BI 도구를 위한 MCP 서버: Looker, Tableau, Power BI, Mode (2026)

모든 'AI 에이전트와 데이터 스택의 결합' 프로젝트는 동일한 순서로 동일한 문제에 직면합니다. 먼저 에이전트가 데이터 웨어하우스 (Warehouse)에 연결하여 가공되지 않은 SQL을 실행합니다. 그러다 누군가 에이전트가 시맨틱 레이어 (Semantic Layer)를 우회하여 잘못된 수치를 가져오고 있다는 사실을 알아차립니다. 그러면 누군가 '그냥 BI 도구에 연결하면 되잖아'라고 제안하지만, BI 인터페이스는 현대적 데이터 스택에서 가장 이질적이고 API 친화적이지 않은 부분이기 때문에 프로젝트는 6개월 동안 정체됩니다.

MCP가 이를 변화시킵니다. 모델 컨텍스트 프로토콜 (Model Context Protocol, MCP)은 모든 BI 벤더가 단일 계약을 통해 AI 에이전트에게 대시보드, 데이터 세트, 시맨틱 모델을 노출할 수 있는 방법을 제공합니다. 2026년 5월 기준으로, 네 가지 주요 BI 도구가 작동하는 MCP 커버리지를 갖추고 있습니다. 다만, '작동한다'는 의미는 각 생태계마다 서로 다릅니다.

4가지 BI 도구, 그들의 MCP 인터페이스 및 트레이드오프 (Trade-offs)

BI 도구	MCP 서버	노출되는 인터페이스	인증 (Auth)	프로덕션 준비 완료 여부?
Looker	커뮤니티 LookML MCP 서버; Google 공식 버전은 아직 미출시	탐색 (Explores), 대시보드, LookML 측정값/차원 (Measures/Dimensions)	API3 client_id / client_secret	베타 — LookML 시맨틱을 가장 많이 커버함; admin-API로 제한됨
...

BI가 데이터 웨어하우스보다 어려운 이유

Snowflake나 BigQuery MCP 서버는 상황이 쉽습니다. 데이터는 테이블에 있고, 쿼리 언어는 SQL이며, 인증 모델은 역할 (Roles) 기반이고, 감사 로그 (Audit Log)가 한 곳에 존재합니다. BI 도구는 이 네 가지 모두의 정반대입니다:

데이터가 프로젝션 (Projections)에 존재합니다. '뷰 (view)', '워크북 (workbook)', 또는 '리포트 (report)'는 기본 테이블의 파생물이며, 종종 데이터 웨어하우스 (Warehouse)가 볼 수 없는 임베디드 계산식 (Embedded calculations)을 포함합니다. 웨어하우스만 읽는 에이전트 (Agent)는 실제 정답을 놓치게 됩니다.
쿼리 언어 (Query language)가 벤더별로 독자적입니다. LookML, DAX, VizQL, Mode의 HTML/CSS 임베디드 SQL 등 각기 다른 인터페이스를 가집니다. 공통된 추상화 계층 (Abstraction)이 없습니다.
인증 모델 (Auth model)이 사용자 또는 앱 단위이며, 행 수준 보안 (Row-level security)이 내장되어 있습니다. 분석가가 Looker에서 보는 것과 경영진이 동일한 대시보드에서 보는 것이 다릅니다. 에이전트를 위해 이를 우회하는 것은 보안 모델을 깨뜨리는 행위입니다.
감사 추적 (Audit trails)이 벤더마다 다르며 종종 불완전합니다. Snowflake의 QUERY_HISTORY와 비교했을 때, BI 감사 로그는 일관성이 없습니다. 관찰 가능성 (Observability) 없이 에이전트의 액세스를 연결하는 것은 에이전트가 무엇을 했는지 추적을 놓치는 가장 쉬운 방법입니다.

각 MCP 서버가 실제로 수행하는 역할

Looker MCP 서버 (다수의 커뮤니티 프로젝트)는 익스플로어 (Explores, LookML의 시맨틱 추상화)를 탐색 가능한 리소스 (Resources)로 노출하며, 에이전트가 차원 (Dimensions)과 측정값 (Measures)을 조합하여 쿼리를 구성할 수 있도록 합니다. 가장 강력한 경로는 LookML의 관리된 메트릭 (Governed metrics)을 도구 (Tools)로 노출하는 것입니다. 즉, query_revenue(time_grain, breakdown_by)가 가공되지 않은 SQL 인터페이스가 아닌 타입이 지정된 MCP 도구가 되는 방식입니다. 이는 텍스트-투-SQL (Text-to-SQL) 환각 (Hallucinations)을 약 66% 감소시키는 시맨틱 레이어 가드레일 (Semantic-layer guardrail) 패턴과 일치합니다 (Google의 벤치마크 기준).

Tableau MCP 서버는 읽기 작업의 비중이 더 높습니다. 이들은 게시된 데이터 소스 (Data sources), 워크북 (Workbooks), 뷰 (Views)를 노출하며, 쿼리는 일반적으로 VizQL 또는 게시된 데이터 소스의 기본 연결을 통해 해결됩니다. 실질적인 패턴은 데이터 소스당 하나의 도구를 제공하며, 에이전트가 질문에 따라 적절한 도구를 선택하는 방식입니다.

Power BI Analyst MCP는 커뮤니티 옵션 중 가장 상용화 준비가 잘 된 도구입니다. 이 도구는 Azure AD 서비스 주체 (Service Principals)를 통해 연결되며, 에이전트가 워크스페이스, 데이터 세트, 테이블 및 측정값 (Measures)을 탐색하고 DAX 쿼리를 실행할 수 있도록 합니다. 주목할 점은, 에이전트가 백만 개의 행으로 인해 컨텍스트 윈도우 (Context Window)를 초과하지 않도록 대규모 쿼리 결과를 로컬 CSV로 페이지화하여 제공한다는 것입니다.

Mode: 아직 MCP가 없습니다. 실용적인 해결책은 얇은 MCP 래퍼 (Wrapper) 뒤에 Mode의 REST API를 사용하는 것입니다 (5~10개의 도구 구성: 보고서 목록 조회, 매개변수화된 보고서 실행, 결과 가져오기). 여러 팀이 비공개 버전을 구축했으나, 2026년 5월 현재까지 공개된 것은 없습니다.

프로덕션 체크리스트 (네 가지 도구 공통 사항)

읽기 전용 인증 (Read-only auth). BI 도구가 API를 통한 쓰기 기능을 지원하더라도, 항상 에이전트를 읽기 전용 자격 증명으로 시작하십시오. 에이전트가 실수로 대시보드를 게시할 경우 발생하는 피해 범위 (Blast Radius)는 매우 큽니다.
행 수준 보안 (Row-level security)이 반드시 통과되어야 합니다. 관리자 계정을 사칭하지 마십시오. 실제 사용자 신원을 전달하거나, 에이전트가 답변할 질문 범위로 제한된 최소 권한의 서비스 주체 (Service Principal)를 사용하십시오.
대규모 데이터 세트를 위한 캐시 계층 (Cache layer). BI 도구는 에이전트의 탐색 루프에서 발생하는 반복적인 동일 쿼리에 최적화되어 있지 않습니다. 데이터 최신성 요구 사항이 1분 미만이 아니라면, 쿼리 결과에 대해 5~15분의 캐시를 추가하십시오.
모든 MCP 호출을 기존 관측성 스택 (Observability Stack) (Datadog, Honeycomb 등)에 기록하십시오. BI 벤더들은 귀하에게 필요한 수준의 세밀한 데이터를 제공하지 않을 것입니다.
에이전트의 질문 예산 (Question Budget)에 할당량을 설정하십시오. 루프 에이전트는 아무도 알아차리지 못하는 사이에 수천 개의 대시보드 렌더링을 발생시킬 수 있습니다. 에이전트 신원당 일일 할당량을 설정하십시오.

향후 전망

2026년 말까지 모든 주요 BI 벤더는 공식 MCP 서버를 출시할 것입니다. 커뮤니티 서버들은 흡수되거나 공식화될 것입니다. 하지만 빠르게 변하지 않을 부분도 있습니다. 바로 BI 통합을 어렵게 만드는 근본적인 복잡성입니다. 즉, 이질적인 쿼리 언어, 사용자별 보안 모델, 벤더별 감사 (Audit) 체계 등입니다. MCP 서버는 계약 (Contract)이지, 근본적인 해결책 (Fix)이 아닙니다.

이 과정을 초기에 제대로 수행하는 팀은 AI 에이전트가 가공되지 않은 SQL (Raw SQL)로부터 얻은 근사치가 아니라, 대시보드에 표시되는 것과 동일한 숫자로 비즈니스 질문에 답할 수 있는 팀이 될 것입니다. 이러한 정렬 (Alignment)이야말로 AI 에이전트를 엔지니어링 이외의 이해관계자들에게 신뢰할 수 있게 만드는 핵심이며, AI가 전사적으로 도입될지 아니면 샌드박스 (Sandbox) 내에 머물지를 결정짓는 요소입니다.

자주 묻는 질문 (Frequently Asked Questions)

Data Workers는 이 BI 도구들 중 하나라도 MCP 서버를 출시하나요? 카탈로그 (Catalog) 및 리니지 (Lineage) 도구라면 그렇습니다. BI 전용 도구 (Looker, Tableau, Power BI, Mode)는 아직 출시되지 않았습니다. 저희는 위에 나열된 커뮤니티 서버 및 곧 출시될 공식 서버들과 파트너 관계를 맺고 있습니다. 저희의 Insights 에이전트는 그 상위 계층입니다. 이 에이전트는 BI 서버의 출력값과 데이터 웨어하우스 (Warehouse) 및 카탈로그 데이터를 조합하여 전체 스택 (Stack)에 걸친 질문에 답합니다.

이 MCP 서버들과 함께 Claude 대신 ChatGPT를 사용할 수 있나요? 네, 가능합니다. ChatGPT는 Apps 플랫폼을 통해 원격 MCP를 지원합니다. 동일한 서버가 작동하지만, 인증 흐름 (Auth flow)이 다릅니다 (로컬 자격 증명 대신 OAuth 사용).

Superset, Metabase, Hex는 어떤가요? Superset은 성숙한 커뮤니티 MCP를 보유하고 있습니다 (135개 이상의 도구 — bintocher/mcp-superset). Metabase는 28개의 도구를 갖춘 1luvc0d3/metabase-mcp를 보유하고 있습니다. Hex는 2026년 5월 현재 공개된 MCP 서버가 없습니다. 세 도구 모두에 동일한 프로덕션 체크리스트가 적용됩니다.

MCP가 BI 도구의 UI 영역을 잠식할까요? 장기적으로는 부분적으로 그렇습니다. 대부분의 탐색적 분석 (Exploratory analytics)은 MCP를 기반으로 하는 채팅 인터페이스로 이동할 것입니다. 고도의 커스텀 대시보드 (경영진 요약 보고서, 임베디드 분석)는 BI UI에 그대로 남을 것입니다. 이 분리는 터미널 (Terminal) 대 IDE의 관계와 비슷할 것입니다. 둘 다 존재하며, 역할이 다릅니다.

저희는 github.com/DataWorkersProject/dataworkers-claw-community 에 있는 Data Workers OSS 리포지토리에서 BI를 위한 MCP 생태계를 추적하고 있습니다. 커뮤니티에서 새로운 서버를 출시함에 따라 PR (Pull Request)을 환영합니다.

원문은 https://dataworkers.io/blog/mcp-servers-for-bi-tools-looker-tableau-powerbi-mode/에서 처음 게시되었습니다. Data Workers는 데이터 엔지니어링을 위한 오픈 소스 자율 에이전트 스웜 (autonomous agent swarm)입니다 — 리포지토리 확인.