EventOps: 이벤트 운영을 위한 MCP 서버 + AI CLI

EventOps는 수년간 쌓인 지저분한 이벤트 티케팅 내보내기 파일을 AI 도구가 실제로 추론할 수 있는 형태로 변환합니다. MQIS의 이벤트 및 멤버십 데이터(Humanitix 내보내기)를 모든 Model Context Protocol 클라이언트(Claude Desktop, Claude Code, Cursor)에 결정적(deterministic) 도구 세트로 노출하며, 동일한 도구 위에서 운영(ops) 보고서와 동의 반영 이메일을 작성하는 소형 AI 지원 명령줄 도구도 함께 제공합니다.

이는 AI 도구에 일반적인 답변 대신 프로젝트별 컨텍스트를 부여하기 위해 만들었습니다. 이게 핵심입니다. AI는 추측하는 대신 get_event_metrics("Saazish")를 호출해 정확한 수치를 얻습니다.

디자인 원칙: 결정적 도구, AI는 서술 전담

모든 수치는 pandas에서 나오며 언어 모델에서 나오지 않습니다. MCP 도구와 CLI는 모두 집계를 수행하는 하나의 EventData 객체(data_loader.py)를 호출합니다. AI는 어떤 도구를 호출할지와 결과를 어떻게 서술할지만 결정합니다. AI는 수익을 계산하지 않으므로 수익 수치를 지어낼 수 없습니다. 이것은 이 프로젝트에서 가장 중요한 특성입니다.

Related MCP server: mcp-data-lens

어떤 기능이 있나 (실제 데이터로 확인)

8개 데이터셋 기준: 주문 3,690건, 유효 티켓 4,690장, 고유 인원 약 2,770명, 그리고 MQIS에 귀속된 수익 약 A$61.4k(플랫폼 수수료 차감 후 순액, 티켓 총액 약 A$62.1k). 2개 이상의 서로 다른 이벤트에 참여한 사람은 238명이며, 그중 69명은 멤버십도 보유하고 있습니다.

원천 데이터에는 서로 다른 의미를 가진 세 개의 금액 열이 있습니다. Ticket sales(티켓 액면가 총액), Paid(고객이 Humanitix 수수료를 포함하여 실제로 지불한 금액), 그리고 Your earnings(MQIS가 실제 받은 금액)이 그것입니다. EventOps는 Your earnings를 "MQIS의 수익"으로 보고하기 때문에, 핵심 수치가 정직합니다.

MCP로 노출되는 도구 (server.py)

AI CLI (cli.py)

python cli.py summary
python cli.py report      --event "Saazish"
python cli.py compare     --e1 "Raaz" --e2 "Saazish"
python cli.py draft-email --type promo --target non-members --event "Gulaal"
python cli.py attendee    --query "someone@example.com"

어떤 명령에나 --raw를 붙이면 AI가 작성한 버전 대신 내부 JSON 사실값을 출력합니다. AI는 항상 --raw 수치를 다시 서술할 뿐이므로, 지웨 키즈가 정확하다는 사실을 보여주는 훌륭한 방법이됩니다.

draft-email 명령은 Marketing opt-in이 Yes인 사람만 포함하기 때문에 동의하지 않은 사람에게는 이메일 초안을 만들지 않습니다.

설치/설정

python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

# 1. Sample data (safe, synthetic) so it runs out of the box:
python gen_sample_data.py

# 2. Or use real data: drop your Humanitix CSV exports into ./data/
#    (that folder is git-ignored and never committed)

# 3. For the CLI, set your key:
cp .env.example .env   # then edit, or just:
export ANTHROPIC_API_KEY=sk-ant-...

./data가 비어 있으면 EventOps는 자동으로 ./sample_data를 사용하므로, 방금 clone한 상태에서도 곧바로 작동합니다.

클라이언트에 MCP 서버 등록하기

Claude Desktop / Claude Code (claude_desktop_config.json):

{
  "mcpServers": {
    "eventops": {
      "command": "python",
      "args": ["/absolute/path/to/event-ops-mcp/server.py"]
    }
  }
}

Cursor (.cursor/mcp.json): 동일한 형식입니다. 클라이언트를 재시작한 후에는 들립니다. "Using eventops, compare Raaz and Saazish"라고 묻거나 "우리의 가장 충성도 높은 참석자는 누구?입니다"고 하시면 됩니다. 그러면 해당 도구를 호출합니다.

데이터 프라이버시

실제 내보내기에는 개인정보(이름, 이메일 주소, 전화번호)가 포함되어 있습니다. 개인정보는 ./data/에 있으며, 여기는 git-ignore됩니다. 커밋되는 것은 단지 합성 데이터인 ./sample_data/뿐입니다. 실제 참석자 데이터를 되도록 커밋하지 마세요.

파일

event-ops-mcp/
├── data/                # real Humanitix CSVs (git-ignored, you provide)
├── sample_data/         # synthetic CSVs, safe to commit
├── data_loader.py       # cleaning + all deterministic analytics
├── server.py            # FastMCP server exposing the tools
├── cli.py               # AI-enabled CLI (Anthropic API)
├── gen_sample_data.py   # builds the synthetic dataset
├── requirements.txt
├── .env.example
└── .gitignore