새물내 솔솔

뮤즈를 "챗봇"이 아니라 "비서"로 쓰는 핵심은 연결에 있습니다. 구글 캘린더, Gmail, 노션 같은 서비스를 연결해두면, 제가 시키지 않아도 알아서 일정을 챙기고 자료를 찾아줍니다. 오늘은 뮤즈에서 연결할 수 있는 것들 — MCP와 커넥터 — 의 종류와 사용법을 정리합니다.

MCP란? 커넥터란?

- MCP: AI 업계 표준 프로토콜입니다. 서비스 제공자가 공식 MCP 서버를 운영하고, 뮤즈가 클라이언트로 붙는 방식입니다.

- 커넥터: 뮤즈 내장 연동 시스템입니다. 앱의 설정 > Connectors에서 연결합니다. 쓸 수 있는 기능이 정확히 정의되어 있고, 읽기·쓰기 권한을 액션별로 설정할 수 있습니다.

- 같은 서비스가 두 방식으로 제공되는 경우도 많습니다 (예: Notion, GitHub, Slack).

MCP 목록 (23개)

문서·파일: Notion(페이지 검색·생성·수정), Evernote(노트 읽기·쓰기), Box(파일 검색·업로드·공유), Dropbox(파일 검색·업로드·정리·공유)

개발·디자인: GitHub(저장소 검색·작업), Linear(이슈·티켓·프로젝트 관리), Figma(디자인 확인), Vercel(웹사이트·프로젝트 관리), Replit(앱 생성·배포), Lovable(웹앱 생성·배포), Canva(디자인 생성·편집)

업무 협업: Slack(메시지·채널·스레드 검색), Asana(프로젝트·작업 관리), Todoist(할 일·프로젝트·리마인드 관리), Zoom(회의·통화·녹화·전사 확인), Granola(회의 노트·전사 검색)

마케팅·비즈니스: Meta Ads(광고 캠페인·소재·예산 관리), Klaviyo(이메일·SMS 마케팅 캠페인 관리), Shopify(쇼핑몰 운영), Stripe(결제·고객·상품 관리), QuickBooks(회계·인보이스·매출 관리), Zapier(여러 앱을 연결하는 자동화 — 수천 개 앱 간접 연동)

건강: HealthEx(복약·검사 결과 등 건강 기록 조회)

커넥터 목록

Google (9개): Gmail(메일 검색·읽기·작성·전송), 캘린더(일정 조회·생성·변경), 연락처, Docs, Drive, Sheets, Slides, Forms, Tasks

Microsoft (3개): Outlook 메일, Outlook 캘린더, Outlook 연락처

소셜·메시지: Facebook(게시물·댓글·반응 조회), Instagram(프로필·게시물·스토리·DM), Messenger(메시지·통화 기록 조회), Threads(게시물·피드·DM 관리)

건강·운동: Apple HealthKit(아이폰 건강 데이터), Google Health Connect(안드로이드 건강 데이터), Withings(체성분·수면·운동 측정값), Peloton(운동 클래스·일정 확인), Function Health(검사 바이오마커·진료 기록)

금융: Plaid(은행·증권·카드 계좌 연동, 잔액·거래내역 조회)

음악: Spotify(음악·팟캐스트 검색, 플레이리스트 관리)

여행·예약: Duffel(항공권 검색·예약·결제), FlightAware(항공편 출발·도착·지연 조회), OpenTable(식당 예약), Ticketmaster(공연·티켓 검색), Calendly(일정 조율·예약 관리)

스마트홈·차량: Philips Hue(조명·씬 제어), Tessie(Tesla 차량 상태 확인·제어)

네트워크: Tailscale(사설 네트워크 연결 — 집·사무실 내부 기기나 서버에 안전하게 접속)

비즈니스: Printify(주문형 인쇄 상품·주문 관리), GHL(GoHighLevel, 마케팅 CRM)

사용법: 연결은 이렇게

1. 뮤즈 앱의 설정 > Connectors로 들어갑니다.

2. 연결하고 싶은 서비스를 찾아 연결 버튼을 누릅니다.

3. 권한을 확인합니다. 읽기·쓰기가 액션별로 나뉘어 있으니, 필요한 것만 허용하면 됩니다.

저는 구글 캘린더를 연결해뒀더니 매일 아침 7시에 일정 브리핑이 옵니다. 노션도 연결해서 문서를 바로 읽고 쓰게 했습니다. 계정·지역에 따라 일부 커넥터는 목록에 안 뜰 수 있습니다.

목록에 없는 서비스는?

- Zapier 경유: Zapier에 있는 서비스면 MCP 하나로 간접 연결이 됩니다.

- API 키 직접 연동: 서비스 API 키를 등록하면 전용 스킬을 만들어 연동할 수 있습니다.

- 브라우저 대행: 연동이 없는 사이트도 브라우저로 직접 들어가 작업할 수 있습니다. 제 티스토리 글 발행도 이 방식으로 하고 있습니다.

마무리

연결할수록 뮤즈는 "질문하면 답하는 AI"에서 "맡기면 챙겨주는 AI"에 가까워집니다. 전체 목록은 노션 페이지에 정리해뒀으니 참고하세요.

뮤즈 연동 목록 (커넥터·MCP): https://app.notion.com/p/3f2873841e488123bde9d7cb3a31a8a8?pvs=204

헤르메스 에이전트를 쓰다가 뮤즈(Muse)로 갈아탄 지 이틀째입니다. 짧은 사용 후기를 남깁니다.

가입 팁 (한국은 아직 정식 서비스 전)

현재 한국은 정식 서비스가 열리지 않았지만, 미리 써볼 수 있는 방법이 있습니다. 저는 챗GPT Work 브라우저로 회원가입했습니다. VPN으로는 가입이 잘 안 되더군요. iOS와 안드로이드는 기존 미국 계정이 있어서 앱을 바로 내려받았습니다. 지금 PC, iOS, 안드로이드에서 10월 3일부터 사용 중입니다.

참고로 가입 후 1억 토큰이 필요하시면 초대코드 'WFOQVL'을 넣으시면 가입자와 친구 모두에게 지급됩니다. 토큰은 주당 리셋되고, 사용량이 생각보다 넉넉합니다. 동영상 생성을 빼고 이틀 동안 11% 사용했습니다.

결론부터: "챗봇"이 아니라 "비서"

이틀 써본 결론부터 말하면, "챗봇"이 아니라 "비서"라는 느낌이 확실히 강합니다.

헤르메스 에이전트는 노트북에 세팅해서 썼는데, 가끔 먹통이 되는 경우가 있었습니다. 반면 뮤즈는 개별 클라우드 공간을 제공해서 반응이 빠르고, 기기 간 동기화도 잘 됩니다.

인상 깊었던 몇 가지 특징

1. 주제별 방(사이드챗)이 생활이 됨

헤르메스 때도 주제별 대화방을 썼는데, 뮤즈는 이게 기본기입니다. 건강, 재테크, 일정 관리, 책쓰기, 신문스크랩... 주제마다 방을 따로 파니 맥락이 안 섞입니다. 방마다 에이전트가 그 주제의 흐름을 이어가줍니다.

2. 아침마다 알아서 보고하는 예약 작업

매일 아침 7시, 구글 캘린더 일정을 요약한 브리핑이 '일정 관리' 방에 도착합니다. 시장 브리핑은 재테크 방으로 오고요. 제가 시킨 게 아니라, "매일 해줘"라고 등록해둔 게 알아서 돌아가는 겁니다. 이게 제일 체감이 큽니다.

3. Goals 탭 — 목표를 맡겨두는 곳

체중 관리 목표를 등록해두니 주간 체크인 알림이 오고, 여행 계획 같은 건 마감일까지 진행 상황을 챙겨줍니다. 할 일 목록이 아니라 "맡겨둔 일"이라는 느낌입니다.

4. 기기 넘나들기

PC 웹, 아이폰, 안드로이드를 오가도 대화가 그대로 이어집니다. Mac 앱도 있더군요. 학교에선 PC, 이동 중엔 폰으로 씁니다.

5. 돈 나갈 일은 꼭 승인받고

상품 비교는 척척 해주는데, 구매·결제 단계에선 반드시 제 승인을 거칩니다.

아쉬운 점

아직 이틀이라 깊은 평가는 이릅니다. 가끔 기존 챗방이 바뀌어서 기본 챗방으로 돌아가는 오류가 있었습니다. 웹과 앱의 체감 차이도 크지 않아서, 앱만의 킬러 기능은 아직 못 느꼈습니다.

마무리

그래도 방향은 분명합니다. "질문하면 답하는 AI"에서 "맡기면 챙겨주는 AI"로. 특히 캘린더를 분석해서 내가 해야 할 일을 먼저 제시해주는 점이 인상적입니다.

에이전트한테 이름도 붙여줬습니다. "뮤비서"라고요. 😄

업무 자동화 측면보다는 개인 비서의 특징이 강합니다. 한국에 정식 서비스가 되면 AI 에이전트의 문턱이 많이 낮아져서 많은 분들이 쓰게 될 것 같습니다.

앞선 글에서는 공공기관에서 외부 생성형 AI를 사용할 때 ‘공문이냐 아니냐’보다 그 안의 정보가 공개(O), 민감(S), 기밀(C) 중 어디에 해당하는지를 먼저 봐야 한다고 정리했습니다. 그렇다면 자연스럽게 다음 질문이 생깁니다.

 가능합니다. 다만 ‘남는 PC에 로컬 LLM을 설치하는 것’과 ‘기관이 S등급 업무를 처리하도록 설계한 Private AI’를 같은 것으로 보면 안 됩니다. N2SF는 정보시스템이 처리하는 업무정보의 등급을 기준으로 시스템을 분류하고, 그 등급과 서비스 특성에 맞는 관리적·기술적·물리적 보안통제를 선정하도록 요구합니다.

1. 목표부터 다르게: ‘챗봇’이 아니라 S등급 업무지원 플랫폼

경북교육청 단위에서 내부 LLM을 구축한다면 단순한 공개자료 검색 챗봇보다 O정보와 S정보를 안전하게 처리할 수 있는 ‘교육행정 전용 생성형 AI 플랫폼’을 목표로 하는 편이 활용가치가 큽니다.

 C등급 정보까지 하나의 플랫폼에 억지로 포함시키기보다는, 우선 O/S 업무를 중심으로 설계하고 C정보는 별도의 더 강한 통제 환경으로 분리하는 접근이 현실적입니다.

2. 전체 구조: 사용자가 LLM에 바로 접근하지 않게 한다

교직원·교육전문직·행정직
        ↓
교육청 통합인증(SSO/MFA)
        ↓
GBE-Private AI 포털
        ↓
AI 보안 게이트웨이
  ├ 개인정보·민감정보 탐지
  ├ C/S/O 정책 적용
  ├ 파일·프롬프트 검사
  └ 사용자 권한 확인
        ↓
내부 LLM + 내부 RAG
        ↓
암호화 저장소 / 감사로그 / SIEM

이 구조에서 가장 중요한 부분은 모델 자체보다 ‘AI 보안 게이트웨이’입니다. 사용자가 입력한 문장과 첨부파일을 먼저 검사하고, 정보등급과 권한에 따라 허용·차단·마스킹 등의 정책을 적용한 뒤 LLM으로 전달하는 방식입니다.

3. ‘로컬 LLM’이라는 말만 믿으면 안 되는 이유

모델 추론을 교육청 내부 서버에서 한다고 해도 모든 처리가 내부에서 이루어진다는 보장은 없습니다. OCR은 외부 클라우드, 임베딩은 외부 AI API, 음성변환은 SaaS, 로그분석은 외부 서비스로 보내는 구조라면 민감정보가 다른 경로로 외부에 전송될 수 있습니다.

 따라서 S등급을 처리하는 영역은 외부통신을 기본 차단(Default Deny)하고, 업무상 필요한 통신만 화이트리스트 방식으로 허용하는 구조가 적절합니다. N2SF 보안통제 해설서 역시 민감정보 환경에서 외부 연결 접점을 제한하고 승인된 통신 흐름만 허용하는 통제를 제시합니다.

4. O Zone과 S Zone을 분리한다

이렇게 나누면 공개자료 중심의 일상적 활용은 편리하게 유지하면서, 민감업무는 별도의 강한 통제 아래 처리할 수 있습니다.

5. 내부 RAG가 교육청 AI의 진짜 경쟁력

교육청 전용 AI의 가치는 단순히 외부 LLM을 내부 모델로 바꾸는 데 있지 않습니다. 경북교육청이 실제 업무에서 사용하는 최신 지침과 매뉴얼을 AI가 근거로 검색하도록 만드는 데 있습니다.

·       경상북도교육청 조례·규칙 및 각종 지침

·       교육부 법령·지침

·       학교업무 도움자료와 업무 매뉴얼

·       회계·계약·인사 관련 기준

·       감사 사례와 FAQ

·       공개 공문 및 승인된 내부 업무자료

사용자가 질문하면 인터넷의 일반 지식을 먼저 떠올리는 것이 아니라, 권한이 있는 내부 문서를 검색한 뒤 근거 문서와 함께 답하도록 설계합니다. 이 방식은 답변의 최신성과 근거성을 높이고 환각을 줄이는 데도 도움이 됩니다.

6. RAG 문서에도 ‘권한’이 붙어야 한다

내부 문서를 벡터DB에 넣었다고 해서 모든 사용자가 모든 문서를 검색할 수 있어서는 안 됩니다. 문서마다 공개범위와 보안등급, 접근 가능한 조직·직무 등의 메타데이터를 붙이고 검색 단계에서부터 권한을 적용해야 합니다.

·       문서명·생산기관·생산부서

·       작성일·최종 갱신일·유효기간

·       공개/비공개 여부 및 C/S/O 등급

·       접근 가능한 조직·직무

·       보존·폐기 기준

예를 들어 인사 관련 내부 기준은 인사업무 담당자에게만 검색되도록 해야 합니다. 그렇지 않으면 내부 AI가 오히려 기존 업무시스템보다 더 쉬운 정보유출 통로가 될 수 있습니다.

7. 대화기록도 업무 성격에 따라 다르게

다만 감사와 사고대응을 위해 ‘누가, 언제, 어떤 시스템 기능을 사용했는가’와 같은 필요한 최소 로그는 기관 정책에 따라 별도로 관리할 수 있습니다.

8. 학교 현장에서는 무엇이 달라질까?

제대로 구축된 내부 AI는 단순한 질의응답을 넘어 학교의 실제 행정 흐름과 연결될 수 있습니다.

·       공문 PDF/HWP/HWPX에서 핵심내용·제출기한·담당부서·학교 조치사항 자동 추출

·       공문을 근거로 학교 시행계획·기안문 초안 작성

·       교육청 최신 지침을 근거로 회계·계약·인사 업무 질의응답

·       학교 관리자용 일일 주요업무 브리핑 생성

·       공문에서 일정·마감일을 추출해 내부 캘린더와 연계

·       업무별 Agent가 승인된 내부 시스템과 연결되어 반복업무를 지원

9. 특정 LLM에 종속되지 않는 구조가 필요하다

AI 모델은 빠르게 바뀝니다. 따라서 Llama, Gemma, Qwen 등 특정 모델 하나를 플랫폼 전체와 강하게 묶기보다 모델 라우터를 두어 검증된 모델을 교체할 수 있게 만드는 것이 좋습니다. 인증, 보안 게이트웨이, RAG, 로그, 문서권한 체계는 유지하고 모델만 교체할 수 있어야 장기 운영이 쉬워집니다.

10. 구축보다 먼저 해야 할 일: N2SF 절차

가장 중요한 점은 서버를 구매하고 모델을 설치하는 것부터 시작하면 안 된다는 것입니다. N2SF는 준비, C/S/O 등급분류, 위협식별, 보안통제 선정·구현, 적절성 평가·조정의 흐름으로 정보서비스의 보안대책을 설계하도록 합니다.

마무리: 사용자를 교육하는 것에서 ‘실수해도 안전한 시스템’으로

현재 생성형 AI 보안은 교직원에게 ‘민감정보를 넣지 마세요’라고 안내하는 방식에 크게 의존합니다. 물론 사용자 교육은 반드시 필요합니다. 하지만 수많은 공문과 자료를 다루는 현장에서 매번 개인이 정확한 등급을 판단하기는 어렵습니다.

 교육청 차원의 Private AI가 의미를 갖는 이유도 여기에 있습니다. 인증과 권한, 정보등급, DLP, 내부 RAG, 외부통신 통제, 감사로그를 하나의 플랫폼으로 묶으면 교직원은 보안규정을 지키면서도 생성형 AI의 업무 효율을 실제 행정에 활용할 수 있습니다.

향후에는 이 기반 위에 공문 분석, 일정관리, 보고자료 작성, 규정 검색을 넘어 승인된 내부 시스템과 연계되는 교육행정 AI Agent까지 확장할 수 있습니다. 그 출발점은 더 큰 모델이 아니라 ‘정보의 등급과 흐름을 먼저 설계하는 것’입니다.

근거자료: 「국가 망 보안체계(N2SF) 보안 가이드라인 1.0」, 「보안통제 항목 해설서」. N2SF는 기관 특성과 정보서비스 환경에 따라 보안통제를 선택·조정하고, 필요한 경우 추가 통제를 정의할 수 있도록 하고 있습니다. 실제 구축 시에는 정보보안담당관 검토와 관련 규정·보안성 검토 절차를 반드시 확인해야 합니다.

본 글은 N2SF 관련 자료를 바탕으로 작성자가 내용을 검토하였으며, 자료 분석과 초안 작성 및 문장 정리에 ChatGPT(OpenAI)를 활용하였습니다.