얼마 전, AI 구동형 소프트웨어 개발을 가속화하는 New Relic과 AI IDE Kiro와의 연동을 발표했습니다. 이번에는 Kiro용으로 출시된 공식 플러그인인 New Relic kiro power의 공식 리포지토리(repository)를 확인하면서, Kiro와 New Relic MCP의 연동으로 실현할 수 있는 것과 New Relic MCP의 답변 정밀도를 향상시키기 위한 프로파일 설정 (profile setting) 을 확인하고, 다른 AI IDE나 자사의 AI Agent에서의 도입 방법을 소개해 드리고자 합니다.

소스 코드 지식 (Kiro)과 운영 환경의 텔레메트리 데이터 (New Relic)가 MCP로 연결되어, 개발부터 트러블슈팅 (troubleshooting)까지 IDE 내에서 완결됩니다. 구체적으로는 다음 4가지가 실현됩니다.

컨텍스트 스위칭 (context switching) 제거

대시보드와 에디터를 오갈 필요가 없습니다. "최근 퍼포먼스는 어때?"라고 묻는 것만으로 직접 IDE 내로 데이터를 불러올 수 있습니다. -
자연어를 통한 NRQL 실행

"최근 1시간 동안의 500 에러 원인을 특정해줘"라고 지시하는 것만으로, AI가 최적의 NRQL을 자동으로 구성하여 실행 및 분석까지 대행합니다. -
코드와 가동 데이터의 통합 분석

편집 중인 코드와 실제 퍼포먼스 데이터를 연결하여, "〇〇행의 처리가 DB 부하 (N+1)의 원인"이라고 코드 레벨에서 원인을 특정할 수 있습니다. -
자율적인 초동 조사 (트리아지, triage)

장애 발생 시 AI에게 요청하는 것만으로 관련 로그 수집이나 골든 메트릭스 (golden metrics) 확인을 자율적으로 수행하여, SRE 어시스턴트로서 초동 대응 시간을 대폭 단축합니다.

Kiro와의 연동 상세에 대해서는, 이 기사에서 소개하고 있습니다.

New Relic Accelerates AI-Driven Software Development with Kiro Integration

Kiro와 New Relic MCP의 연동을 지원하는 플러그인입니다. Kiro 측에 설치하는 확장 기능으로 동작합니다.

얼마 전, AI IDE인 Kiro와 연동하는 프레스 릴리스 (press release)가 공개되었고, 플러그인인 newrelic-kiro-power 또한 OSS의 GitHub 리포지토리 (repository)가 공개되었습니다.

에이전트 구동형 AI IDE인 Kiro로부터 New Relic의 옵저버빌리티 (observability) 데이터에 심리스 (seamless)하게 액세스하여 인텔리전트한 분석을 수행하기 위한 공식 확장 기능입니다. OAuth를 통해 New Relic AI MCP에 접속하는 것을 지원하며, AI Agent의 아웃풋 (output)이 최적화되도록 튜닝되어 있습니다.

이 연동의 기반에는 Model Context Protocol (MCP) 가 채택되어 있으며, AI 에이전트에게 New Relic의 메트릭 (metrics), 로그, 트레이스 (trace) 데이터 등을 표준화된 방식으로 제공합니다. 이를 통해 개발자는 에디터를 떠나지 않고도 AI와 대화하며 직관적으로 시스템의 퍼포먼스 문제나 에러 원인을 특정할 수 있게 됩니다.

이 리포지토리 (repository) 중에서 특히 주목하고 싶은 것은 steering 디렉토리 내에 배치된 프로파일 기술입니다. steering은 Kiro에 컨텍스트 (context)를 전달하기 위해 기술하는 계층으로, Claude Code의 CLAUDE.md와 같은 역할을 담당합니다.

▼ 대상 리포지토리 (steering 디렉토리)

이 프로파일 (시스템 프롬프트나 인스트럭션의 집합)에는 다음과 같은 내용이 매우 상세하게 정의되어 있습니다.

SRE로서의 이상적인 행동 방식 (어떻게 시스템을 관찰하고 어떻게 가설을 세울 것인가)
NRQL (New Relic Query Language)의 적절한 취급 방법과 제약 사항
New Relic의 각 엔티티 (entity) 해석 방법

사용 중인 Agent나 AI 도구의 지식 데이터베이스에 이 내용을 추가하는 것만으로, AI가 "단순한 범용 어시스턴트"에서 "New Relic을 숙지한 우수한 SRE"로 진화하여 일상적인 조사 효율이 압도적으로 향상됩니다.

실제로 이 프로파일 설정의 혜택을 받기 위해, 저의 비디오 스트리밍 앱 데모 환경에 이 설정을 도입해 보았습니다.

구체적인 구현 예시 (커밋 로그)는 여기입니다.

파일을 직접 인용하여, 해당 파일을 claude.md에 이 파일을 참조하라는 지시를 기재하고 있습니다.

👉 perfect-cat-streaming / mcp.json 등의 설정 추가 PR (Commit: ed32640...)

최근 화제가 되고 있는 커맨드 라인 AI 에이전트(Command Line AI Agent)인 Claude Code 등에서도, 이 MCP와 프로파일(Profile) 메커니즘을 간단하게 도입할 수 있습니다.

프로파일 이식:

Kiro의 플러그인 리포지토리(Plugin Repository)에서 공개되고 있는 steering 디렉토리 내용을 프로젝트에 있는 CLAUDE.md의 커스텀 인스트럭션(Custom Instruction)이나, 프롬프트 정의 파일 등에 이러한 규칙들을 통합합니다.

mcp.json 설정

프로젝트 내의 설정 파일에, New Relic의 MCP 서버에 접속하기 위한 자격 증명 정보(API 키 등)를 추가합니다.

MCP 접속:

프로파일을 읽어들인 상태에서 AI 에이전트를 실행합니다. AI는 자동으로 mcp.json을 읽어 들여, New Relic의 툴(NRQL 실행이나 엔티티(Entity) 검색 등)을 사용할 수 있는 상태가 됩니다.

이번에 소개해 드린 프로파일을 도입하여 Kiro를 사용했을 때의 데모 영상은 이쪽입니다.

비효율적인 쿼리가 감소할 뿐만 아니라, 골든 메트릭(Golden Metrics) 등을 통해 제대로 확인하게 되므로, 갑자기 발생한 현상에 바로 뛰어들기보다는 전체를 조망하며 살펴본다는 인상을 줍니다.

MCP의 등장으로 AI 에이전트에 New Relic의 데이터를 연동하는 것 자체는 매우 간단해졌습니다. 하지만 AI 에이전트(AI Agent)를 정확하게 기능하게 하기 위해서는, 이번에 소개해 드린 것과 같이 **컨텍스트 (Context)**를 제공하기 위한 프로파일 설정이 핵심적인 역할을 합니다.

직접 처음부터 프롬프트를 작성하는 것이 번거롭다고 느끼시는 분들은 꼭 활용해 보시기 바랍니다!

나아가, 자사의 시스템 특성에 맞춰 '장애 발생 시 반드시 확인해야 할 중요 지표의 NRQL'을 프로파일에 추가해 나가는 운영 방식도 매우 추천합니다. 이를 통해 AI가 초동 조사 시 필요한 메트릭(Metric)을 자동적이고 포괄적으로 체크할 수 있게 됩니다.

• NRQL을 통해 모든 텔레메트리 데이터(Telemetry Data)에 자유롭게 접근할 수 있는 New Relic의 강점을 최대한 활용하여, AI 에이전트의 프로파일을 '자사 전속 AI Agent'로서 지속적으로 육성해 나간다면 더욱 높은 퍼포먼스를 발휘할 수 있을 것이라 생각합니다.

위의 기사 외에도, 아래 이미지와 같은 Claude Code나 GitHub Copilot 등 AI 코딩 어시스턴트의 토큰 소비, 비용, 비효율적인 동작 패턴을 시각화하는 오픈 소스 툴인 New Relic Preflight를 제공하고 있으니 꼭 확인해 보시기 바랍니다!