불과 몇 년 전까지만 하더라도 삼성, 애플, LG, 소니 등 브랜드별로 다른 충전 케이블이 필요했던 것 기억하시죠? 그러다 USB-C라는 표준이 등장하면서 이 문제가 해결되었고, 이제는 하나의 케이블로 대부분의 기기를 충전할 수 있게 되었는데요.
AI 세계도 비슷한 상황에 놓여 있었습니다. 수많은 AI 도구들이 각기 다른 방식으로 데이터와 소통하고 있어 개발자들은 AI를 외부 시스템에 연결할 때마다 맞춤형 통합 코드를 작성해야만 했습니다. AI 모델이 데이터베이스, 파일 시스템, 외부 API 등과 상호작용하려면 마치 각각 다른 ‘케이블’이 필요한 상황이었던 것이죠.
이런 상황에서 최근 MCP(Model Context Protocol)라는 새로운 표준이 등장하였고, AI 세계의 USB 포트와 같은 역할을 하며 새로운 가능성을 열어주고 있습니다.
1. MCP란 무엇인가?
MCP(Model Context Protocol)는 Anthropic이 2024년 11월에 발표한 표준화된 통신 프로토콜입니다. MCP가 등장하기 이전에는 많은 개발자들이 AI 에이전트(=AI 시스템) 를 개발하기 위해 AI 모델을 각 데이터 소스 또는 API 등과 연결할 때마다 각기 다른 사용자 지정 코드를 작성하거나 특수 플러그인을 사용해야 했습니다.
출처 : https://norahsakal.com/blog/mcp-vs-api-model-context-protocol-explained/
하지만 MCP로 인해 이제 우리는 일관된 방식으로 소통할 수 있습니다. MCP는 AI가 외부 도구를 찾고, 연결하고, 사용하는 방법에 대한 명확한 규칙을 제시하기 때문이죠.
2. MCP 아키텍처
그럼 실제로 MCP가 어떻게 구성되어 있는지 살펴보겠습니다.
핵심적으로 MCP는 호스트 애플리케이션이 여러 서버에 연결할 수 있는 클라이언트-서버 아키텍처를 따릅니다.
- MCP 호스트: MCP를 통해 데이터에 액세스하려는 프로그램입니다. 예를 들어, Claude Desktop 애플리케이션, VSCode와 같은 IDE 또는 AI 도구가 여기에 해당하며 이들은 사용자의 요청을 받아 MCP 클라이언트를 통해 외부 데이터를 요청합니다.
- MCP 클라이언트: 서버와 1:1 연결을 유지하는 프로토콜 클라이언트입니다.
- MCP 서버: 표준화된 모델 컨텍스트 프로토콜을 통해 특정 기능을 노출하는 경량 프로그램입니다. REST API나gRPC 엔드포인트를 제공하여 데이터 소스와의 상호작용을 표준화합니다.
- 로컬 데이터 소스: MCP 서버가 안전하게 액세스할 수 있는 컴퓨터의 파일, 데이터베이스 및 서비스입니다. 예를 들어, 개발자의 코드 저장소, 개인 문서 폴더, 로컬 Postgres 데이터베이스, 또는 ChromaDB와 같은 벡터 저장소가 여기에 해당합니다.
- 원격 서비스: MCP 서버가 연결할 수 있는 인터넷을 통해 사용 가능한 외부 시스템(예: API를 통해)입니다. 예를 들어, GitHub API, Google 검색 서비스, OpenWeatherMap API, 또는 회사 내부 웹 서비스 등이 포함됩니다.
이런 아키텍처를 통해 AI 모델은 다양한 데이터 소스에 일관된 방식으로 접근할 수 있으며, 개발자는 각 서비스마다 다른 통합 방식을 구현할 필요 없이 표준화된 MCP 인터페이스만 따르면 됩니다. 실제로 MCP 서버 구현은 간단한 코드로 시작할 수 있습니다. 예를 들어, Python에서 다음과 같이 FastMCP클래스만 정의하여 날씨 정보 제공 서버를 구현할 수 있습니다.
출처 : Claude
그리고 MCP의 가장 강력한 특징 중 하나는 동적 발견(Dynamic Discovery) 메커니즘입니다. MCP 아키텍처에서 AI 에이전트는 하드코딩 된 통합 없이도 네트워크에서 사용 가능한 MCP 서버와 그 기능들을 자동으로 감지하고 활용할 수 있습니다.
예를 들어, 마케팅 팀이 고객 데이터에 접근하기 위한 CRM MCP 서버를 새로 배포했다고 가정해 보겠습니다. 기존 방식에서는 AI 시스템에 이 CRM과의 통합 코드를 추가하고 재배포해야 했지만, MCP 아키텍처에서는 AI 에이전트가 자동으로 이 새로운 서버를 발견하고 해당 서버가 제공하는 도구들(고객 정보 조회, 거래 내역 분석 등)을 즉시 사용할 수 있습니다.
3. MCP VS 기존 AI 통합 방식
그렇다면 MCP 이전에는 AI 시스템이 어떻게 외부 데이터와 도구에 접근했을까요?
1) 사용자 정의 API 통합(일회성 커넥터)
- 각 서비스마다 별도의 사용자 정의 코드나 SDK 필요
- 서로 다른 인증 방식, 데이터 형식, 특성으로 통합 복잡성 증가
- MCP는 이와 달리 다양한 서비스에 접근할 수 있는 단일 “만능 키” 제공
2) 언어 모델 플러그인(OpenAI 플러그인 등)
- 특정 플랫폼에 종속된 독점적 플러그인 시스템
- 주로 단 방향 데이터 검색에 집중
- MCP는 오픈 소스이며 플랫폼 독립적, 양방향 상호작용 지원
3) 프레임워크를 통한 도구 사용(LangChain 도구, 에이전트)
- 개발자를 위한 도구 클래스 인터페이스 표준화
- 여전히 각 도 구별 사용자 정의 구현 필요
- MCP는 모델 중심 표준을 제공하여 런타임에 도구 자동 발견 가능
4) 검색 증강 생성(RAG) 및 벡터 데이터베이스
- 정적 텍스트 스니펫 검색에 집중
- 모델이 능동적으로 행동하기보다 수동적 컨텍스트 제공
- MCP는 단순 검색을 넘어 모델이 데이터에 따라 작업을 트리거할 수 있음
MCP는 이러한 기존 접근 방식들의 한계를 극복하는 표준화된 프로토콜을 제공합니다. 특히 위에서 언급했던 MCP의 동적 발견 기능은 AI 에이전트가 하드코딩된 통합 없이도 새로운 데이터 소스와 도구를 자동으로 인식하고 활용할 수 있게 합니다. 기존 프레임워크들도 MCP의 장점을 인식하고 있으며, 예를 들어 LangChain은 MCP 서버를 자체 도구로 쉽게 통합할 수 있는 어댑터를 제공하고 있습니다.
4. MCP 생태계
MCP 등장 이후, 해당 생태계를 더욱 풍부하게 만드는 커뮤니티가 형성되고 있습니다. 대표적으로 Smithery가 있습니다. Smithery는 MCP 마켓플레이스로, 다양한 MCP 서버와 플러그인을 공유하고 배포하는 플랫폼입니다.
출처 : Smithery https://smithery.ai/
Smithery는 npm이나 PyPI와 같은 패키지 레지스트리와 유사한 역할을 합니다. 개발자들은 자신이 만든 MCP 서버나 특정 데이터 소스에 접근하는 플러그인을 Smithery에 등록할 수 있으며, 다른 사용자들은 필요한 구성 요소를 쉽게 검색하고 설치할 수 있습니다.
예를 들어, PostgreSQL 데이터베이스에 접근하는 MCP 서버, Google Drive 파일을 검색하는 플러그인, 또는 특정 API와 통합하는 커넥터 등을 Smithery에서 찾을 수 있습니다. 이러한 구성 요소는 대부분 오픈 소스로 제공되어 커뮤니티에 의해 지속적으로 개선됩니다.
MCP 생태계가 더욱 활발해질수록 앞으로 개발자들은 이미 구축된 구성 요소를 재사용함으로써 개발 시간을 크게 단축할 수 있을 것 입니다.
5. MCP가 가져올 미래
이러한 변화는 실제 비즈니스와 일상 업무 환경에도 다양한 영향을 미칠 것입니다.
- 크로스 시스템 워크플로 자동화: AI 에이전트가 일정 확인, 예약, 이메일 발송, 예산 관리와 같은 다양한 시스템에 걸친 작업을 하나의 인터페이스로 처리할 수 있습니다. 복잡한 API 연결 없이도 통합된 워크플로를 실행할 수 있어 업무 자동화의 새로운 지평을 열게 됩니다.
- 협업 에이전트 시스템 : MCP는 여러 전문화된 AI 에이전트들이 공유 작업 공간을 통해 정보를 교환하고 작업을 조정할 수 있는 기반을 제공합니다. 각 에이전트가 특정 영역에 집중하면서도 효율적으로 협업하여 더 복잡한 문제들을 해결할 수 있게 됩니다.
- 개인 정보 보호와 기업 거버넌스 : 로컬 MCP 서버를 통해 민감한 데이터를 제3자에게 노출하지 않으면서도 AI에게 필요한 접근 권한을 부여할 수 있습니다. 기업 환경에서는 AI 상호작용을 기록, 모니터링, 제어할 수 있는 감독 체계를 제공하여 효율성과 보안을 동시에 확보할 수 있습니다.
물론 현재는 주로 Anthropic 생태계에서 MCP가 지원되는 점과 단순한 통합에서는 오히려 복잡성을 더할 수 있는 한계점도 있습니다. 그러나 이러한 도전 과제는 기술이 성숙해짐에 따라 점차 해소될 것으로 기대되며, 우리는 이제 AI 개발의 새로운 시대로 접어들고 있습니다.
출처
허깅페이스 : https://huggingface.co/blog/Kseniase/mcp#so-what-is-mcp-and-how-does-it-work
클로드 : https://modelcontextprotocol.io/introduction
Cursor AI : https://docs.cursor.com/context/model-context-protocol
테디노트 TeddyNote : https://www.youtube.com/watch?v=VKIl0TIDKQg&t=1206s
