Zendesk MCP Server

Zendesk 티켓 데이터를 활용하여 AI Agent가 고객 지원 관련 인사이트를 제공할 수 있도록 하는 MCP(Model Context Protocol) 서버입니다.

🚀 주요 기능

📋 사전 요구사항

• Docker

• Zendesk 계정 및 API 토큰

⚡ 빠른 시작

Docker 실행

또는 AWS ECR Public에서:

환경변수

🔌 클라이언트 연결

Claude Desktop / Cursor

mcp.json 또는 mcp_settings.json에 추가:

HTTP 모드 연결

서버를 HTTP 모드로 실행 후:

💬 사용 예시

AI Agent에게 다음과 같이 질문할 수 있습니다:

• "최근 90일간 모니터링 관련 문의가 많은 고객사를 찾아줘"

• "Datadog, Prometheus, 관제 키워드로 관심 고객사를 검색해줘"

• "이번 달 티켓 해결 실적이 가장 좋은 담당자는 누구야?"

• "최근 서비스별 문의 트렌드를 분석해줘"

📖 도구 상세

search_tickets_by_tag

서비스 분류 태그 기반으로 티켓을 검색하고 고객사별로 집계합니다.

파라미터:

• service_tag (필수): 검색할 서비스 분류 태그

• period_days (기본값: 365): 검색 기간 (일)

search_tickets_with_keywords

키워드 기반으로 티켓을 검색하고 고객사별로 집계합니다. 서비스 태그가 없는 과거 티켓 검색에 유용합니다.

파라미터:

• keywords (필수): 검색할 키워드 목록

• period_days (기본값: 365): 검색 기간 (일)

search_tickets

자유 검색어로 티켓을 검색합니다.

파라미터:

• query (필수): 검색 쿼리

• status: 티켓 상태 필터 (open, pending, hold, solved, closed)

• period_days: 검색 기간 (일)

• limit (기본값: 50): 반환할 최대 티켓 수

get_ticket_details

특정 티켓의 상세 정보를 조회합니다.

파라미터:

• ticket_id (필수): Zendesk 티켓 ID

get_top_agents

기간 내 가장 많은 티켓을 해결한 담당자를 조회합니다.

파라미터:

• period_days (기본값: 30): 검색 기간 (일)

• limit (기본값: 10): 반환할 담당자 수

get_service_trends

서비스별 문의 빈도를 분석합니다.

파라미터:

• period_days (기본값: 90): 검색 기간 (일)

• limit (기본값: 10): 반환할 서비스 수

📚 추가 문서

• 개발 및 배포 가이드 - 로컬 개발, Docker 빌드, 배포 방법

📄 라이선스

MIT License