지원 이슈 분석은 본질적으로 연구 문제입니다. 그래서 고객 문제에 응답하는 데 있어 가장 느린 부분은 언제나 적절한 컨텍스트를 모으는 일이었습니다. 코드, 로그, 팀 지식, 과거 대화를 하나의 Cursor 세션으로 통합함으로써, 우리는 대부분의 업무에서 그 병목을 제거했습니다.

현재 Cursor의 지원 응대 중 75% 이상이 Cursor 자체를 통해 이뤄지고 있으며, 이를 통해 지원 엔지니어의 처리량이 5–10배 증가했습니다. 이로 인해 지원 엔지니어가 불과 1년 전만 해도 상상하기 어려웠던 수준의 일을 해낼 수 있게 되었습니다.

#코드베이스에서 시작하기

문제를 조사할 때는 보통 Ask Mode에서 시작합니다. 증상을 지정해 주면, 그 지점을 단서로 관련 제품 동작을 거슬러 올라가며 추적합니다. 전체 코드베이스가 로컬에 있기 때문에 Cursor는 하나의 세션 안에서 제품 코드, 문서, 내부 도구 전반에 걸쳐 인덱싱하고 시맨틱 검색을 사용할 수 있습니다.

여기에서 multi-root 워크스페이스의 진가가 드러납니다. 제품 맥락은 거의 항상 여러 리포지토리에 걸쳐 있습니다. 사용자의 질문인 "왜 이 버튼이 비활성화되어 있나요?"에 답하려면 프론트엔드 로직, 백엔드 정책 검증, 그리고 예상 동작을 설명하는 문서까지 모두 살펴봐야 할 수 있습니다. 우리는 이런 종류의 질문에 하나의 스레드에서 답할 수 있도록, 서로 관련된 리포지토리들을 하나의 워크스페이스로 묶어 둡니다.

#MCP와 지원 소스 통합하기

우리는 MCP 서버를 활용해 필요한 컨텍스트를 가져와 조사 작업에 활용합니다. 이제 지원 엔지니어는 관련 컨텍스트를 찾기 위해 여러 도구를 일일이 검색할 필요가 없습니다. 필요한 정보가 모두 Cursor 안에 있기 때문입니다.

MCP 서버를 사용하면 다음을 통합할 수 있습니다:

• 구독 등급, 팀 설정, 프라이버시 설정과 같은 고객 정보를 담고 있는 데이터베이스
• 사용 중인 서비스, 텔레메트리 오류, 네트워크 문제에 대한 세부 정보를 포함한 스트리밍 이벤트 로그
• 제품과 상호작용하는 고객의 방식을 이해하는 데 도움이 되는 다양한 스레드와 대화가 쌓여 있는 Slack 같은 커뮤니케이션 플랫폼
• 각기 다른 방식으로 운영되는 수십 개의 고유한 팀이 존재할 수 있는 엔지니어링 티켓팅 플랫폼
• 런북과 트러블슈팅 가이드를 포함한 내부 문서 서비스
• 고객 응대 방식의 톤까지 달라지게 할 수 있는 중요한 고객 정보를 포함한 계정 관리 서비스

Cursor와 MCP 서버를 함께 사용하면 지원 엔지니어는 필요한 정보를 코드베이스 조사에 직접 끌어와 신속하게 활용할 수 있습니다.

#장애가 발생한 위치 파악하기

고객이 오류를 보고하면, 먼저 다음을 파악해야 합니다. 고객이 겪고 있는 문제가 재현 가능한지 일시적인지, 그리고 Cursor가 정확히 어느 지점에서 실패했는지(클라이언트 측, API 엣지, 다운스트림 의존성, 인증)입니다. Datadog MCP를 사용하면 관련 로그와 트레이스를 조사 스레드로 직접 가져와 가능한 원인 범위를 좁혀 나갈 수 있습니다.

#유사한 사례 찾아보기

새 지원 티켓이 들어오면, 해당 이슈는 이미 다른 고객이나 우리 팀 누군가가 겪었을 가능성이 높습니다. 지원 플랫폼과 Slack에 통합된 MCP를 사용하면, 그 컨텍스트를 직접 검색해 조사에 가장 관련성 높은 스레드를 바로 가져올 수 있습니다. 먼저 에러 문자열, 요청 ID 같은 고유 식별자부터 검색하고, 필요하다면 범위를 넓혀 현재 상태, 우회 방법, 담당자가 명시된 최신 스레드를 찾습니다.

#버그였는지 여부 판단하기

이슈를 조사하다 보면 결국 "버그인가, 아니면 의도된 동작인가?"로 귀결되는 경우가 많습니다. Notion MCP를 사용하면 관련 런북을 스레드에 바로 불러와 지금 보고 있는 현상과 대조해 보고, 동작이 정상임을 확인하거나 훨씬 더 명확한 버그 리포트와 함께 에스컬레이션할 수 있습니다.

#버그 리포트 제출하기

Cursor에서 조사를 마치고 나면, 수정이 필요한 문제가 있을 경우 엔지니어링팀에 티켓을 제출하는 데 필요한 모든 자료가 이미 모여 있습니다. Linear MCP를 사용하면 이 모든 컨텍스트를 그대로 활용해, 같은 스레드에서 바로 형식화된 에스컬레이션으로 전환할 수 있습니다.

#문서 업데이트

여러 고객이 같은 질문을 반복해서 한다면, 보통은 우리가 문서를 개선해야 한다는 신호입니다. 기술 지원 팀이 이런 종류의 수정을 직접 반영하기에 가장 적합한 팀입니다. Slack에서 @Cursor를 멘션하고 어떤 내용을 업데이트해야 하는지 적어 보내면, 클라우드 에이전트가 문서 저장소에 PR을 만들어 줍니다.

#프로세스 자동화

#공통 단계용 명령어

이 프로세스에서 가장 자주 반복되는 단계를 위해 슬래시 명령어를 사용합니다:

#반복되는 패턴을 위한 Rules와 Skills

우리는 지원 이슈 조사에서 공통 프로세스를 자동화하기 위해 Rules와 Skills를 사용합니다.

#단계를 병렬로 실행하는 Subagent

Subagent를 사용하면 지원 프로세스의 공통 단계를 순차적으로가 아니라 병렬로 실행할 수 있습니다.

• LogInvestigator는 Datadog에서 장애 지점과 관련 증거를 검색합니다.
• KnownIssueMiner는 Slack과 Notion에서 과거 스레드와 우회 방법을 스캔합니다.
• TicketWriter는 증거를 완전한 에스컬레이션 형식으로 정리합니다.
• CustomerReplyDrafter는 내부 세부 정보를 제거한 채로 고객 응답을 작성합니다.

결과는 하나의 출력으로 병합되며, 이를 검토한 뒤 고객에게 전송합니다.

#AI-네이티브 기술 지원

이 도구들을 결합해 코드 분석 및 조사를 기술 지원 프로세스에 직접 통합했습니다. 우리는 이러한 접근 방식이, 여러 도구와 팀 사이를 계속 오가야 하는 기존 방식과 비교해 팀의 생산성을 최대 10배까지 높여 준다고 추정합니다. 이러한 생산성 향상 덕분에 규모는 작지만 빠르게 성장하는 지원 엔지니어 팀이 급격히 늘어나는 사용자 기반을 효과적으로 지원할 수 있습니다.

고객 경험(CX) 워크플로우에 Cursor를 도입하는 방법이 궁금하시다면, 문의해 주세요.