1. MCP란?

MCP는 ChatGPT, Claude 같은 AI 도구가 우리 회사의 나인하이어 데이터를 직접 읽고, 정해진 작업을 대신 처리할 수 있도록 연결해 주는 '통로'입니다.
쉽게 말해, 평소에 나인하이어 화면에서 클릭, 입력, 검색으로 처리하던 일을, 이제는 AI에게 "백엔드 채용 진행 상황 정리해줘", "이번 주 면접 평가 안 낸 사람 누구야?"처럼 말로 부탁할 수 있게 된다는 뜻이에요.

MCP = Model Context Protocol ("모델 컨텍스트 프로토콜"). 직역하면 "AI 모델에게 우리 시스템의 맥락(데이터)을 전달하는 표준 약속"입니다.

어떤 AI 도구에서 쓸 수 있나요?

Claude Code (Anthropic Claude)
Codex (OpenAI)
Gemini CLI (Google Gemini)
그 외 MCP를 지원하는 AI 에이전트

2. MCP 연동

1) MCP 키 발급

• 접근 경로: 설정 → 외부 서비스 연동 → MCP 연동 → [추가하기]

• 기능 사용 권한: 워크스페이스 관리자, 멤버 및 커스텀 권한(웹훅/API/MCP 연동 권한을 부여 받은 경우)

[추가하기]를 클릭한 후 발급된 키를 복사합니다.

‼️ 발급된 MCP 키는 비밀번호와 동일하게 다뤄주세요.

워크스페이스당 1개의 키를 사용할 수 있습니다.
메신저, 이메일, 노션 페이지 등 공유 채널에 그대로 붙여넣지 마세요. 접근 권한이 없는 이가 정보를 조회하거나 추가/변경할 수 있습니다.
MCP 키가 외부에 노출됐다고 의심되면 즉시 폐기 → 재발급하세요.
발급된 키를 삭제하거나 재발급하는 경우 기존 키로 사용중인 AI 도구와의 연결은 해제되며 재연결이 필요합니다.

2) AI 도구와 MCP 연결

✅ 현재 나인하이어 MCP는 Token 방식으로만 제공되어 Claude Code, Codex, Gemini CLI 에서의 사용을 권장합니다.
아래 명령어의 {NINEHIRE_MCP_KEY}에 발급받은 Key를 입력해 주세요.

(1) Claude Code 에서 연결하기

claude mcp add --transport http \
  --scope user \
  ninehire https://api.ninehire.com/developer/mcp \
  -H "Authorization: Bearer {NINEHIRE_MCP_KEY}"

Claude MCP 문서 참고하기(클릭)

(2) Codex 에서 연결하기

codex mcp add ninehire \
  --transport http \
  --url https://api.ninehire.com/developer/mcp \
  --bearer-token-env-var {NINEHIRE_MCP_KEY}

Codex MCP 문서 참고하기(클릭)

(3) Gemini CLI 에서 연결하기

gemini mcp add --transport http \
  --scope user \
  --header "Authorization: Bearer {NINEHIRE_MCP_KEY}" \
  ninehire https://api.ninehire.com/developer/mcp

Gemini MCP 문서 참고하기(클릭)

3) 연결 상태 확인 - 첫 대화 시도하기

연결이 잘 됐는지 가장 안전하게 확인하는 방법은 간단한 읽기 명령부터 해보는 것입니다.

"지금 진행 중인 채용 목록 보여줘"
"이번주에 면접 예정인 지원자가 몇 명이야?"

위와 같은 명령은 데이터를 변경하지 않아 혹여 AI가 잘못 실행하더라도 부작용이 없으므로 간단한 데이터 조회부터 시도해 보시는 것을 추천합니다.

3. MCP 사용

‼️ MCP 사용 시 유의 사항

나인하이어 MCP는 베타 테스트 단계입니다. 부정확하거나 제한점이 있는 부분에 대해서는 채팅 상담 등을 통해 나인하이어팀에 피드백 주시기를 부탁드립니다.
데이터 읽기 명령과 달리 쓰기(변경) 명령 사용 시에는 실제 채용 및 지원자 데이터에 바로 적용하지 마시고, 별도의 채용 및 지원자를 활용하여 충분히 테스트해 보세요.
AI는 키워드를 기준으로 실행할 툴과 참고할 상태값을 판단합니다. 기본적으로 나인하이어 제품 내 용어를 기준으로 작동하는 것이 원칙이므로 이 점에 유의해 주세요.
- 예) 지원자/후보자: 나인하이어에서 지원자는 채용(ATS)에 접수/지원한 인원을 의미하며 후보자는 인재 소싱(TRM) 기능에 등록된 인원을 의미하므로 이 용어를 혼용하거나 잘못 사용한 경우 AI가 명령을 실행할 수 없거나 잘못 실행할 우려가 존재합니다.

1) 실행 가능 시나리오 및 프롬프트

나인하이어 MCP를 AI 도구와 연결하여 실행할 수 있는 시나리오 및 프롬프트 예시를 각 업무 상황에 맞춰 나열해 두었습니다. AI 도구에 명령하실 때 참고해 주세요.

각 토글 내 [구분] 열의 '데이터 읽기'와 '데이터 쓰기(변경)'의 구분은 "나인하이어 내 데이터를 추가하거나 변경하는지"를 기준으로 작성했습니다.

채용 공고 관리

시나리오	사용 가능 프롬프트 예시	구분
진행 중 채용 목록 확인	"지금 진행 중인 채용 공고 전부 보여줘"	데이터 읽기
채용 공고 상태 전환	"백엔드 공고 마감하고 비공개로 돌려줘"	데이터 쓰기(변경)
채용 공고 일괄 상태 전환	"올해 1분기에 시작한 채용 전부 종료 처리해줘"	데이터 쓰기(변경)
채용 공고 내용 수정	"프론트엔드 채용 공고 내용 좀 수정해줘"	데이터 쓰기(변경)

채용/지원자 현황 파악

시나리오	사용 가능 프롬프트 예시	구분
전체 채용 브리핑	"오늘 아침 우리 회사 채용 현황 한눈에 정리해줘 — 진행 중인 공고, 단계별 지원자 수, 오늘 일정까지"	데이터 읽기
전체 지원자 브리핑	"어제부터 새로 들어온 지원자들 어떤 사람들인지 간단히 정리해줘"	데이터 읽기
특정 채용 단계별 현황	"백엔드 개발자 채용 공고 현재 단계별로 몇 명씩 있는지 보여줘"	데이터 읽기
이상 패턴 감지	"백엔드 개발자 채용 공고에서 최근 일주일 지원자 유입이나 단계 통과율에서 평소랑 다른 이상 신호 있으면 알려줘"	데이터 읽기
당일 면접 브리핑 + 후속 액션	"오늘 면접 예정인 지자들 누구인지, 각자 어떤 단계인지, 면접관까지 정리해서 보여줘"	데이터 읽기
주간 채용 다이제스트 자동 발송	"매주 월요일 오전 9시 진행 중 채용 현황 + 액션 아이템 나한테 메일 보내줘"	데이터 읽기

지원자 서류 검토 및 1차 필터링

시나리오	사용 가능 프롬프트 예시	구분
서류 적합도 분석	"이번 백엔드 서류 지원자 우리 JD 기준으로 적합도 평가해줘 — 근거랑 추천 등급 같이"	데이터 읽기
중복 지원자 감지	"홍00이랑 이메일이나 이름이 비슷한 지원자들 있으면 묶어서 보여줘. 재지원자일 가능성 있는지 같이"	데이터 읽기
지원자 비교 분석 (A vs B)	"홍00이랑 김00 두 명 이력서 비교해서 어느 쪽이 우리 백엔드 포지션에 더 맞을지 판단 근거랑 같이 정리해줘"	데이터 읽기
경력 연차 기반 필터	"경력 5년 이상이면서 카카오 출신인 지원자만 필터해줘"	데이터 읽기
지원자 자동 분류 태깅	"이번 신규 지원자들 자동으로 신입/경력/시니어 태그 붙여줘"	데이터 쓰기(변경)
개별 지원자 상세 확인	"박00 지원자 전체 정보 — 이력서, 평가, 일정까지 한 번에 보여줘"	데이터 읽기
학력/전공 기반 필터	"학력 대졸 이상, 컴퓨터공학 전공 지원자만 추려줘"	데이터 읽기
특정 회사 출신 지원자 필터	"네이버, 카카오 출신 지원자 있는지 찾아줘"	데이터 읽기
지원자 간 유사도 그루핑	"이번 서류 통과자 20명을 비슷한 이력끼리 그룹으로 묶어줘. 면접관 배정할 때 참고하게"	데이터 읽기
자연어 기반 스크리닝 규칙 설정	"경력 3년 이상만 통과, 학력 미입력자는 미달로 분류해서 태그 달아줘"	데이터 쓰기(변경)

면접 준비

시나리오	사용 가능 프롬프트 예시	구분
면접 전 지원자 브리핑	"내일 오전 10시 김민수 면접 들어가기 전에 5분 요약 줘 — 이력 핵심이랑 물어봐야 할 포인트, 우리가 평가해야 할 역량까지"	데이터 읽기
면접 질문지 생성	"1차 면접 단계에서 면접 일정이 예정되어 있는 지원자들에게 'A 면접 질문지' 추가해 주고, 'B 평가표'를 추가해줘"	데이터 쓰기(변경)
면접 질문 추천 (역할/경력별)	"백엔드 시니어 면접 지원자한테 물어볼 만한 질문 추천해줘 — 경력 연차랑 직무 고려해서"	데이터 읽기
면접 질문지 면접관 자동 공유	"생성한 면접 질문지를 배정된 면접관한테 메일로 보내줘"	데이터 읽기
이전 면접 이력 확인	"박00가 우리 회사 다른 채용에 지원한 적 있는지, 면접 이력 있으면 그때 평가는 어땠는지 보여줘"	데이터 읽기
면접관 N:M 가용성 교차 분석	"박00, 김00, 이00 3명 다 가능한 다음 주 면접 시간 찾아줘"	데이터 읽기

면접 후 평가, 평가 결과 취합

시나리오	사용 가능 프롬프트 예시	구분
면접관 일정 충돌 사전 확인	"이번 주 김00 면접관 일정이 다른 지원자와의 면접 일정과 겹치는 거 있는지 확인해줘"	데이터 읽기
평가 미제출 면접관 현황	"이번 주 면접 본 지원자들 중에 평가 아직 안 올린 면접관 누구인지 보여줘"	데이터 읽기
면접관 평가 패턴 분석	"박00이 최근 3개월간 본 면접에서 평가 패턴이 어떤지 분석해줘 — 점수 분포, 통과율, 다른 면접관 대비 편향"	데이터 읽기
평가 캘리브레이션 제안	"이번 채용 평가 결과 보면서 면접관 간 점수 편차 있는지, 캘리브레이션 필요한 항목 짚어줘"	데이터 읽기
평가 결과 취합 요약	"백엔드 1차 면접 끝났는데 면접관 평가 다 모아서 합격 후보 추천해줘"	데이터 읽기
면접관별 피드백 외부 공유 포맷	"홍00 면접 평가 결과를 본인 피드백용으로 전달할 수 있게 정리해줘. 면접관 이름은 익명화하고"	데이터 읽기

합불 결정, 채용 클로징

시나리오	사용 가능 프롬프트 예시	구분
단계별 정체 자동 감지	"서류 검토 단계에 3일 이상 정체된 지원자들 알려줘"	데이터 읽기
평가 기반 개인화 불합격 사유 생성	"2차 탈락자 5명에게 각자 맞춤 불합격 사유 초안 생성해줘"	데이터 읽기
채용 포지션 클로징	"백엔드 시니어 채용 마감하고 정리해줘"	데이터 쓰기(변경)

리포팅 및 분석

시나리오	사용 가능 프롬프트 예시	구분
채용별 단계 이탈률 분석	"프론트 채용에서 단계별로 어디서 가장 많이 떨어지는지 — 병목 분석해줘"	데이터 읽기
주간/월간 자동 리포트	"지난주 채용 활동 주간 리포트 만들어줘 — 신규 지원자, 면접 진행 건수, 합격률, 액션 아이템 포함해서"	데이터 읽기
시기별 지원자 유입 트렌드	"지난 6개월 월별로 지원자 유입이 어떻게 변했는지 보여줘"	데이터 읽기
단계별 평균 소요 시간	"우리 회사 평균 서류 통과부터 최종 합격까지 며칠 걸리는지 단계별로 보여줘"	데이터 읽기
채용 성공률 비교 (포지션별)	"올해 백엔드 채용 3건 합격률 비교해줘. 어떤 공고가 가장 잘 됐고 그 이유는 뭔지"	데이터 읽기
불합격 사유 분포 및 패턴	"최근 6개월 불합격 사유들 어떤 패턴인지 분석하고 JD 개선 포인트 제안해줘"	데이터 읽기
채용 채널별 효과성	"최근 3개월 지원 채널별로 어느 쪽이 가장 효율 좋았는지 — 지원자 수, 합격률, 평균 단계 진행도 비교해줘"	데이터 읽기
비슷한 합격자 패턴 분석	"최근 합격한 백엔드 개발자들 공통점 분석해줘 — 경력, 학력, 직전 회사"	데이터 읽기
합격자 정량 프로파일 분석	"최근 6개월 백엔드 합격자들 경력 연차랑 학력 분포 보여주고, 다음 공고 적정 범위도 추천해줘"	데이터 읽기
공고별 소싱 채널 ROI	"백엔드 공고 각 채널별 채용 1명당 평균 소요 일수와 합격률 비교해줘"	데이터 읽기
가설 검증형 질의 응답	"우리 채용 데이터로 보면 학력이랑 경력 중에 어느 쪽이 합격에 더 영향 있어?"	데이터 읽기
JD 효과성 분석 + 개선 제안	"백엔드 공고 효과성 분석해줘 — 지원자 유입, 단계별 통과율, 불합격 사유 패턴 종합해서 JD 개선 포인트랑 같이"	데이터 읽기

지원자 히스토리 조회 및 재활성화

시나리오	사용 가능 프롬프트 예시	구분
지원자 전체 이력 조회	"박00 지원자 우리 회사 지원 이력 전체 — 언제, 어떤 공고에, 결과는 어땠는지"	데이터 읽기
과거 불합격자 재검토	"작년 백엔드 채용에서 막판에 떨어진 지원자들 중에 이번 시니어 채용에 다시 검토할 만한 사람 있는지 봐줘"	데이터 읽기
보류 지원자 재활성화	"보류해둔 지원들 중에 이번 신규 공고랑 매칭되는 사람 추천해줘"	데이터 읽기
외부 지원자 등록	"링크드인에서 박00 추천받았는데 지원자로 등록해줘"	데이터 쓰기(변경)

✅ 지원하는 툴이 아닌 범위에 대한 시나리오 및 프롬프트의 대표적인 예시는 아래와 같습니다.

미지원 시나리오 예시

미지원 시나리오

JD 초안 작성 공고

채용 공고 등록, 복사/재활용

지원자 단계 이동, 불합격 처리

지원자 메모 추가/조회

지원자 대상 이메일/메시지 발송

면접 일정 조율, 추가, 변경, 취소

지원자 대상 자료 요청

지원자 연락 응답/읽음 여부 파악

관심 분야/키워드 검색

사용자 채용 참여, 권한 부여

2) 지원하는 툴 목록

위 실행 가능한 시나리오와 프롬프트 예시는 모두 아래의 지원하는 툴 목록을 기초로 합니다. 아래 툴 및 상세 스키마에 대한 정보는 AI 도구에서 질문하여 확인할 수 있으니 실행 전에 툴 리스트 및 툴별 스키마, 작동 방식에 대한 기준 등을 확인하시는 것이 좋습니다.

✅ 아래 툴의 읽기, 쓰기/변경, 사전 확인은 아래와 같은 기준으로 구분됩니다.

읽기: 데이터를 조회만 합니다. 호출 시 부수효과가 없습니다.
사전 확인: “이 작업을 실행하면 이런 결과가 나옵니다” 를 시뮬레이션 하여 보여줍니다. 실제 데이터 변경은 없고, 사용자가 검토하거나 모델이 검증을 진행할 수 있도록 합니다.
쓰기/변경: 사전 확인 결과로 실제 변경을 적용합니다.

(1) 채용 정보 조회/관리

get_recruitments (읽기): 채용 목록을 조건별로 검색합니다.
get_recruitment (읽기): 특정 채용의 상세 정보와 현황을 확인합니다.
update_job_posting (쓰기/변경): 채용 공고의 내용을 수정합니다.
preview_update_recruitment_status (사전 확인): 채용의 진행 상태와 공개 설정 변경 영향을 미리 확인합니다.
commit_update_recruitment_status (쓰기/변경): 채용의 진행 상태와 공개 설정 변경을 실제 반영합니다.

(2) 지원자 현황 조회/분석

get_applicant_progresses (읽기): 특정 채용 내 지원자 진행 목록을 조회합니다.
overview_applicant_progresses (읽기): 특정 기간을 기준으로 워크스페이스 전체 지원자 현황을 조회합니다.
get_applicant_progress (읽기): 지원자 1명의 상세 정보 (지원서/평가/일정 등) 를 조회합니다.
get_step_transitions (읽기): 채용 내 지원자들의 단계 이동/탈락 이벤트 등 상태 변경 이력을 조회합니다.
get_applicant_tags (읽기): 채용 내 지원자 태그 목록을 조회합니다.
commit_apply_applicant_tags (쓰기/변경): 여러 지원자에게 태그를 일괄 적용합니다.
preview_create_applicant (사전 확인): 지원자 등록 전 입력값과 영향 요소를 점검합니다.
commit_create_applicant (쓰기/변경): 신규 지원자를 실제 등록합니다.

(3) 면접/평가 운영

add_interview_questions (쓰기/변경): 여러 지원자에게 면접 질문지를 일괄 추가합니다.
get_applicant_interview_questions (읽기): 지원자별 면접 질문지를 조회합니다.
add_score_sheet (쓰기/변경): 평가표를 여러 지원자에게 일괄 추가합니다.
overview_events (읽기): 기간별 면접/일정 정보를 조회합니다.

나인하이어 MCP 연동