 역할을 한다. AI 에이전트가 장애 분석이나 운영 업무를 수행하면서 필요한 정보를 요청하면 넷스카우트 환경에서 관련 데이터를 찾아 제공하는 구조다.
Omnis Sensor가 네트워크 패킷과 트래픽을 관찰하고 ASI가 이를 분석 가능한 스마트 데이터로 변환한다. 이후 Omnis Streamer를 통해 필요한 데이터를 전달하고 MCP 서버가 AI 에이전트와의 연결을 담당한다.
이를 통해 AI 에이전트는 사전에 모든 네트워크 데이터를 학습하거나 별도의 데이터 복제본을 구축하는 대신 업무에 필요한 시점에 관련 정보를 요청해 활용할 수 있다. AI가 네트워크 운영 과정에서 장애 원인을 추적하거나 서비스 영향을 파악할 때 필요한 맥락을 가져오는 방식이다.
넷스카우트는 기존 IT 운영 환경과의 연결도 지원한다. Splunk와 ELK, Datadog, ServiceNow, Dynatrace 등 기업에서 사용하는 관측·IT 운영 플랫폼과 연계해 네트워크에서 확보한 데이터를 기존 운영 데이터와 함께 활용할 수 있도록 했다.
이 같은 구조는 AI가 독립적으로 네트워크를 제어하는 것보다는 네트워크에서 발생한 현상을 분석하고 운영자가 문제를 판단하는 데 필요한 정보를 빠르게 확보하는 데 초점을 맞춘다. 특히 AI 에이전트가 사용하는 데이터에 네트워크·애플리케이션·서비스의 실제 맥락을 제공해 장애 분석 과정에서 필요한 정보 탐색을 줄이는 것이 목적이다.
넷스카우트는 AI 에이전트가 기업 IT 운영에 확대 적용될수록 모델 자체의 추론 능력뿐 아니라 정확한 운영 데이터를 적절한 시점에 공급하는 데이터 계층의 중요성이 커질 것으로 보고 있다. 회사는 네트워크 패킷에서 확보한 스마트 데이터와 MCP 기반 연결을 통해 AI 기반 IT 운영과 장애 분석 활용 범위를 확대한다는 구상이다.
The post 넷스카우트, AI 에이전트가 네트워크 장애 데이터 직접 읽는다…‘옴니스’에 MCP 연결 appeared first on 벤처스퀘어.