프로덕션 AI 에이전트 6주 구축기: Tiger Data의 3가지 핵심 인사이트

Tiger Data 팀은 6주 만에 회사 직원 50%가 매일 사용하는 Slack AI 에이전트 'Eon'을 구축하고, 전체 과정을 오픈소스로 공개했습니다. 데모 수준이 아닌 실제 프로덕션 안정성에 초점을 맞췄으며, LLM 호출이 아닌 실전 문제(맥락 유지, API 다운, 동시 요청 등)를 해결한 점이 핵심입니다.

1. 시간을 이해하는 메모리 (Time-Based Memory)

• Slack은 단일 메시지만 전송하므로 이전 대화 맥락이 없음. "그거 어떻게 됐어?" 같은 질문 처리 어려움.
• 해결: 모든 Slack 메시지를 타임스탬프와 함께 TimescaleDB에 실시간 저장. SQL 조회로 맥락 파악 → API 제한 없이 빠르고 안정적.

2. 범용 MCP 서버의 함정 피하기 (Custom MCP Servers)

• MCP(Model Context Protocol): 에이전트가 GitHub, Linear 등 외부 도구 접근 표준.
• 문제: 공식 서버는 불필요한 도구 많아 토큰 낭비, API 호출 복잡(여러 번 필요).
• 해결: 직접 최적화된 MCP 서버 제작 (e.g., tiger-linear-mcp-server). 단일 도구로 모든 정보 한 번에 가져옴 → 컨텍스트 엔지니어링으로 효율화.

3. 프로덕션은 실패를 전제로 설계 (Failure-Resilient Design)

• 크래시, API 다운, 트래픽 급증 대응 필수.
• 해결: tiger-agents-for-work 프레임워크 개발.
  • 이벤트 PostgreSQL에 먼저 기록 → 손실 방지.
  • 자동 재시도 (최대 3번, 10분 간격).
  • 고정 워커 풀 → 동시성 제한, 큐 처리.
  • 비동기 시그널링 → 밀리초 응답.

오픈소스 및 시작 가이드

• 전체 코드 tiger-eon으로 공개. 10분 만에 설치 스크립트로 Slack 에이전트 배포 가능.
• 모듈식: Slack 메모리, MCP 서버, 프레임워크 독립 사용 가능 (e.g., tiger-docs-mcp-server로 문서 검색).
• 핵심 메시지: AI 에이전트는 특별 인프라 아닌, 내구성 이벤트 처리 + 구조화 메모리 + 집중 도구로 PostgreSQL 기반 구축 가능.