아틀라시안의 Teamwork Graph 업데이트는 단순한 AI 기능 추가라기보다, 기업용 AI 에이전트가 ‘업무 맥락’을 어디서 어떻게 가져올지에 대한 인프라 개방으로 보는 편이 정확하다. 아틀라시안은 Team ’26에서 Teamwork Graph를 열어 Rovo와 더 넓은 생태계의 에이전트가 여러 도구와 팀을 가로질러 안전하게 검색, 추론, 실행할 수 있게 하겠다고 밝혔다 ^[9].

이번에 열린 통로는 크게 두 가지다. 하나는 Rovo의 Model Context Protocol, 즉 MCP 서버를 통해 제공되는 Teamwork Graph 도구이고, 다른 하나는 Teamwork Graph CLI다. 두 인터페이스 모두 보도와 아틀라시안 자료에서 베타 또는 오픈 베타 단계로 소개됐다 ^[1][3][7].

핵심은 AI가 회사 문서를 더 많이 ‘먹게’ 하는 것이 아니다. 이미 팀, 프로젝트, 문서, 결정, 업무 사이의 관계를 담고 있는 그래프에서 필요한 맥락을 더 좁고 정확하게 꺼내 쓰게 하는 것이다. 아틀라시안은 자체 벤치마크에서 Teamwork Graph 데이터로 근거를 댄 답변이 정확도는 44% 높고 토큰 사용은 48% 적었다고 밝혔다 ^[7].

새 통로 1: Rovo MCP 서버

Rovo의 MCP 서버를 통해 Teamwork Graph 도구가 제공되면, Rovo뿐 아니라 써드파티 AI 에이전트도 그래프 맥락에 더 세밀하게 접근할 수 있다 ^[1][3]. MCP는 AI 클라이언트가 외부 시스템의 도구와 컨텍스트를 호출하는 표준 접점으로 이해하면 쉽다.

아틀라시안은 에이전트가 Jira, Confluence, Jira Service Management, Loom, 그리고 통합된 써드파티 도구에서 연결된 Atlassian 컨텍스트를 가져올 수 있다고 설명한다 ^[6]. 예컨대 에이전트가 단순히 문서 검색 결과를 받는 데 그치지 않고, 특정 업무와 관련된 이슈, 문서, 담당자, 결정의 연결 관계를 따라가도록 만드는 방향이다.

새 통로 2: Teamwork Graph CLI

Teamwork Graph CLI는 개발자와 코딩 에이전트가 터미널에서 그래프를 탐색하고 질의할 수 있게 하는 통로다 ^[1][7]. SiliconANGLE은 이 CLI가 300개가 넘는 명령을 포함하며, Claude Code와 Cursor 같은 코딩 에이전트가 그래프 안의 작업과 관계를 질의할 수 있게 한다고 보도했다 ^[3].

두 경로의 쓰임새는 조금 다르다. MCP는 에이전트 플랫폼이 맥락을 요청하는 통로에 가깝고, CLI는 개발자의 터미널, 스크립트, 자동화 워크플로에 붙이기 쉬운 통로다. 함께 보면 Teamwork Graph가 아틀라시안 자체 AI 화면을 넘어 외부 에이전트와 개발 환경으로 확장되는 셈이다.

Teamwork Graph가 보태는 ‘맥락’

아틀라시안은 Teamwork Graph를 조직에서 일이 어떻게 진행되는지 보여주는 공유 컨텍스트 계층으로 설명한다. 출시 보도에 따르면 이 그래프는 Atlassian 및 써드파티 도구 전반의 사람, 프로젝트, 문서, 의사결정, 작업을 연결하며 현재 1,500억 개가 넘는 연결을 담고 있다 ^[3]. 아틀라시안 제품 페이지도 이를 업무 데이터를 통합해 맥락화된 AI 경험과 앱 간 가시성을 높이는 방식으로 소개한다 ^[6].

기업용 AI 에이전트가 자주 부딪히는 문제는 모델의 언어 이해력이 아니라 조직 맥락의 부족이다. 모델은 문장을 잘 읽어도 어느 프로젝트가 현재 우선순위인지, 누가 오너인지, 어떤 Confluence 페이지의 결정이 최신인지, 어떤 Jira 이슈가 다른 팀의 작업을 막고 있는지는 자동으로 알지 못한다. Teamwork Graph는 이런 정보를 거대한 프롬프트가 아니라 구조화된 관계 계층으로 제공하려는 접근이다.

토큰을 줄인다는 말의 의미

토큰 비용 절감 논리는 검색의 정밀도에서 나온다. TechTarget은 새 MCP와 CLI 도구가 에이전트에 Teamwork Graph 맥락에 대한 더 세분화된 접근권을 제공하고, 에이전트 사이의 잡음 많은 데이터 교환을 줄인다고 보도했다 ^[1]. 에이전트가 관련 작업, 결정, 문서, 담당자만 가져올 수 있다면 긴 문서 묶음이나 넓은 검색 결과 전체를 프롬프트에 밀어 넣을 필요가 줄어든다.

아틀라시안의 벤치마크 주장은 Teamwork Graph 데이터에 기반한 답변이 44% 더 정확하면서 48% 더 적은 토큰을 사용했다는 것이다 ^[7]. TechTarget도 이번 업데이트가 토큰 비용을 겨냥한 것으로, 최대 48%의 절감 가능성을 보도했다 ^[1]. 다만 이 수치는 공급업체 벤치마크로 보는 것이 안전하다. 실제 절감 폭은 어떤 모델을 쓰는지, 에이전트가 어느 정도의 맥락을 가져오도록 설계됐는지, 연결된 업무 데이터가 얼마나 완전한지에 따라 달라질 수 있다.

그래도 방향은 분명하다. 아틀라시안은 기업 데이터를 무작정 프롬프트에 많이 넣는 방식에서, 관계를 아는 그래프를 통해 필요한 맥락만 회수하는 방식으로 무게중심을 옮기려 한다.

기업이 봐야 할 지점

기업 입장에서 이번 업데이트의 의미는 ‘에이전트에게 더 많은 데이터’를 주는 데 있지 않다. 더 중요한 것은 ‘더 선별된 데이터’를 주는 것이다. 아틀라시안은 개방된 Teamwork Graph가 Rovo와 생태계 에이전트가 도구와 팀 전반에서 안전하게 검색, 추론, 실행하도록 하기 위한 것이라고 밝혔다 ^[9]. 제품 페이지는 브라우저, 데스크톱, 터미널 흐름에서 에이전트를 Atlassian 컨텍스트에 연결하는 점도 강조한다 ^[6].

이 접근은 소프트웨어 개발, 서비스 관리, 지식 업무, 부서 간 계획처럼 답이 여러 도구 사이의 관계에 걸려 있는 업무에서 특히 의미가 있을 수 있다. 예를 들어 어떤 기능 개발의 병목이 Jira 이슈, Confluence 결정 문서, 담당 팀, 목표 사이의 연결에 숨어 있다면, 단순 검색보다 관계 기반 맥락 검색이 더 유용할 가능성이 있다. CLI는 개발자 워크플로와 코딩 에이전트에 더 직접적으로 맞닿아 있고, MCP 서버는 에이전트 플랫폼이 표준화된 방식으로 맥락을 요청하는 경로가 된다 ^[3][7].

베타에서 확인할 질문

MCP 도구와 CLI는 아직 베타 또는 오픈 베타 단계로 소개된 만큼, 기업은 비용 절감이나 정확도 개선을 그대로 전제하기보다 자체 환경에서 검증해야 한다 ^[1][3][7]. 확인할 질문은 분명하다.

• 우리 조직의 업무 데이터가 Teamwork Graph에 충분히 연결돼 있는가?
• 권한과 보안 통제가 실제 운영 요구사항에 맞는가?
• 에이전트 프롬프트가 실제로 짧아지고 있는가?
• 토큰은 줄었지만 답변 품질이 떨어지는 부작용은 없는가?
• 개발자 CLI와 MCP 경로를 기존 자동화·에이전트 체계에 어떻게 붙일 것인가?

결론적으로, 아틀라시안은 Teamwork Graph를 Rovo MCP 서버와 Teamwork Graph CLI라는 두 통로로 외부 에이전트와 개발 환경에 열었다. 경제적 가설은 간단하다. 구조화된 업무 그래프에 기반한 에이전트는 방대한 데이터를 프롬프트에 쌓아 올리는 에이전트보다 더 적은 토큰으로 더 나은 맥락을 가져올 수 있다는 것이다.