MCP 란 무엇이며, AI 시대에 왜 꼭 필요한가? 앞으로 대세가 될 (Model Context Protocol)

MCP란 무엇이며, 왜 필요하고, 어떻게 작동하는가?

최근 AI 기술이 급속도로 발전하면서 다양한 서비스들이 쏟아져 나오고 있습니다.

특히, 클로드(Claude)에서 제시한 MCP(Model Context Protocol)라는 개념이 많은 관심을 받고 있는데요. 이번 글에서는 MCP가 무엇인지, 왜 등장하게 되었는지, 그리고 어떤 방식으로 작동하는지에 대해 자세히 알아보겠습니다.

이 글을 통해 MCP에 대한 기본적인 이해를 돕고, 더 나아가 AI 기반 서비스 개발 및 활용에 대한 인사이트를 얻으시길 바랍니다.

MCP 탄생 배경: API 기반 연결의 한계

기존에는 다양한 서비스들을 연결하기 위해 API(Application Programming Interface)라는 방식을 주로 사용해 왔습니다. HTTP 서버를 이용한 RESTful API, 데이터베이스 관련 서비스, 로컬 애플리케이션 플러그인 등 여러 형태로 존재하며, API를 제공하는 서비스를 통해 원하는 기능을 연결하여 사용할 수 있었습니다.

하지만 AI 시대가 도래하면서 챗GPT, 제미나이, 클로드와 같은 거대 언어 모델(LLM)들이 등장했고, 이들은 처음에는 폐쇄적인 환경에서 학습된 데이터를 기반으로 답변을 제공했습니다. 그러나 기술 발전과 경쟁 심화로 인해 실시간 데이터 연동의 필요성이 커졌고, AI가 직접 데이터를 검색하여 사용자에게 제공하는 서비스들이 등장하기 시작했습니다.

문제는 이미 인간이 구축해 놓은 수많은 서비스들과 앞으로 개발될 새로운 서비스들을 AI가 어떻게 효율적으로 활용할 수 있을까 하는 점이었습니다. API를 통해 서비스 연결이 가능했지만, 각 서비스마다 다른 API 규격을 이해하고 클라이언트 측에서 이를 처리할 수 있는 모듈을 개발해야 하는 번거로움이 있었습니다. 또한,

다양한 API 서버의 정보를 수동으로 입력하고 관리하는 것은 AI 시대의 자동화 흐름에 맞지 않았으며, AI가 이를 이해하고 활용하는 과정 또한 쉽지 않았습니다.

클로드의 해법: 표준화된 모델 컨텍스트 프로토콜 (MCP)

이러한 배경 속에서 클로드(Claude)가 제시한 MCP라는 개념이 등장했습니다.

MCP는 표준화된 규약으로서, API를 제공하는 서비스 제공자뿐만 아니라 제3자도 API를 쉽게 사용할 수 있도록 통일된 데이터 구조를 정의합니다. 이를 통해 AI는 다양한 데이터를 표준화된 방식으로 주고받고 이해할 수 있게 됩니다.

MCP는 표준화된 모델 컨텍스트 프로토콜(Model Context Protocol)이라는 이름 그대로, 다양한 데이터를 표준화하여 AI와 주고받을 수 있도록 만들어진 통신 규약으로 이해할 수 있습니다.

AI 시대, MCP의 필요성

AI 시대에서 우리가 사용하는 프롬프트는 프로그래머의 관점에서 보면 함수와 유사한 구조를 가집니다.

프롬프트는 입력값, 처리 방식, 필요한 내용, 그리고 출력 포맷이라는 함수의 네 가지 요소를 문장 형태로 표현한 것이라고 볼 수 있습니다.

따라서 AI에게 효과적으로 지시하기 위해서는 함수형 사고방식을 기반으로 프롬프트를 작성하는 것이 중요하며, 이는 프롬프트 엔지니어링의 핵심적인 부분입니다.

기존 API를 통해서도 데이터를 주고받을 수 있었지만, 다양한 API 규격으로 인해 AI가 이를 통일적으로 이해하고 활용하기 어려웠습니다. 챗GPT의 Function Calling과 유사하게, 클로드의 MCP는 데이터를 주고받는 방식을 표준화하여 AI가 더욱 쉽게 이해하고 자동화된 방식으로 서비스를 활용할 수 있도록 합니다. 이는 곧 AI 에이전트의 발전을 위한 중요한 기반이 됩니다.

AI 에이전트는 마치 우리와 함께 일하는 동료와 같은 존재로, LLM(뇌), 다양한 툴(손과 발)과 MCP(신경망)를 통해 유기적으로 연결되어 작업을 수행합니다. MCP는 AI 에이전트가 LLM과 다양한 툴 사이에서 데이터를 효율적으로 주고받을 수 있도록 지원하는 핵심적인 역할을 수행합니다.

MCP 작동 방식: 표준화된 소통 과정

MCP가 작동하기 위해서는 다음과 같은 요소들이 필요합니다:

MCP 규격 이해 클라이언트: MCP 규격을 이해하고 데이터를 주고받을 수 있는 클라이언트 (예: Cursor 에디터, 클로드 자체).
MCP 지원 서비스 제공자: MCP 규격에 따라 서비스를 제공하는 서버. 기존 서비스 제공자가 MCP를 지원하지 않는 경우, 제3자가 MCP 서버를 구축하여 연결을 중개할 수도 있습니다.

MCP의 작동 과정은 다음과 같이 요약할 수 있습니다:

MCP 설치: 클라이언트 측에서 MCP 프로토콜을 이해하고 사용할 수 있도록 설정하는 과정입니다. 이 과정에서 내부적으로 MCP가 해당 서비스의 서버 주소와 사용 가능한 툴(액션) 정보를 파악합니다.
핸드쉐이킹: MCP를 설치하는 순간, 클라이언트는 내부적으로, 서버에 MCP에 들어있는 해당 서비스의 주소에 연결하여, 서버가 제공하는 툴(Tool)과 액션(Actions)에 대한 정보를 다운로드합니다. 이 과정을 통해 LLM은 어떤 툴(Tool)이 어떤 기능(Actions)을 제공하는지 알게 됩니다.
데이터 교환: 사용자는 MCP를 통해 정해진 형식의 필요한 입력값과 출력값에 대한 정보만 제공하면 됩니다. MCP 내부에 이미 데이터 전송 방식, 서버 주소, 기능 설명 등이 정의되어 있기 때문에, 더 이상 API를 직접 사용할 필요가 없습니다.
표준화된 데이터 해석: MCP 서버는 AI로부터 받은 표준화된 데이터를 해석하여 API를 실행하고, API 실행 결과를 다시 AI가 이해할 수 있는 표준화된 형식으로 변환하여 전송합니다.

꼭 기억할 핵심은

MCP는 API 위에 한 번 더 추상화 계층을 씌워 API를 훨씬 쉽게 사용할 수 있도록 만든 구조

라는 점입니다.

AI 에이전트는 LLM에 문의하여 어떤 툴을 사용해야 할지 판단하고, MCP를 통해 해당 툴에 필요한 데이터를 전송하고 결과를 받아 해석합니다.

데이터 형식의 유연성

현재 대부분의 데이터 교환에 JSON 형식이 사용되고 있지만, MCP는 JSON뿐만 아니라 XML, YAML 등 다양한 형식을 지원할 수 있습니다. 중요한 것은 데이터 형식이 아니라,

AI가 쉽게 이해할 수 있도록 표준화된 방식으로 데이터를 주고받는다는 점입니다.

MCP 활용의 잠재력

MCP를 활용하면 더 이상 API를 직접적으로 사용할 필요 없이, 표준화된 방식으로 다양한 서비스와 데이터에 쉽게 접근할 수 있습니다. 옵시디언을 예로들어보면, 심지어 로컬에서 돌아가는 앱인 옵시디언의 API나 플러그인을 직접 사용할 필요 없이, MCP를 통해 로컬 컨텍스트(문서 내용)를 현재 사용 중인 AI 혹은 AI 편집기 등에서 바로 활용할 수 있게 되는 것입니다. 이는 다양한 서비스와 애플리케이션 간의 연동을 훨씬 용이하게 만들어 줄 것으로 기대됩니다.

결론

AI 시대에 MCP와 같은 표준화된 프로토콜은, 다양한 서비스와 AI 모델 간의 효율적인 연동을 가능하게 하여 더욱 스마트하고 편리한 AI 활용 환경을 구축하는 데 중요한 역할을 할 것으로 기대됩니다.

핵심 요약:

MCP(Model Context Protocol)는 클로드(Claude)에서 제시한 표준화된 API 사용 규약입니다.
기존 API 사용의 어려움을 해소하고 AI가 다양한 서비스를 쉽게 이해하고 활용할 수 있도록 합니다.
표준화된 데이터 구조를 통해 AI와 서비스 간의 효율적인 데이터 교환을 지원합니다.
AI 에이전트가 LLM과 다양한 툴을 연결하여 작업을 수행하는 데 핵심적인 역할을 합니다.
MCP를 사용하면 더 이상 API를 직접적으로 사용할 필요가 없습니다.
JSON 외에도 다양한 데이터 형식을 지원할 수 있습니다.
로컬 애플리케이션 데이터에도 쉽게 접근하여 활용할 수 있는 잠재력을 가지고 있습니다.

이 글이 MCP에 대한 이해를 넓히는 데 조금이나마 도움이 되었기를 바랍니다. 감사합니다.

참조

갑자기 뜨는 클로드(Claude)의 MCP 가 무엇이며, 왜 필요했으며, 어떤 방식으로 작동하는가?