ChatGPT 앱에서 분석 수집 및 개인화 적용(MCP 데이터 수집)

이 사용 사례에서는 ChatGPT 앱(Model Context Protocol 서버 + 선택적 UI 구성 요소)을 Adobe Experience Platform Edge Network에 연결하는 방법을 보여 줍니다. 이 유형의 데이터 수집을 사용하면 도구를 호출하는 대화 상호 작용에 대한 분석을 기록하고 Edge Network의 개인화 결정을 ChatGPT에서 렌더링된 위젯으로 전달할 수 있습니다.

이 사용 사례에서는 데이터 수집을 위한 서버측 구현과 개인화된 콘텐츠를 렌더링하기 위한 클라이언트측 구현을 모두 사용하여 하이브리드 접근 방식을 선호합니다. MCP 도구 호출이 분석을 수집하는 가장 신뢰할 수 있는 순간이므로 이 접근 방식이 이상적입니다. 위젯은 브라우저 컨텍스트에서 실행되며 ID(쿠키에)를 저장하고 개인화 결정을 적용할 수 있는 올바른 위치입니다.

이 사용 사례에는 완전한 작동 코드 예제가 포함되어 있습니다. 샘플 코드 및 구현 지침은 GitHub의 ​ 리포지토리에서 ​ChatGPT 앱 + Adobe Experience Platform Edgealloy-samples을(를) 참조하십시오.

아키텍처

높은 수준에서, 5개의 움직이는 부품이 있습니다.

데이터 흐름

다음 섹션에서는 각 단계에 대해 자세히 설명합니다.

1단계: 사용자가 MCP 서버를 사용하여 ChatGPT에 프롬프트

이 단계는 워크플로의 진입점입니다. 사용자는 다음과 같은 자연어 의도를 제공합니다.

"Use the Adobe Office Information Tool to show me details about which office that is the most pet-friendly."

자세한 내용은 OpenAI 개발자 설명서에서 MCP 서버 구축을 참조하십시오.

2단계: ChatGPT는 의도를 해석하고 MCP 도구를 호출합니다.

ChatGPT는 MCP 서버의 메타데이터를 기반으로 의도를 해석하고 MCP 서버에서 적절한 도구 핸들러를 호출합니다. 이 도구 호출은 UI 렌더링 성공과 무관한 상호 작용에 대한 서버측 참 지점을 만듭니다. 도구 중 하나에 다음 메타데이터가 있을 수 있습니다.

{
  "name": "office_details",
  "description": "Fetch details for a single office by ID and return personalization handles for the UI.",
  "inputSchema": {
    "type": "object",
    "properties": {
      "sessionId": { "type": "string", "description": "Server-issued session identifier." },
      "officeId": { "type": "string", "description": "Office identifier." }
    },
    "required": ["sessionId", "officeId"],
    "additionalProperties": false
  },
  "_meta": {
    "ui": {
      "visibility": ["model", "app"]
    }
  }
}

각 MCP 도구가 수행하는 작업을 ChatGPT에 알리는 방법에 대한 자세한 내용은 OpenAI 개발자 설명서에서 도구 정의를 참조하십시오.

3단계: MCP 서버가 경험 이벤트를 Edge Network에 전송

MCP 서버가 요청을 수신하면 분석 데이터를 기록하고 필요한 경우 의사 결정/개인화를 요청하기 위해 Adobe Experience Platform Edge Network 호출을 트리거합니다. 이 요청은 서버 간 요청이므로 인증된 interact 끝점을 데이터 수집 API의 일부로 사용합니다. Adobe에서는 사용자 지정 네임스페이스를 사용하여 OpenAI 고유 식별자를 전달하는 것이 좋습니다. ID UI에서 만드는 네임스페이스와 호출에서 정의하는 ID 네임스페이스가 일치하는지 확인합니다(대/소문자 구분).

curl -X POST "https://server.adobedc.net/ee/v2/interact?datastreamId={DATASTREAM_ID}"
  -H "Authorization: Bearer {TOKEN}"
  -H "x-gw-ims-org-id: {ORG_ID}"
  -H "x-api-key: {API_KEY}"
  -H "Content-Type: application/json"
  -d '{
    "event": {
      "xdm": {
        "eventType": "office.details.view",
        "identityMap": {
          "{IDENTITY_NAMESPACE}": [
            { "id": "{PSEUDONYMOUS_SUBJECT_ID}", "primary": true }
          ]
        },
        "timestamp": "YYYY-02-20T19:00:00.000Z"
      }
    },
    "query": {
      "personalization": {
        "decisionScopes": ["__view__"]
      }
    },
    "meta": {
      "state": {
        "entries": [
          { "key": "kndctr_orgid_cluster", "value": "{CLUSTER_HINT_IF_KNOWN}" },
          { "key": "kndctr_orgid_identity", "value": "{ECID_BLOB_IF_KNOWN}" }
        ]
      }
    }
  }'

4단계: Edge Network이 핸들을 반환합니다.

Edge Network이 interact 호출을 받으면 handle 배열로 응답합니다. 이 배열에는 데이터 스트림 구성에 따라 ID 및 개인화 결정이 포함될 수 있습니다. 예제 응답은 다음과 같습니다.

{
  "requestId": "60a2f...2294d",
  "handle": [
    {
      "type": "locationHint:result",
      "payload": [
        { "scope": "EdgeNetwork", "hint": "or2", "ttlSeconds": 1800 }
      ]
    },
    {
      "type": "state:store",
      "payload": [
        { "key": "kndctr_..._identity", "value": "CiYzM...snTI=", "maxAge": 34128000 },
        { "key": "kndctr_..._cluster", "value": "or2", "maxAge": 1800 }
      ]
    }
  ]
}

그런 다음 MCP 서버는 Edge Network 응답에서 정보를 추출하여 ID 정보를 유지할 수 있습니다.

type EdgeHandle = { type: string; payload?: Array<{ key?: string; value?: string }> };

export function extractStateStore(handles: EdgeHandle[]) {
  const store = handles.find(h => h.type === "state:store");
  const entries = store?.payload ?? [];

  const identity = entries.find(e => e.key?.includes("_identity"))?.value;
  const cluster  = entries.find(e => e.key?.includes("_cluster"))?.value;

  return { identity, cluster };
}

5단계: MCP 서버가 구조화된 도구 출력과 Adobe 메타데이터를 ChatGPT에 반환

MCP 도구 응답에는 Edge Network의 구조화된 도구 출력과 개인화가 모두 포함됩니다.

{
  "content": "Displayed details for office seattle.",
  "structuredContent": {
    "office": {
      "id": "seattle",
      "name": "Seattle",
      "amenities": ["Pet Friendly", "Cafe", "Bike Storage"]
    }
  },
  "_meta": {
    "adobe": {
      "identityMap": {
        "{IDENTITY_NAMESPACE}": [
          { "id": "{PSEUDONYMOUS_SUBJECT_ID}", "primary": true }
        ]
      },
      "handles": [
        {
          "type": "state:store",
          "payload": [
            { "key": "kndctr_..._identity", "value": "..." }
          ]
        },
        {
          "type": "personalization:decisions",
          "payload": [
            { "id": "..." }
          ]
        }
      ]
    }
  }
}

자세한 내용은 OpenAI 개발자 참조의 도구 결과를 참조하십시오.

6단계: 위젯이 결과를 렌더링하고 _adobe.handles을(를) 사용하여 applyResponse을(를) 적용합니다.

위젯은 structuredContent에서 비즈니스 데이터를 렌더링한 다음 _meta.adobe에서 Adobe 메타데이터를 읽습니다. ChatGPT에서 호환성 레이어를 통해 위젯에 동일한 데이터를 사용할 수 있습니다.

위젯은 웹 SDK JavaScript 라이브러리의 applyResponse 명령을 사용하여 클라이언트측 상태를 하이드레이션하고 서버측 interact 호출에서 반환된 개인화 결정을 렌더링합니다. configure을(를) 호출하기 전에 applyResponse 명령을 호출했는지 확인하십시오. MCP 서버가 interact 호출을 수행했으므로 도구 호출의 상호 작용을 위해 sendEvent 명령을 즉시 호출할 필요가 없습니다.

// Configure the Web SDK before any other commands.
alloy("configure", {
  datastreamId: "YOUR_DATASTREAM_ID",
  orgId: "YOUR_EXPERIENCE_CLOUD_ORG_ID"
});

// Business data exposed to ChatGPT and the widget.
const { office } = window.openai?.toolOutput ?? {};

// Adobe metadata available only to the widget.
const adobe = window.openai?.toolResponseMetadata?.adobe ?? {};
const { identityMap, handles } = adobe;

// Hydrate client-side state and render personalization decisions from the
// server-side interact response.
alloy("applyResponse", {
  renderDecisions: true,
  responseBody: { handle: handles ?? [] }
});

위젯이 나중에 추가 UI측 이벤트를 전송하는 경우 해당 호출에 동일한 identityMap을(를) 포함할 수 있습니다.

alloy("sendEvent", {
  xdm: {
    eventType: "office.details.widgetView",
    identityMap
  }
});

이 패턴은 서버측 interact 호출이 Analytics 수집 및 의사 결정에 대한 올바른 소스로 유지되도록 하는 동시에 서버측 및 UI측 ID 사용을 정렬합니다.

유효성 검사

위의 모든 단계가 구성되면 다음을 확인할 수 있습니다.

보안 및 개인 정보 고려 사항