Atlassian Teamwork Graph MCP·CLI 베타가 AI 에이전트에 의미하는 것

Atlassian의 이번 Teamwork Graph 업데이트는 단순히 새 챗봇 화면을 하나 더 붙인 소식이 아니다. 핵심은 AI 에이전트가 기업 안의 업무 맥락을 더 안전하고 세밀하게 찾아 쓸 수 있도록 하는 ‘컨텍스트 인프라’에 가깝다. Atlassian은 Team ’26에서 Teamwork Graph를 열어 Rovo와 더 넓은 에이전트 생태계의 AI가 여러 도구와 팀을 넘나들며 검색하고, 추론하고, 안전하게 행동할 수 있게 하겠다고 밝혔다 .

실무적으로 봐야 할 변화는 두 가지 베타 경로다. 하나는 Rovo의 Model Context Protocol, 즉 MCP 서버를 통해 제공되는 Teamwork Graph 도구이고, 다른 하나는 개발자와 에이전트 워크플로를 위한 Teamwork Graph CLI다 .

무엇이 새로 나왔나

Atlassian이 공개한 것은 Teamwork Graph에 접근하는 새 인터페이스다. 말하자면 AI 에이전트와 개발자 도구가 Atlassian 안팎의 업무 연결망을 더 직접적으로 조회할 수 있는 통로다.

새 접근 경로	주요 대상	역할
Rovo MCP 서버를 통한 Teamwork Graph 도구	Rovo 및 서드파티 AI 에이전트	MCP 도구를 통해 에이전트가 Teamwork Graph의 업무 맥락에 더 세밀하게 접근하도록 한다 .
Teamwork Graph CLI	개발자, 터미널 사용자, 코딩 에이전트 워크플로	명령줄에서 그래프를 탐색하고 질의할 수 있게 한다. 보도에 따르면 CLI에는 300개가 넘는 명령이 포함된다 .

둘은 비슷해 보여도 쓰임새가 다르다. MCP 경로는 에이전트가 실행 중 필요한 업무 맥락을 요청하는 쪽에 가깝다. 반면 CLI는 개발자와 워크플로 중심의 경로다. SiliconANGLE 보도에 따르면 Teamwork Graph CLI는 Anthropic의 Claude Code, Cursor 같은 코딩 에이전트가 업무와 관계 정보를 질의할 수 있도록 설계됐다 .

Teamwork Graph가 제공하는 맥락

Atlassian은 Teamwork Graph를 자사 AI 경험의 공통 맥락 계층으로 설명한다. Team ’26 발표를 다룬 보도에서는 이를 Atlassian 및 서드파티 도구 전반의 사람, 프로젝트, 문서, 의사결정, 업무를 연결하는 살아 있는 지도라고 소개했으며, 연결 수는 1,500억 개가 넘는다고 전했다 . Atlassian 제품 페이지도 에이전트가 Jira, Confluence, Jira Service Management, Loom, 통합된 서드파티 도구에서 연결된 Atlassian 맥락을 가져올 수 있다고 설명한다 .

이 지점이 중요하다. 대규모 언어모델은 텍스트를 잘 처리하지만, 실제 기업 업무는 단순한 문장 묶음이 아니라 관계로 움직인다. 어떤 문서가 어느 프로젝트에 속하는지, 어떤 Jira 이슈가 릴리스를 막고 있는지, 누가 특정 결정을 소유하는지, 어떤 서비스 티켓이 고객 문제와 이어지는지가 답변 품질을 좌우한다. Teamwork Graph는 이런 관계를 거대한 프롬프트 더미가 아니라 구조화된 맥락으로 AI 시스템에 제공하려는 시도다.

MCP 베타가 바꾸는 에이전트 접근 방식

MCP 도구의 의미는 AI 에이전트가 Teamwork Graph에서 필요한 업무 맥락을 더 좁게 가져올 수 있다는 데 있다. TechTarget은 베타 MCP 및 CLI 도구가 Rovo 내부 에이전트와 서드파티 플랫폼의 에이전트에 Teamwork Graph 데이터, 특히 데이터 자산 간 관계에 대한 더 세밀한 접근을 제공해 자동화를 이끌 수 있다고 보도했다 . SiliconANGLE도 Atlassian이 Rovo의 MCP 서버를 통해 제공되는 Teamwork Graph 도구로 외부 에이전트와 도구에 그래프를 개방한다고 전했다 .

기업 입장에서 변화의 핵심은 ‘많이 넣기’가 아니라 ‘맞게 꺼내기’다. 기존에는 검색 결과, 문서 묶음, 긴 작업 이력을 통째로 모델에 넣는 방식이 흔했다. MCP 기반 접근에서는 에이전트가 실행 시점에 더 관련성 높은 연결 맥락을 요청할 수 있다. 그래프가 실제 업무 흐름을 잘 반영할수록, 이 검색 계층의 가치는 커진다.

CLI 베타가 개발자 워크플로에 주는 의미

Teamwork Graph CLI는 터미널 중심 접근 경로다. Atlassian의 Team ’26 블로그는 Teamwork Graph가 브라우저, 모바일 앱, 터미널의 여러 에이전트에서 접근 가능해진다고 설명하며, Teamwork Graph CLI를 오픈 베타로 소개했다 . SiliconANGLE은 이 CLI가 300개가 넘는 명령을 제공하고, 코딩 에이전트가 그래프 안의 업무와 관계를 질의할 수 있게 한다고 보도했다 .

이는 이미 터미널과 코딩 어시스턴트 안에서 일하는 소프트웨어 팀에 특히 직접적인 변화다. 예를 들어 코딩 에이전트가 구현 방향을 제안하려면 관련 Jira 이슈, Confluence 문서, 담당 팀, 프로젝트 의존관계를 먼저 알아야 할 수 있다. CLI는 이런 그래프 맥락을 개발자가 이미 일하는 환경으로 끌어오는 통로에 가깝다 .

왜 토큰 비용을 줄일 수 있나

토큰 비용 절감 논리는 ‘정밀한 검색’에 있다. TechTarget은 Atlassian의 베타 MCP 및 CLI 도구가 에이전트 사이의 잡음 많은 데이터 교환을 줄이기 위해 Teamwork Graph 맥락에 더 세밀하게 접근하도록 설계됐다고 보도했다 . Atlassian도 자체 벤치마크에서 Teamwork Graph 데이터로 답변을 근거화했을 때 결과 정확도가 44% 높아지고 토큰 사용량은 48% 줄었다고 밝혔다 .

이는 마법 같은 압축 기술이라기보다, 맥락을 공급하는 방식의 전환이다. 에이전트가 관련 이슈, 페이지, 담당자, 결정, 의존관계, 업무 간 연결만 골라 가져올 수 있다면 모델에 불필요한 텍스트를 덜 보낼 수 있다. 기업 AI 워크플로에서 비용과 지연 시간이 쌓이는 지점은 대개 이렇게 불어난 프롬프트인 경우가 많다 .

다만 숫자는 조심해서 봐야 한다. 정확도 44% 향상과 토큰 48% 감소는 Atlassian의 벤치마크 주장이지, 모든 기업 환경에서 자동으로 보장되는 결과는 아니다 . 실제 효과는 Teamwork Graph에 어떤 데이터가 얼마나 잘 들어와 있는지, 데이터 품질은 어떤지, 어떤 모델을 쓰는지, 검색 설정과 MCP·CLI 연동을 어떻게 설계하는지에 따라 달라진다.

기업이 베타 단계에서 확인할 것

Atlassian을 이미 많이 쓰는 조직이라면 이번 업데이트는 AI 에이전트의 실용성을 높일 수 있는 변화다. Atlassian은 개방된 Teamwork Graph가 Rovo와 생태계의 에이전트가 여러 도구와 팀 전반에서 안전하게 검색하고, 추론하고, 행동하도록 돕는다고 설명한다 . 제품 자료 역시 Jira, Confluence, Jira Service Management, Loom 및 통합된 서드파티 도구의 연결 맥락을 에이전트가 활용할 수 있다는 점을 강조한다 .

다만 MCP와 CLI 모두 베타 또는 오픈 베타로 설명되는 만큼, 비용 절감이나 자동화 효과를 전제로 깔기보다 자체 데이터와 거버넌스 기준으로 검증하는 편이 안전하다 . 특히 다음 질문을 확인할 필요가 있다.

• 에이전트가 실제로 필요로 하는 Jira, Confluence, Jira Service Management, Loom, 서드파티 데이터가 Teamwork Graph에 충분히 연결돼 있는가 ?
• MCP 기반 에이전트가 기존 검색이나 검색증강생성 워크플로보다 더 관련성 높은 맥락을 가져오는가 ?
• 토큰 사용량 지표에서 프롬프트가 줄어들면서도 답변 품질이 유지되는가 ?
• 여러 도구에서 검색·추론·행동하는 에이전트에 대해 보안, 접근 제어, 감사 요건을 충족할 수 있는가 ?
• CLI가 실제 개발자 워크플로, 특히 코딩 에이전트가 프로젝트와 의존관계 맥락을 필요로 하는 흐름에서 유용한가 ?

결론

Atlassian은 Teamwork Graph를 AI 에이전트에 개방하기 위한 두 베타 경로를 내놓았다. Rovo MCP 서버를 통한 Teamwork Graph 도구와 Teamwork Graph CLI다 . 전략적 방향은 분명하다. AI 에이전트가 단순히 긴 프롬프트에 의존하는 대신, 팀·프로젝트·문서·의사결정·업무 관계로 구성된 그래프에서 구조화된 맥락을 가져올 때 더 쓸모 있어진다는 것이다 .

경제적 약속은 불필요한 토큰을 줄이고 답변 품질을 높이는 데 있다. 그러나 그 약속이 실제 비용 절감으로 이어지는지는 각 기업의 데이터 연결 상태, 권한 설계, 개발 워크플로 안착 여부를 통해 확인해야 한다 .