MCP? 그게 뭔데 어떻게 하는건데

MCP의 등장배경

1. LLM (두둥 등장)

• 기존에 학습된 지식만 갖고 답변하는 모델을 말한다.
• 새롭게 업데이트 된 지식이나, 학습되지 않은 지식에 대해선 답변할 수 없다.

2. RAG (LLM의 한계를 확장)

• 문서(ex. VectorDB)를 저장해놓고
  필요한 경우에는 문서를 참고하여 답변할 수 있게 만든 기술

3. Agent (한번 더 확장)

• 문서(DB)뿐만 아니라 구글링, API 등과 같은 다양한 외부시스템으로부터
  필요한 정보를 가져와서 LLM이 그 기반으로 답변할 수 있게 만든 기술

---

4. (문제발생) Agent는 돼지야. 🐽

• Agent는 단순히 답변만 하는 게 아니라, 사용자 요청에 적합한 외부 시스템(=Tool)을 선택하고 호출해야 한다.
• 이 과정에서 이전 대화도 기억하고, Tool을 실제로 실행하는 역할까지 맡는다고 한다.
• 거기에 제일 문제는 Agent는 다양한 프레임워크로 제공된다.
  ex. LangChain, AgentFlow, CrewAI, Langflow ...
• Agent 프레임워크마다 외부 시스템의 SDK가 제각각이다.
  서비스 제공해주는 외부시스템 입장에서는 Agent 프레임워크마다 각각의 SDK를 지원해줘야 되는 큰 부담이 생긴다.

5. MCP가 해결!

• 외부시스템 별도의 SDK 스펙을 맞추지 말고, 표준 스펙(MCP)을 지키게 되었다.
• MCP는 프로토콜로, JSON-RPC 2.0 포맷을 채택했다.
• 최근에는 효율적인 통신을 위해 SSE+HTTP → Streamable HTTP 방식으로 변경했다고 한다.

• Agent가 외부시스템에게 표준(MCP)에 맞게 요청을 보내면,
  외부시스템은 그에 맞는 응답을 할 수 있게 되었다.

6. (문제발생) 개발자는 게을러야 한다. ✨

• 개발자들은 더 쉽게 외부시스템을 다룰 수 있는 방법을 생각해냈다.
  바로 표준화된 MCP Server를 가져다 쓰기만 하면 되도록!

---

이제 MCP에 대해 알아보자

MCP (Model Context Protocol) 정의

MCP는 Claude(AI)를 만든 Anthropic이라는 회사에서
AI 어플리케이션이 외부 시스템에 연결하는 방법을 표준화하기 위해 만든 프로토콜이다.
쉽게 말해 AI를 커스터마이징 할 때 사용하는 표준 문법 프로토콜이다.

헷갈리는 MCP 구조

• Host: MCP를 사용하는 프로그램이다. ex) Cursor, Claude Desktop
• Client: Server를 호출하는 코드이다. ex) JDBC Driver
• Server: MCP 요청을 받아서, 외부시스템에 전달하는 역할이다.

---

Q. 여러 AI 어플리케이션을 만들 때, MCP가 없다면 어떻게 될까?

• 각각의 AI 어플리케이션을 외부 시스템과 연결할 때,
  자체 커스텀 문법로직을 작성해야 한다.
• 코드가 증가하게 되고, 비용도 증가하게 된다.
  개발자가 귀찮아짐 😇

MCP가 있으면?

• 표준 인터페이스를 통해 다양한 외부시스템과 편리하게 연결할 수 있다.
• 표준화 되어있기 때문에 다른사람이 만든 MCP Server도 갖다 쓸 수 있다!

Q. API와 차이점이 별로 없어 보이는데..?

• MCP는 양방향 통신이다. HTTP+SSE 조합으로 통신을 많이 한다.
  API는 단방향 통신이고, MCP는 AI가 MCP Server를 통해 동적으로 주고받을 수 있다.
• API는 각각의 서비스마다의 규칙이 다르고, 확장시에 코드 복잡성이 증가하지만
  MCP를 사용할 경우 통일성있게 코드를 작성하고, 확장시에도 편리하다.
• 사용자 관점에서도 AI를 활용하여 다양한 툴들을 일괄적으로 사용하면서, 심지어 실시간으로 응답까지 해주는 느낌이라 너~무 간편하다는 장점이 있다!

---

https://smithery.ai/
여기서 많은 개발자들이 구축한 MCP Server들을 볼 수 있다.

실제로 어떻게 쓸 수 있지?

• playwright라는 MCP 서버를 사용하면, 브라우저를 조작할 수 있다.
  이제 LLM을 통해 브라우저를 조작해 테스트를 해달라하면, AI가 직접 브라우저를 작동하여 테스트를 하게 될 수 있다.
• CS25 프로젝트의 경우, 서술형 CS문제에 대한 유저 답변을 AI가 피드백을 할때, BraveSearch MCP Server를 통해 답변에 대한 근거와 정확성을 높이는 방향으로 적용할 수 있었다.
• 자체 서비스 MCP Server를 구축하여 해당 MCP Server를 고려하여 코드를 짠다거나, 조회하여 데이터를 구축하는 등으로도 사용될 수 있을 것 같다.

도입시 고려해야할 점

누구나 쉽게 AI를 입맛대로 업그레이드해서 LLM만 이용하는 것보다
훨씬 풍부하고 편리하다는 점은 강점이라고 생각한다.
하지만 외부시스템으로부터 데이터를 주고 받는 과정, AI가 제어한다는 점에서 보안적인 부분이 고려되야 할 것 같다.

---

출처

코딩애플 MCP
조대협 MCP
SSE에서 Streamable HTTP로 변경