Amazon S3 Tables와 MCP, 자연어로 확장하는 데이터 경험

1. 들어가며

현대 비즈니스 환경에서 데이터 활용은 나날이 중요해지고 있습니다. 이에 따라 복잡한 SQL 쿼리나 코딩 지식 없이도 자연어로 데이터를 직접 질문하고 분석 결과를 즉시 확인할 수 있는 환경의 필요성이 커지고 있습니다.

Amazon S3 Tables와 MCP(Model Context Protocol)를 활용하면 누구나 쉽게 대화형 AI와 S3에 저장된 구조화된 데이터를 연결하여 다양한 업무를 손쉽게 처리할 수 있습니다.

2. MCP(Model Context Protocol)란?

MCP는 AI와 여러 데이터·서비스를 안전하고 표준화된 방식으로 연결하는 프로토콜입니다.

• MCP 서버: 데이터를 저장하거나 서비스 기능을 제공하는 실제 프로그램(예: S3 테이블, SQL DB)
• MCP 클라이언트: 챗봇, AI 개발 어시스턴트 같은 MCP 서버와 통신하며 명령을 주고 받는 소프트웨어

MCP 서버를 통해 필요한 데이터와 기능에 안전하게 접근하고 AI가 제공하는 답변이나 작업 결과 품질을 높일 수 있습니다. 예를 들어 Claude Desktop 같은 챗봇은 MCP를 통해 S3 테이블 정보를 직접 읽고, 생성·수정·분석 등의 작업을 할 수 있습니다.

3. S3 테이블 MCP 서버 주요 기능 및 적용 사례

S3 Tables MCP 서버는 AI가 S3 테이블 데이터에 자연어 기반으로 접근해 다양한 작업을 수행할 수 있도록 돕습니다.

• 테이블 버킷, 네임스페이스, 테이블 생성 및 리스트 확인
• 테이블 스키마 정의 및 수정
• CSV 등 외부 데이터 가져와 S3 테이블로 저장
• 데이터 추가, 수정, 쿼리 수행
• 유지보수 정보 조회, 테이블 이름 및 네임스페이스 이동 등 관리 작업

사용자는 복잡한 SQL이나 API 호출 없이 자연어 질문만으로 데이터를 처리할 수 있어 즉각적인 분석과 인사이트 확보가 가능해집니다.

4. Amazon Q Developer CLI 실전 테스트

1단계: 사전 준비

• AWS 리전: ap-northeast-2 (서울)
• 도구: Amazon Q Developer CLI
• 목표: 자연어로 완전한 데이터 분석 워크플로우 구현
• S3에 사전 업로드된 샘플 csv 데이터 (test-bucket/sample_customers.csv)

2단계: 인프라 구성

자연어 명령:

"서울 리전에 'sales-anlytics-bucket'이라는 새로운 S3 테이블 버킷을 만들어줘"

Q Developer 응답:

✅ 네임스페이스 생성 완료!
• 네임스페이스명: retail_analytics
• 소속 테이블 버킷: sales-analytics-bucket
1단계 완료 요약
•테이블 버킷 및 네임스페이스 약 8초 만에 생성 완료

자연어 명령:

"방금 만든 sales-analytics-bucket에 'retail_analytics'라는 네임스페이스를 생성해줘"

Q Developer 응답:

✅ 네임스페이스 생성 완료!
• 네임스페이스명: retail_analytics
• 소속 테이블 버킷: sales-analytics-bucket
1단계 완료 요약
• 테이블 버킷 및 네임스페이스 약 8초 만에 생성 완료

3단계: CSV 파일을 테이블로 변환

자연어 명령:

"test-bucket에 있는 sample_customers.csv 파일을 retail_analytics 네임스페이스의 customers 테이블로 가져와줘"

Q Developer 응답:

🎉 CSV → S3 테이블 변환 성공!
• 처리된 행 수: 5개
• 새 테이블 생성: retail_analytics.customers
• 테이블 UUID: e081dd9b-56de-44a1-bd45-c6e970581920
• 컬럼 구조: 고객id, 이름, 가입일, 구매횟수, 총구매금액, 상태
• 자동 스키마 인식 (한글 컬럼명 지원)
• 테이블 생성 시간: 2025-08-21 04:46:44

4단계: 자연어 데이터 분석

①  첫 번째 분석

자연어 명령:

"활성 고객들의 평균 구매금액을 계산해줘"

Q Developer 응답:

지표	        값
활성 고객 수	3명
평균 구매금액	266,667원
최소 구매금액	150,000원
최대 구매금액	420,000원
총 구매금액	800,000원

상세 분석
순위	고객ID	이름	    가입일 구매횟수  총구매금액   회당평균
1	C004	이민아	2023-08-20 7회	   420,000원 60,000원
2	C002	김영희	2024-12-10 5회	   230,000원 46,000원
3	C001	홍길동	2025-01-15 3회	   150,000원 50,000원

비즈니스 인사이트
•평균 구매금액 266,667원
•VIP 고객 이민아 확인
•충성도 높은 고객층 구성

② 두 번째 분석

자연어 명령:

"구매횟수가 3회 이상인 고객들을 찾아서 구매금액 순으로 정렬해줘"

Q Developer 응답:

순위	고객ID 이름 가입일 구매횟수 총구매금액 상태 회당평균
🥇 C004 이민아 2023-08-20 7회 420,000원 활성 60,000원
🥈 C002 김영희 2024-12-10 5회 230,000원 활성 46,000원
🥉 C001 홍길동 2025-01-15 3회 150,000원 활성 50,000원

핵심 인사이트
• 충성 고객 매출 주도
• VIP 이민아 특별 관리 필요

③ 세 번째 분석

자연어 명령:

"현재 전체 데이터를 표 형식으로 보여줘"

Q Developer 응답:

고객ID	이름	가입일	      구매횟  총구매금액	상태
C001	홍길동	2025-01-15	3	150,000	활성
C002	김영희	2024-12-10	5	230,000	활성
C003	박철수	2025-03-03	1	50,000	휴면
C004	이민아	2023-08-20	7	420,000	활성
C005	최지우	2025-06-01	0	0	신규

5단계: 새로운 데이터 추가

자연어 명령:

"새로운 고객 데이터가 담긴 CSV 파일을 만들어서 기존 테이블에 추가해줘"

Q Developer 응답:

🎉 새로운 데이터 추가 성공!
• 처리된 행 수: 3개
• 기존 테이블에 병합 완료
• 추가 고객: C006(정수민), C007(박영수), C008(김미영)

업데이트된 고객 리스트:
고객ID	이름	가입일	      구매횟수	총구매금액	상태
C006	정수민	2025-08-21	2	180,000	활성
C007	박영수	2025-08-20	1	75,000	활성
C008	김미영	2025-08-19	0	0	신규

업데이트 후 고객 현황:
상태	고객 수 변화      평균 구매금액       총 매출
활성	3명 → 5명 (+2명)	211,000원	1,055,000원 (32% 증가)
신규	1명 → 2명 (+1명)	0원	        0원
휴면	변동 없음	        50,000원	50,000원

5. MCP 서버 설치

5.1 사전 요구사항

① uv 설치

Python 패키지 및 프로젝트 관리 도구인 uv를 설치합니다. 
Astral 공식 설치 가이드 또는 GitHub README를 참고 바랍니다.

② Python 환경 설정

Python 3.10 이상 버전이 필요합니다. uv를 이용해 Python 3.10을 설치하려면 다음 명령어를 사용하세요.

uv python install 3.10

③ AWS CLI 설치 (MacOS 기준)

최신 버전의 AWS CLI를 설치하거나 업데이트합니다. 자세한 내용은 AWS CLI 설치 가이드를 참고하세요.

④ AWS 자격 증명 구성

AWS 서비스 접근을 위한 자격 증명을 설정해야 합니다.

aws configure

명령어 실행 후 안내에 따라 AWS Access Key, Secret Key, 리전 등을 입력합니다.

5.2 S3 Table MCP 서버 설치 과정

① Q Developer CLI 실행

q chat

② MCP 서버 설치

Q chat에서 다음과 같이 입력하세요:

읽기 전용 (기본)

q mcp add --name s3-tables-mcp-server \
  --command "uvx awslabs.s3-tables-mcp-server@latest" \
  --env "AWS_PROFILE=your-aws-profile" \
  --env "AWS_REGION=ap-northeast-2"

필요한 환경 변수

• AWS_PROFILE: 사용할 AWS 프로필 이름
• AWS_REGION: AWS 리전 (예: us-east-1)

쓰기 권한 포함

q mcp add --name s3-tables-mcp-server \
  --command "uvx awslabs.s3-tables-mcp-server@latest --allow-write" \
  --env "AWS_PROFILE=your-aws-profile" \
  --env "AWS_REGION=ap-northeast-2"

--allow-write

• 기본적으로 S3 Tables MCP 서버는 보안상의 이유로 읽기 전용 모드로 실행됩니다
• 이 플래그를 추가하면 다음과 같은 쓰기 작업이 가능해집니다: 새로운 Table Bucket 생성, 새로운 테이블 생성, 테이블 스키마 수정, 데이터 삽입 (INSERT), 데이터 업데이트 (UPDATE), 데이터 삭제 (DELETE), 테이블 및 Table Bucket 삭제

로그 디렉토리 지정

q mcp add --name s3-tables-mcp-server \
  --command "uvx awslabs.s3-tables-mcp-server@latest --allow-write --log-dir ~/logs" \
  --env "AWS_PROFILE=your-aws-profile" \
  --env "AWS_REGION=ap-northeast-2"

기본값:

• Linux: /var/logs
• macOS: ~/Library/Logs
• Windows: 시스템 기본 로그 디렉토리

설명:

• MCP 서버의 실행 로그, 오류 로그, 디버그 정보를 저장할 디렉토리를 지정
• 문제 해결이나 모니터링을 위해 로그를 특정 위치에 저장하고 싶을 때 사용
• 지정된 디렉토리가 존재하지 않으면 자동으로 생성됩니다.

③ 설치 확인

설치 후 다음 명령어로 확인할 수 있습니다:

q mcp list

현재 설치된 MCP 서버 목록
🤖 default 프로필
s3-tables-mcp-server
• 명령어: uvx awslabs.s3-tables-mcp-server@latest --allow-write
• 상태: ✅ 활성화됨
• 권한: 읽기/쓰기 모두 가능
• AWS 프로필: default
• AWS 리전: ap-northeast-2
올바르게 설치되었습니다! 이제 S3 Tables 관련 모든 작업이 가능합니다.

④  사용 예시

설치가 완료되면 Q CLI에서 S3 Tables 관련 작업을 다음과 같이 자연어로 요청할 수 있습니다.

"S3 Tables 목록을 보여줘"

📊 S3 Tables 목록
🗂️ Table Buckets
sales-analytics-bucket
• ARN:

arn:aws:s3tables:ap-northeast-2:XXXXXXXXXXXX:bucket/sales-analytics-bucket
• Table Bucket ID: XXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX
• 타입: customer
• 생성일: 2025-08-21 13:45 (KST)
• 소유자: XXXXXXXXXXXX
📋 Tables
retail_analytics.customers
• 테이블 ARN:

arn:aws:s3tables:ap-northeast-2:XXXXXXXXXXXX:bucket/sales-analytics-bucket/table/XXXXXXXX-XXXX-XXXX-XXXX-XXXXXXXXXXXX
• 네임스페이스: retail_analytics
• 테이블명: customers
• 타입: customer
• 생성일: 2025-08-21 13:46 (KST)
• 수정일: 2025-08-21 13:49 (KST)
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
요약: 현재 ap-northeast-2 리전에 1개의 Table Bucket(sales-analytics-bucket)이 있
고, 그 안에 retail_analytics 네임스페이스의 customers 테이블 1개가 있습니다.

주의사항

• AWS 자격 증명이 올바르게 설정되어 있어야 합니다.
• S3 Tables 서비스에 대한 적절한 IAM 권한이 필요합니다.

6. S3 Tables MCP 프롬프트 예시 목록

6.1 조회 작업 (읽기)

① Table Bucket 관련

• "S3 Table Buckets 목록을 보여줘"
• "sales-analytics-bucket의 상세 정보를 알려줘"
• "Table Bucket의 메타데이터를 확인해줘"
• "모든 Table Bucket의 생성일과 타입을 보여줘"

② 테이블 관련

• "S3 Tables 목록을 보여줘"
• "retail_analytics 네임스페이스의 테이블들을 보여줘"
• "customers 테이블의 상세 정보를 알려줘"
• "테이블의 스키마 정보를 확인해줘"
• "테이블의 메타데이터를 보여줘"

③ 네임스페이스 관련

• "사용 가능한 네임스페이스 목록을 보여줘"
• "retail_analytics 네임스페이스 정보를 알려줘"

6.2 생성 작업 (쓰기)

① Table Bucket 생성

• "새로운 Table Bucket을 생성해줘"
• "analytics-data라는 이름으로 Table Bucket을 만들어줘"
• "customer 타입의 Table Bucket을 생성해줘"

② 테이블 생성

• "새로운 테이블을 생성해줘"
• "products라는 이름으로 테이블을 만들어줘"
• "retail_analytics 네임스페이스에 orders 테이블을 생성해줘"
• "다음 스키마로 테이블을 생성해줘: [스키마 정보]"

③ 네임스페이스 생성

• "새로운 네임스페이스를 생성해줘"
• "inventory라는 네임스페이스를 만들어줘"

6.3 수정 작업 (쓰기)

① 테이블 스키마 수정

• "customers 테이블에 새로운 컬럼을 추가해줘"
• "테이블 스키마를 수정해줘"
• "컬럼 타입을 변경해줘"

② 메타데이터 수정

• "테이블의 설명을 업데이트해줘"
• "테이블 속성을 수정해줘"

6.4 삭제 작업 (쓰기)

① 테이블 삭제

• "customers 테이블을 삭제해줘"
• "retail_analytics.products 테이블을 제거해줘"

② Table Bucket 삭제

• "sales-analytics-bucket을 삭제해줘"
• "빈 Table Bucket을 제거해줘"

6.5 데이터 작업 (쓰기 권한 필요)

① 데이터 조회

• "customers 테이블의 데이터를 보여줘"
• "최근 생성된 레코드 10개를 조회해줘"
• "특정 조건으로 데이터를 필터링해줘"

② 데이터 삽입

• "customers 테이블에 새로운 데이터를 삽입해줘"
• "다음 데이터를 테이블에 추가해줘: [데이터]"

③ 데이터 업데이트

• "고객 ID 123의 정보를 업데이트해줘"
• "특정 조건의 레코드를 수정해줘"

④ 데이터 삭제

• "고객 ID 456의 레코드를 삭제해줘"
• "조건에 맞는 데이터를 제거해줘"

6.6 분석 및 통계

• "테이블의 행 수를 알려줘"
• "데이터 분포를 분석해줘"
• "테이블 크기 정보를 보여줘"
• "최근 수정된 테이블들을 보여줘"

6.7 관리 작업

• "테이블의 권한 정보를 확인해줘"
• "Table Bucket의 설정을 보여줘"
• "테이블 백업 상태를 확인해줘"
• "성능 메트릭을 보여줘"

6.8 사용 팁

• 구체적인 이름 사용: "customers 테이블" 처럼 구체적으로 지정
• 네임스페이스 포함: "retail_analytics.customers" 형태로 전체 경로 사용
• 조건 명시: "WHERE 절과 함께" 또는 "특정 조건으로" 등 조건 명시
• 스키마 정보 제공: 테이블 생성 시 컬럼 정보와 타입 제공

7. MCP 서버 에이전트 책임 및 보안 권고사항(중요)

Amazon S3 Tables MCP 서버를 사용할 때 다음 사항을 반드시 인지해야 합니다.

• S3 Tables MCP 서버 기본 실행 모드는 읽기 전용입니다.
• 쓰기(테이블 생성, 데이터 추가 등)를 활성화하려면 --allow-write 플래그를 명시적으로 설정해야 하며, AWS IAM 권한도 적절히 부여해야 합니다.
• 원칙적으로 최소 권한 원칙을 엄수하여 에이전트에게 필요한 최소 권한만 부여해야 합니다.
• 쓰기 권한 활성화 시는 반드시 데이터 백업과 명령어 검증을 거쳐야 하며 자동화 워크플로우 통합 시에는권한 오남용, 에이전트 실수 등에 의해 데이터 손실이나 오류가 발생하지 않도록 각별한 주의가 필요합니다.

8. 결론

데이터 분석이 더 이상 전문가만의 영역이 아닌 시대가 되었습니다. Amazon Q Developer와 S3 Tables MCP 서버는 '데이터에 말을 걸고 바로 대답을 받는' 경험을 현실로 만들었습니다.

이제 복잡한 쿼리 문법을 외울 필요가 없습니다. 대화하듯 자연어로 묻기만 하면 똑똑한 AI가 방대한 데이터를 읽고 필요한 인사이트를 즉시 제공합니다. 중요한 것은 기술 그 자체가 아니라 '누가 더 쉽고 빠르게 데이터와 소통하느냐'입니다. 이 혁신이 여러분의 비즈니스를 어떻게 변화시킬지 기대해 보시기 바랍니다.