툴 1300개, 플레이북 600개인데 MCP엔 단 3개만 노출

툴 1300개, 플레이북 600개인데 MCP엔 단 3개만 노출

원본 · 500 Skills, Zero Fine-Tuning: LinkedIn's Playbook for AI Agents — Ajay Prakash, LinkedIn
AI Engineer · Ajay Prakash · LinkedIn · 2026-09-09 업로드 · 20분

Read in English

LinkedIn은 코딩 에이전트에 1,300개 툴과 600개 플레이북을 붙였지만, 정작 MCP에는 search, get schema, execute 단 세 개만 노출한다. 툴이 30~40개를 넘으면 컨텍스트가 저하된다는 것이 그 이유로, 이는 "더 많은 툴을 붙이면 더 똑똑해진다"는 통념과 반대되는 설계다.

  • 온콜 사례 — 에러 스파이크 알림이 오면 코딩 에이전트가 디버깅 지침을 찾아 로그와 메트릭을 가져오고 근본 원인을 찾아 완화 조치를 제안한 뒤, 사람이 확인하면 조치를 적용하고 인시던트 기록을 업데이트하고 수정 PR까지 연다.
  • 몇 시간이 몇 분으로 — 수작업이었다면 몇 시간 걸렸을 일이 이 과정에서는 몇 분 만에 끝난다.
  • 초기 실패 — LLM은 오픈소스 저장소로 학습돼 LinkedIn의 1,000개가 넘는 내부 저장소, 자체 데이터베이스, 자체 설정관리 시스템을 전혀 몰라 엔지니어들이 환각을 고치는 데 코딩보다 더 많은 시간을 썼다.
  • 부트캠프 1주일 — 신입 엔지니어도 이 내부 시스템에 익숙해지려면 일주일짜리 부트캠프를 거친다.
  • 내부 MCP 첫 툴 — 2025년 초 Anthropic의 MCP를 채택해 내부 MCP 서버를 만들었고, 첫 툴은 수천 개 저장소를 키워드·필터·정규식으로 검색하는 코드 검색이었다.
  • 툴만으론 부족 — 문서, Jira, Slack, 데이터 플랫폼, 피처 플래그까지 붙였지만 복잡한 워크플로에서는 여전히 안정적으로 끝까지 해내지 못했다.
  • 세 가지 문제 — 지식이 낡은 위키와 오래된 Slack 대화에 흩어져 있고, 툴 출력이 쌓이며 컨텍스트가 압축(compact)돼 정보를 잃고, 매 세션이 아무것도 기억하지 못한 채 처음부터 시작됐다.
  • 플레이북 도입 — 2025년 초 지침과 프롬프트를 MCP로 노출하는 '플레이북' 시스템을 만들어, 다른 툴과 똑같이 이름과 설명을 갖고 호출되도록 했다.
  • 설계 원칙 2가지 — 플레이북은 하나의 구체적 작업만 다루는 자기완결형이어야 하고, 큰 플레이북은 재사용성과 점진적 컨텍스트 탐색을 위해 여러 작은 플레이북으로 쪼개 참조해야 한다.
  • 자기개선 루프 — 에이전트가 플레이북 사용 후 낡은 정보나 누락을 스스로 파악해 플레이북을 업데이트하는 PR까지 만들도록 유도한다.
  • 아키텍처 — 로컬 MCP 서버가 모든 LinkedIn 노트북에 기본 설치돼 매시간 자동 업데이트되며, 리포지토리 전반에 적용되는 중앙 플레이북과 특정 리포에만 붙는 로컬 플레이북으로 나뉜다.
  • 메타툴 3개로 축소 — MCP는 30~40개 툴을 넘으면 성능이 저하되기 때문에, 수천 개 툴과 플레이북을 search, get schema, execute 세 개의 메타 툴 뒤로 숨겼다.
  • 현재 규모 — 현재 일일 사용자 8,000명 이상이 1,300개 이상의 툴과 600개 이상의 플레이북을 쓰며, 엔지니어뿐 아니라 PM·디자이너·TPM도 사용한다.

그가 한 말

그래서 엔지니어들은 에이전트가 제대로 동작하도록 수동으로 프롬프트를 줘야 했는데, 이게 오히려 직접 코딩하는 것보다 시간이 더 걸렸습니다. 그래서 많은 엔지니어들이 다시 수동 코딩으로 돌아갔습니다.So the engineers had to prompt these agents manually um to do the right thing which used to take more time than the manual coding itself. So a lot of people a lot of engineers went back to manual coding.4분 18초
4분 18초 발표 화면
Ajay Prakash 발표 화면 · 4분 18초 · AI Engineer
우리는 30~40개 이상의 도구로는 컨텍스트나 시스템 성능이 저하되지 않고는 확장할 수 없습니다. 그래서 이 모든 플레이북과 도구를 MCP로 노출하는 대신 세 개의 메타 도구로 대체했습니다.we cannot scale it beyond 30 or 40 tools without degrading the uh context or degrading the performance of the system. So what we do is instead of uh surfacing all of these playbooks and tools through MCP we replace them with three meta tools.17분 4초
17분 4초 발표 화면
Ajay Prakash 발표 화면 · 17분 4초 · AI Engineer
현재 저희는 1,300개가 넘는 도구와 600개가 넘는 플레이북을 보유하고 있으며, 이는 엔지니어링 분야에만 국한되지 않습니다.So we have over,300 uh tools and over 600 uh playbooks and it's not not just engineering right.18분 16초
18분 16초 발표 화면
Ajay Prakash 발표 화면 · 18분 16초 · AI Engineer
일일 사용자 8000건 도구 1300건 플레이북 600건
LinkedIn MCP 시스템 규모 — Ajay Prakash가 발표에서 밝힌 LinkedIn 내부 MCP 시스템의 일일 사용자, 도구, 플레이북 수

이해관계 · 발화자는 LinkedIn 소속 엔지니어로, 본인이 설계한 LinkedIn 내부 시스템(플레이북·MCP 서버)을 소개하는 발표다.

덧붙임 — 여기에 하나 덧붙이면, 이 사례가 보여주는 건 결국 "툴을 더 붙이는 경쟁"이 아니라 "툴을 숨기는 경쟁"이라는 점이다. 검색-스키마조회-실행이라는 3단 인터페이스는 사실상 에이전트용 API 게이트웨이 설계이고, 이는 MCP 자체보다 그 앞단 라우팅 레이어가 스케일의 병목이라는 신호다.

오늘 밤 해볼 수 있는 한 가지
현재 팀에서 쓰는 MCP 서버에 연결된 툴 개수를 세어보고 30~40개를 넘는다면, 그중 절반을 search/get schema/execute 패턴으로 감싸볼 수 있는지 30분간 검토해본다.

이 글은 원본 하나를 자동자막으로 읽어 정리한 것이고, 사실은 원본이 기준이에요. 해석은 "덧붙임" 한 곳에만 있어요. 인용과 발표 화면은 보도·비평을 위한 인용으로, 출처와 시각을 밝혀 싣습니다. 원저작자나 발표자가 원하시면 바로 내립니다 — support@juniverse.app.