연결된 엔터프라이즈 컨텍스트를 통해 Salesforce 에이전트를 더욱 유용하고 설명 가능하며 행동 지향적으로 만드는 방법

Salesforce는 고객 작업이 이루어지는 곳이죠. 판매자는 계정 회의를 준비하고, 서비스 팀은 사례를 조사하고, 수익 팀은 다음에 집중할 부분을 결정해요. Agentforce는 AI 에이전트를 이러한 워크플로에 도입하지만, 에이전트의 답변 품질은 여전히 도달할 수 있는 컨텍스트에 따라 달라진다는 점!
계정 기록을 통해 회사가 고객에 대해 알고 있는 정보를 알 수 있지만, 자회사, 공급업체, 경쟁사, 임원, 산업, 최근 뉴스, 계정이 변경되는 이유를 설명하는 2차 관계 등 해당 고객 주변의 광범위한 네트워크는 표시되지 않을 수 있어요. 연결된 컨텍스트는 정확히 Neo4j Knowledge Graph가 유용한 곳이죠.
이 게시물에서는 Salesforce Agentforce에서 Neo4j를 기반 작업으로 사용할 수 있도록 하는 방법을 보여드릴게요. 예는 Salesforce의 워크플로 레이어와 Neo4j 회사 Knowledge Graph를 결합한 산업 연구 에이전트인데요. 따라서 사용자는 전략적 계정 브리핑을 요청하고 일반적인 웹 스타일 요약이 아닌 명시적인 관계에 기반한 응답을 받을 수 있어요.
CRM 에이전트에 연결된 컨텍스트가 필요한 이유
일반적인 Salesforce 작업 흐름을 고려해볼까요?
"내일 Neo4j와 회의가 있어요. 회사, 경쟁사, 공급업체, 자회사 및 최근 뉴스에 대해 브리핑해 주세요."
유용한 답변은 CRM 요약에서 끝나서는 안 되겠죠. 상담사는 다음을 결합해야 할 수도 있어요.
- Salesforce 컨텍스트: 계정 소유권, 열려 있는 기회, 최근 활동, 갱신 날짜, 지원 사례, 내부 메모
- 시장 상황: 경쟁사, 공급업체, 자회사, 임원, 업계 및 관련 회사
- 최근 개발: 비즈니스 네트워크에 있는 회사 또는 법인을 언급하는 뉴스
- 추론 맥락: 관계가 중요한 이유와 권장 사항을 뒷받침하는 기본 데이터는 무엇인가?
기존 검색은 문서 및 스니펫에 도움이 될 수 있지만, 많은 비즈니스 질문은 관계 질문이에요. “이 계정에는 어떤 공급업체가 연결되어 있나요?”, “최근 소식이 있는 자회사는 어디입니까?”, “같은 업계에서 활동하는 경쟁업체는 어디인가요?” 이는 그래프 모양의 질문이며 텍스트 검색보다는 그래프 순회를 통해 이점을 얻을 수 있죠.
Neo4j는 이러한 종류의 작업을 위해 Agentforce에 연결된 데이터 계층을 제공해요. 느슨한 텍스트에서 관계를 추론하도록 언어 모델에 요청하는 대신, 선별된 그래프 `쿼리`를 Salesforce 작업으로 노출할 수 있어요. 에이전트는 사용자 의도와 워크플로에 집중하는 반면 Neo4j는 비즈니스 네트워크에 대한 구조화된 사실을 반환하죠.
Agentforce가 적합한 곳
Agentforce는 추론하고, 작업을 선택하고, CRM 시스템과 상호 작용할 수 있는 에이전트를 중심으로 설계되었어요. 현재 Salesforce 용어에서 하위 에이전트는 집중된 작업 영역을 처리하며 해당 에이전트가 정보를 검색하고 로직을 실행하거나 외부 시스템을 호출할 수 있는 작업을 수행해요.
해당 모델은 Neo4j에 적합하답니다.
- 하위 에이전트는 회사 인텔리전스 또는 계정 조사와 같은 집중적인 워크플로를 소유할 수 있어요.
- 작업을 통해 '회사에 대한 통찰력 얻기: Neo4j'와 같이 안전하고 선별된 Neo4j 기능을 노출할 수 있어요.
- Flow는 그래프 `쿼리` 전후에 Salesforce 기반 강화를 조정할 수 있어요.
- 프롬프트 템플릿을 사용하면 상담사 자체에 모든 지침을 입력하지 않아도 최종 응답을 구성할 수 있어요.
곧 Salesforce에 기본 MCP 통합이 제공될 예정인데, 이걸 통해 적합성이 더욱 향상될 거예요. 가능해지면 더 자세히 알아볼게요.
결과적으로 지침이 간단하고 감사 가능하며 Salesforce 팀에 친숙한 에이전트 아키텍처가 만들어지는 거죠. 관리자는 Flow와 프롬프트 동작을 관리하고, 개발자는 그래프 쿼리 및 통합 코드를 관리하고, 비즈니스 사용자는 Salesforce 환경을 유지할 수 있어요.
참조 사용 사례: 회사 인텔리전스
Neo4j Labs Salesforce Agentforce 통합 가이드에서는 회사 통찰력 워크플로를 구현하는 방법을 보여줘요. 에이전트는 사용자 요청에서 조직 이름을 캡처하고 Salesforce 작업을 호출해서 구조화된 브리핑을 반환하죠.
Neo4j 데모 데이터베이스에는 조직, 사람, 위치, 산업 및 기사와 같은 엔터티가 포함된 회사 및 뉴스 데이터가 들어있어요. 특정 회사의 경우, 그래프 쿼리를 통해 조직 프로필에서 주요 리더십, 상업 및 경쟁 환경을 거쳐 회사 또는 네트워크의 법인을 언급하는 최근 기사 집합에 이르기까지 다양한 속성을 검색할 수 있어요.
이 응답이 Agentforce 답변의 실제 기반이 되는 거예요. 언어 모델은 회사 네트워크를 만들 필요 없이 구조화된 그래프 데이터를 받아서 Prompt Engineering을 사용해 전문적인 형식으로 요약하는 거죠.
판매자의 경우 최종 응답은 회의 브리핑이 될 수 있고, 고객 성공 관리자의 경우 갱신 위험 요약이 될 수 있어요. 서비스 팀의 경우 에스컬레이션 전에 전략적 계정에 대한 컨텍스트를 제공할 수도 있죠. 기본 패턴은 동일해요. Salesforce는 워크플로를 소유하고 Neo4j는 연결된 컨텍스트를 소유하는 거죠.
Salesforce 기본 통합 패턴
구현은 간단한 요청 경로로 설명할 수 있어요.

중요한 설계 선택은 LLM이 시스템의 모든 부분을 책임지지 않는다는 점이에요. 에이전트는 사용자의 의도를 식별하고, 액션 경계는 무엇을 호출할 수 있는지 정의하고, Flow는 CRM 기록을 통해 답변을 풍부하게 할 수 있고, Neo4j는 그래프 쿼리를 수행하고, 프롬프트 템플릿은 최종 톤과 구조를 제어하는 거죠.
이렇게 하면 통합을 더 쉽게 관리할 수 있어요. 사용 가능한 작업을 검토하고, 작업 뒤에 있는 Cypher 쿼리를 검사하고, Salesforce 설정을 통해 자격 증명을 관리하고, 모델에 반환해야 하는 그래프 사실을 정확하게 결정할 수 있죠.
Neo4j를 Agentforce에 연결하는 세 가지 방법
기술 가이드에서는 세 가지 통합 트랙을 설명하는데, 서로 다른 Salesforce 팀을 위한 배포 선택만큼 경쟁적인 접근 방식은 아니에요.
제어를 위한 Apex 작업
Apex는 Salesforce 내에서 모든 권한을 원할 때 가장 직접적인 옵션이에요. 샘플에서는@InvocableMethod"Neo4j 조직 통찰력 얻기" 작업을 노출하죠. Apex 서비스는 Named Credential을 통해 Neo4j의 HTTP Query API를 호출하고 JSON을 수신해서 그래프 응답을 단순화하고 이를 Agentforce에 반환해요.
이 방법은 다음과 같은 경우에 적합해요.
- 동일한 거래 Flow에서 Neo4j 결과를 Salesforce 기록과 결합할 때
- 맞춤 검증, 오류 처리 또는 응답 형성을 추가할 때
- 기존 Salesforce 개발 방식과 긴밀하게 통합을 유지할 때
- Flow, 프롬프트 템플릿 또는 Lightning 구성 요소에서 동일한 논리를 재사용할 때
프로덕션 코드의 경우 Cypher를 매개변수화된 상태로 유지하고 비즈니스 작업과 일치하는 좁은 작업을 노출하는 게 좋아요. '계정 네트워크 브리핑 받기'는 상담사가 일반적인 '임의 Cypher 실행' 작업보다 사용하기가 더 안전하고 쉽거든요.
로우 코드 통합을 위한 외부 서비스 작업
외부 서비스는 선언적 Salesforce 설정을 원할 때 유용해요. OpenAPI 스키마를 사용해서 REST API를 노출하고 해당 스키마를 Salesforce로 가져온 다음 생성된 작업을 Flow 또는 Agentforce의 작업으로 사용하는 거죠.
샘플 브리지는 Cloudflare Workers와 같은 플랫폼에 적합한 경량 Node.js 서비스를 사용해요. 브리지는 회사 이름을 수신하고 Neo4j를 호출하며 Salesforce가 이해할 수 있는 구조화된 응답을 반환하죠.
이 방법은 다음과 같은 경우에 적합해요.
- 첫 번째 버전에는 Apex를 사용하지 않을 때
- Neo4j 어댑터를 Salesforce 외부에 배치할 때
- 소규모 서비스에서 API 변환 로직을 중앙 집중화할 때
표준 기반 도구 레이어용 MCP
MCP(모델 컨텍스트 프로토콜)는 AI 에이전트에 도구와 컨텍스트를 노출하는 일반적인 방법이 되고 있어요. Salesforce MCP 지원이 성숙해지고 더 많은 Agentforce 환경에서 사용 가능해짐에 따라 Neo4j의 MCP 서버는 그래프 기능을 노출하는 표준 기반 방법을 제공할 수 있죠.
MCP 경로는 에이전트가 공통 프로토콜을 통해 선별된 그래프 도구를 검색할 수 있다는 점에서 매력적이에요. 동일한 주의가 여전히 적용되는데, 엔터프라이즈 에이전트는 무제한 데이터베이스 액세스가 아닌 특정 관리 도구를 받아야 한다는 거죠. 올바른 패턴은 명확한 설명, 입력 및 권한을 통해 비즈니스에 안전한 그래프 작업을 노출하는 거예요.
이 통합 방법은 Salesforce 로드맵에 있으며 2026년 중반에 일반 공급될 예정이에요.
이것이 "Salesforce의 RAG" 그 이상인 이유
Retrieval-Augmented Generation은 종종 올바른 텍스트를 찾아 모델에 제공하는 것으로 설명되는데, 이는 유용하지만 Salesforce 워크플로에는 텍스트 조각 이상의 것이 필요한 경우가 많아요. 연결된 운영 컨텍스트가 필요하죠.
그래프는 다음과 같은 질문에 답할 수 있어요.
- 공급업체 또는 자회사를 통해 이 계정과 관련된 회사는 무엇인가?
- 대상 계정뿐만 아니라 주변 네트워크의 회사도 언급하는 뉴스 항목은 무엇인가?
- 추천을 설명하는 관계는 무엇인가?
- 상담원이 응답하기 전에 어떤 CRM 기록을 외부 시장 인텔리전스와 결합해야 하는가?
Neo4j는 이러한 관계를 명시적으로 만들어요. Agentforce에서는 사용자가 이미 작업 중인 CRM 워크플로에 답변을 가져와 이를 운영할 수 있는 거죠.
이건 설명 가능성을 높여주기도 해요. 그래프 기반 응답은 답변을 생성하는 데 사용된 엔터티와 관계를 명확히 보여줄 수 있거든요. 눈에 보이는 근거 없이 불투명하게 요약된 내용보다 훨씬 기업 환경에서 유용하겠죠?
가장 먼저 시도해 볼 사항
통합을 테스트해보고 싶다면 Apex 또는 외부 서비스 트랙으로 시작해보세요.
- 샘플 회사 인사이트 작업을 사용해보세요. Neo4j Labs Salesforce Agentforce 통합 가이드를 참고하면 돼요.
- 회사 또는 계정 인텔리전스를 위해 집중된 Agentforce 하위 에이전트에 작업을 추가해보세요.
- "경쟁사, 공급업체, 자회사 및 최근 뉴스를 포함하여 Neo4j에 대해 브리핑해 주세요."와 같이 구체적인 프롬프트로 테스트해보세요.
- Flow를 통해 계정 소유자, 진행 중인 기회, 최근 사례, 예정된 갱신 날짜 등 Salesforce 보강을 추가하세요.
마지막 단계에서는 데모가 독립 실행형 그래프 쿼리 대신 Salesforce 워크플로가 되는 거예요. Neo4j는 연결된 비즈니스 컨텍스트를 제공하고, Salesforce는 고객 상황과 프로세스를 제공하죠.
텍스트 그 이상: Salesforce UI의 그래프 컨텍스트
첫 번째 버전은 Agentforce 대화에서 텍스트 브리핑을 반환할 수 있지만, 동일한 그래프 데이터가 훨씬 풍부한 Salesforce 경험을 지원할 수 있어요.
예를 들어 Lightning 웹 구성 요소는 계정 페이지에 현지화된 계정 네트워크(중앙 계정, 주변에 연결된 공급업체 및 자회사, 관련 조직에 첨부된 최근 기사)를 렌더링할 수 있죠. 판매자는 회의 전에 해당 그래프를 검토할 수 있고, 서비스 관리자는 에스컬레이션 중에 동일한 보기를 열 수 있어요. 수익 리더는 이를 사용하여 계정 집중이나 생태계 위험을 이해할 수 있겠죠?
이것이 바로 조합이 특히 실용적이 되는 부분이에요. Agentforce는 질문에 대화식으로 답변할 수 있고 Salesforce UI 구성 요소는 그래프를 검사 가능한 비즈니스 개체로 유지할 수 있답니다.
- Neo4j Labs Salesforce Agentforce 통합 가이드
- Neo4j 에이전트 통합 저장소
- Neo4j MCP 서버
- Salesforce Agentforce API 및 SDK
- AI 에이전트
- CRM
- mcp 서버
- 세일즈포스
에이치시스템즈의 LogTree는 Neo4j 기반 GraphRAG 플랫폼으로, 데이터를 자동으로 지식그래프화하고 자연어 질의로 즉시 답을 제공합니다.
'Ontology & Knowledge Graph' 카테고리의 다른 글
| 28달러짜리 부품이 5백만 달러짜리 장비를 망가뜨리는 방법 – 그리고 GenAI가 이를 막는 방법 (1) | 2026.07.05 |
|---|---|
| 헬스케어 CIO들이 Knowledge Graph 기반 없이 AI 확장을 감당할 수 없는 이유 (0) | 2026.07.05 |
| Packt Publishing의 전략적 비전을 그래프로 실현하는 방법 (0) | 2026.07.04 |
| 정부의 그래프 활용: NASA Knowledge Graph 파헤치기 (1) | 2026.07.04 |
| 자동차 및 제조 산업에서 그래프 활용: 데이터에서 새로운 가치를 발견하세요 (0) | 2026.07.04 |
