1. Introduction
📌 MCP? 이건 또 무슨 마케팅이야?
이미 저번 주에 찾아봤지만 포트폴리오 쓴다고 포스팅이 미뤄졌다.
A2A도 같이 다룰까 하다가 결이 다른 느낌이라 그냥 따로 쓰기로 결정.
최근 들어, 링크트인에서도 심심치 않게 찬양하는 글이 많이 보여서 대체 뭔가 찾아봤는데, '그냥 이쯤 성숙해진 단계에서 당연히 나와야 할 게 나온 거 아닌가....?'라는 생각이 들었다.
API 요청/응답 스펙 문서를 관리하고 SDK 만드는 개발자가 이렇게까지 없는 건 아닐 테고, 업계 표준이라 여겨질만한 프로토콜이 나온 것에 환호하는 거라면 그나마 이해가 되긴 한다.
우선, MCP는 새로운 기술이나 아이디어가 아니다.
그냥 기존의 아이디어를 AI 생태계에 맞게 잘 적용한 거라서, 새로운 개념을 공부해야 한다는 스트레스를 크게 받지 않아도 된다.
그리고 당장 AI 솔루션을 서버에 통합해야 하는 급박한 상황이 아니라면, MCP를 굳이 급하게 공부해야 할 이유도 없다고 본다.
server API schema를 데이터 형태로 만들고 client가 자동으로 읽어 사용하는 플로우가 왜 필요한지부터 이해하는 것이 낫다.
📌 MCP 이전의 환경
검색 기능을 활성화했을 때, ChatGPT는 어떻게 웹 크롤링으로 데이터를 수집하는 걸까? LLM에 웹 크롤링 로직이라도 내장되어있는 걸까?
실제로는 미리 구축된 웹 검색 API를 호출해서 필요한 정보를 받아오는 것이다.
클로드나 다른 LLM도 마찬가지다.
LLM이 자연어 입력을 해석해 어떤 API(e.g. 날씨 조회, 뉴스 검색, 일정 관리 기능 등)를 호출할지 결정하고, 그 결과를 바탕으로 답변을 생성하는 것이다.
문제는 지금까지 이 API들의 규격과 데이터 포맷이 제각각 다르다보니, AI Agent에 하드 코딩을 하던가, 특수 플러그인을 사용하던가 등의 맞춤형 통합을 해주었어야만 했었다. (개발 경험이 있다면, 내 서비스에 여러 외부 시스템을 통합해야 할 때의 고통을 떠올려보면 된다.)
개발자들에게 있어 이런 작업은 제품 취약성을 높이고, 확장성을 떨어트린다는 것이 오랫동안 경험적으로 알게된 사실이다.
이로 인해, AI가 아무리 빠르게 발전을 해도 정작 적절한 시점에, 적절한 맥락에 따라, 적절한 데이터를 가져오는 것에 한계가 있었다.
이쯤되면 감이 오겠지만, 이러한 종류의 문제에 대한 해결책은 언제나 비슷비슷하다.
추상화를 시키면 된다.
2. MCP(Model Context Protocol)
📌 def.
Instead of maintaining separate connetors for each data source, developers can now build against a standard protocol.
As the ecosystem matures, AI systems will maintain context as they move between different tools and data sets, replacing today's fragmented integrations with a more sustainable architecture.
- Anthropic -
앤트로픽 공식 페이지에서 MCP를 "USB-C" 포트에 비유하고 있는 것을 확인할 수 있다.
춘추 전국 시대 마냥 온갖 기업에서 자기네들 규격의 USB 포트를 내놓다가, 최근들어 그나마 USB-C 포트로 통일되기 시작하면서 어떤 변화들이 찾아왔는지 생각해보면 된다.
다양한 기기들과 호환도 쉬워지고, 불필요한 허브를 구입하거나, 기기 자체에도 여러 포트를 지원하기 위한 장치가 필요 없어졌다.
그래서 정의도 단순하다.
MCP는 애플리케이션이 LLM에 Context를 제공하는 방법을 표준화하는 개방형 프로토콜이다.
REST API처럼 하나의 통신 규약을 정해두는 게 MCP 내용의 끝이다. (진짜 그게 다임;;)
📌 Host가 시키면, Client가 전달하고, Server가 수행한다.
소제목은 채널톡에서 사용한 걸 카피했다. 아무리 생각해도 저것보다 임팩트있게 전달하는 문구가 생각이 안 나서. 허허
몇 가지 용어를 알아야 하는데, 공식 문서에 나온 그대로 적겠다.
- MCP Hosts: MCP를 통해 데이터에 접근하려는 프로그램들 (e.g. 클로드 데스크탑, IDEs, ChatGPT 등)
- MCP Clients: Host 안에서 서버와 1:1 연결을 유지하는 프로토콜 클라이언트. Server에 요청을 수행.
- MCP Servers: 표준화된 MCP를 통해 클라이언트 요청을 받고, 각각 특정 기능을 노출(수행)하는 경량 프로그램 (e.g. 구글 드라이브, 슬랙, 깃헙 등)
그리고 Tools, Resources, Prompts를 통해 Context를 풍부하게 해준다는데, 각각에 대한 설명은 다음과 같다.
- Tools
- 기존 방식은 function calling이나 API 호출을 할 때, 그 사양(API 엔드포인트, 파라미터 등)이 모델 내부(prompt)나 외부 래퍼 코드에 하드 코딩된 형태
- MCP는 이런 도구(함수) 자체를 표준화된 JSON-RPC 인터페이스로 등록하게 함으로써, 모델이 이 도구는 어떤 입출력을 가지는지를 자동으로 파악하고, 클라이언트는 이를 한꺼번에 관리할 수 있게 한다.
- 도구가 표준화된 문서(schema)로 제공되므로, 모델은 schema를 참조해 맥락적으로 적절한 도구를 선택하고, 도구에 담긴 기능을 하나의 통일된 형태로 인식하면서, 여러 클라이언트와 서버가 이 정보를 동일하게 이해할 수 있다.
- Resources
- 파일, DB 레코드, 외부 API 응답 등을 MCP 서버가 Host에게 제공하는 데이터
- URI, mimeType등의 메타데이터를 정의
- AI Agent는 현재 어떤 리소스들이 있고, 이를 어떻게 요청하고, 어떤 포맷으로 받을 수 있는지를 MCP 스펙으로 파악할 수 있게 된다.
- Prompts
- query template나 대화 흐름을 MCP 서버가 일종의 사전 정의 스크립트로 제공하여, 모델이 이를 호출하거나 참조할 수 있음.
- 하드코딩된 스크립트가 아니라, MCP 서버가 어떤 템플릿들이 있고, 어떤 매개변수를 필요로 하는지가 표준화된 형태로 노출되어 있음.
- 모델이 매번 프롬프트를 재작성하지 않아도 되고, 여러 앱이 공통된 프롬프트를 공유 및 재사용하면서 통일된 대화 흐름을 이어나갈 수 있게 도와줌.
이건 말보다 직접 해보는 게 이해가 쉽다.
기본적으로 클로드 데스크탑을 설치한다고 하더라도, 클로드는 내 파일 시스템에 접근할 수가 없다.
하지만 MCP 서버를 이용해 자원 접근을 가능하게 만들면 되지 않겠는가?
이 내용은 공식 문서를 통해 아주아주 쉽게 따라해볼 수 있다.
{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"C:\\Users\\username\\Desktop",
"C:\\Users\\username\\Downloads"
]
}
}
}이건 Windows 전용 스크립트이므로, MacOS 사용자는 공식 문서에 올라온 소스코드를 활용하면 된다.
그리고 경로 상에 username을 본인 데스크탑 계정 이름에 맞게 수정하고 클로드를 재실행해보자.
그럼 아까와는 달리 이상한 아이콘들이 하단에 추가되어 있고, 어떤 tools를 사용할 수 있는지 상세하게 적혀있다.
짜잔, 그럼 이제 클로드가 MCP Server의 tools를 읽어서 Context에 맞는 함수를 호출하고, 실제로 내 파일 시스템의 자원들을 분석한 것을 확인해볼 수 있다.
3. MCP는 게임 체인저인가?
📌 MCP는 새로운 개념이나 혁신 따위가 아니다.
우선, 현재 MCP가 업계 표준으로서 자리 잡기에는 여러 한계점들이 있다.
공식 문서의 Core Architectrue만 봐도, 지금 당장 tools 말고는 쓸 수 있는 게 없다.
많은 MCP 소개글에서 tools가 MCP의 강점이라고 말하지만, 팩트는 다른 게 아직 지원이 안 되니 강점이 이것 뿐인 것.
Client들 중에서도 그나마 가장 많이 열려있는 Claude Desktop App 같은 것들조차도 Heuristic한 발동 조건들이 필요하다.
즉, 프롬프트 잘 써야 원하는 결과 잘 얻을 수 있다는 것.
그럼 호출하는 주체가 Model이라고 할 수 있는가?
이렇게 되면 기존의 Function calling과는 어떤 점이 다르다고 볼 수 있을까?
그리고 지금 Cursor AI IDE에서 MCP의 tools가 40개 넘으면 지원이 어렵다는 에러 보고가 심심치 않게 나오는데, 이유가 "40개 넘으면 Context에 따른 효과적인 도구 선택을 하기 어렵기 때문"이라고 한다.
MCP가 양방향 소통이 된다고는 하지만, 그건 Function calling도 구현을 안 했을 뿐 할 수 있다. (공식 문서는 아니지만 function calling에 대해 쉽게 적어놓은 블로그가 있길래 첨부.)
아, 그래도 프롬프트 엔지니어 혹은 AI 엔지니어 마음대로 스펙 정의하던 Function calling보다는 낫지 않나요?
그 부분에 있어서는 확실이 잘한 점이긴 하다만, MCP 서버 tools 만들 때는 여전히 name과 description 입력을 필요로 한다.
그럼 이걸 바뀌었다고 볼 수 있나? 모호하다.
현재까지 스펙만으로 따지고 봤을 땐, MCP는 단순히 클로드를 AI 생태계의 중심으로 만들기 위한 마케팅에 지나지 않는다.
(참고로 난 ChatGPT말고 클로드 구독 결제할 정도로 좋아한다.)
📌 업계 표준의 중요성으로서의 MCP
업계 표준이라는 말의 무게와 가치는 상당하다.
솔직히 현재 MCP 자체만으로는 왜 이렇게 호들갑이지 싶을 정도로 별 볼 일 없어 보이지만, 정말 만약에 MCP가 업계 표준으로 받아들여진다면 어떨까?
업계 전체가 하나의 개방형 프로토콜이 표준으로 자리잡게 되면, 각 업체와 개발자들이 같은 규격과 스키마를 공유하게 될 것이다.
이런 통일된 규격은 오픈 소스 커뮤니티에서도 자동화 도구, SDK, 라이브러리 등을 빠르게 발전시키는 데 일조할 것이고, 다양한 기능들의 모듈들이 상호 운용될 수 있는 기반을 마련해준다.
이러한 변화는 앞으로 더 빠른 성장의 가속화를 불러올 것이고, 장기적으로는 생태계 전반에 걸쳐 무한한 확장 가능성을 내포한다.
또한, 사용자 진입 장벽을 큰 폭으로 낮춰버렸다는 것이 포인트다.
비개발자들이 ChatGPT가 나오면서 아이디어만 있으면 간단한 애플리케이션을 만들어 성공하는 사례가 심심치 않게 나왔던 것을 생각해보자.
function calling이니 API 규격 통합을 위한 하드 코딩이니 이런 걸 몰라도 AI Agent와 외부 시스템 통합을 보다 쉽게 이뤄낼 수 있게 된 것이다.
그럼 더 많은 수요와 아이디어들이 쏟아질 테고, 이게 또 스노우볼이 되어 어떤 결과를 가져올 지 예측이 불가능하다.
지금 갑자기 뻥튀기된 것도 Cursor에서 MCP를 공식 지원하기 시작하면서 발생한 건데, 개발자들이 애용하는 Cursor에서 MCP를 지원해준다??
포텐셜이 진짜 어마어마하다.
4. Conclusion
📌 굳이 필요 없다면 하던 대로 하면 될 듯 하다.
MCP는 당장 유행에 맞춰 적용하기엔 여러 허술한 점이 많다.
특히 보안 이슈가 문젠데, LLM과 외부 시스템 간 소통 과정에서 단순 데이터 송/수신을 넘어, 때로는 코드 실행이나 API 호출 등의 민감한 작업이 이루어지기 때문에 악의적인 요청에 의한 보안 취약점이 발생할 수 있다.
MCP Inspector가 있긴 한데, 이것도 완전히 해결하거나 보장하는 게 아니라, 그냥 현재 구성과 통신 흐름을 검사하는 보조 도구 정도에 불과하기 때문에 개발자 역량에 따라 달려있다.
공식 문서에서의 Security and Trust & Safety 가이드라인만 살펴봐도 보안 솔루션을 제공하고 있는 게 아니라, 그냥 너네가 이런 거 고려해서 보안 정책 잘 마련해야 해~~~ 정도의 설명이 끝이다.
아직까진 업계 표준으로 자리잡을 수 있을 지 의문점이 가는 부분도 많고,
만약 MCP의 필요성이 대두된 흐름 자체를 이해 못 하겠다면, 기존의 근본적인 프로토콜이나 더 공부해보는 것이 좋을 것 같다.
📌 Reference
모델 컨텍스트 프로토콜 (MCP) - Anthropic
프로토콜에 대해 자세히 알아보고, 서버와 클라이언트를 구축하는 방법을 배우며, 다른 사람들이 만든 것들을 발견해보세요.
docs.anthropic.com
MCP는 AI 업계의 표준이 될까요?
AI에 수많은 앱이 연결되는 세상, 머지않았습니다
channel.io
요즘 핫한 ‘MCP’, 정체가 뭘까? | 요즘IT
엄청난 능력을 가진 LLM도, 훈련할 때 사용한 학습 데이터의 범위를 넘어선 정보가 필요한 경우에는 어려움을 겪게 됩니다. 특히 최근 한창 각광받는 AI 에이전트는, ‘적절한 시점’에 ‘적절한
yozm.wishket.com