최근 LLM(Large Language Model)의 현업 도입이 가속화되면서, 모델과 외부 데이터 소스 및 도구 간의 맥락(Context) 공유가 주요 과제로 떠오르고 있습니다.
이러한 요구에 대응하기 위해 등장한 개방형 표준이 바로 Model Context Protocol(MCP)입니다.
MCP란?
Model Context Protocol(MCP)은 LLM 기반 애플리케이션이 다양한 데이터 소스 및 외부 도구들과 구조화된 방식으로 효율적이고 안전하게 상호작용할 수 있도록 지원하는 개방형 표준 프로토콜입니다.
MCP는 애플리케이션이 LLM에 필요한 컨텍스트와 외부 기능을 명확하고 안전하게 제공하는 통신 규약을 정의합니다. 이를 통해 AI 모델이 다양한 시스템과 연결되고, 복잡한 워크플로우를 구성할 수 있는 표준화된 방법을 제공합니다.
MCP의 현황
MCP는 Anthropic이 주도적으로 제안한 사양으로, 공식 문서와 예제가 Anthropic에서 제공되고 있습니다.
OpenAI는 자사의 Agents SDK에 MCP 지원을 공식적으로 통합했습니다. 이를 통해 개발자는 MCP 서버를 활용하여 다양한 외부 도구와 데이터를 에이전트에 연결할 수 있습니다. MCP 서버는 로컬 프로세스(stdio) 또는 원격 HTTP(SSE) 기반으로 구성할 수 있으며, Agents SDK는 이러한 서버들과의 통신을 통해 도구 목록을 자동으로 탐색하고 사용할 수 있도록 지원합니다
Google의 Gemini API 또한 MCP를 지원합니다. Gemini 모델은 MCP 서버와의 통합을 통해 외부 도구 및 데이터 소스에 접근할 수 있으며, 이를 통해 모델이 자연어 명령을 구조화된 함수 호출로 변환하여 실시간으로 외부 시스템과 상호작용할 수 있습니다 .
MCP 아키텍쳐
MCP는 본질적으로 클라이언트-서버 아키텍처를 따릅니다. 호스트 애플리케이션(Claude Desktop, IDE, AI 도구 등)은 MCP 클라이언트를 통해 여러 MCP 서버에 연결할 수 있습니다.
- MCP 호스트: MCP를 통해 데이터에 액세스하려는 프로그램입니다. (예: Claude Desktop, IDE, AI 도구 등)
- MCP 클라이언트: 각각의 MCP 서버와 1:1로 연결을 유지하며, 표준화된 MCP 프로토콜을 사용해 통신하는 클라이언트입니다.
- MCP 서버: 표준화된 모델 컨텍스트 프로토콜을 통해 특정 기능을 노출하는 경량 서버 프로그램입니다.
- 로컬 데이터 소스: MCP 서버가 액세스할 수 있는 컴퓨터 내부의 파일, 데이터베이스, 서비스 등을 의미합니다.
- 원격 서비스: 인터넷을 통해 접근 가능한 외부 시스템(API 등)으로, MCP 서버가 연결하여 기능을 제공합니다.
MCP의 핵심 목적
- 컨텍스트 공유의 표준화
JSON 기반 스키마를 통해 사용자 상태, 과거 대화, 현재 목표 등 구조화된 맥락 정보를 교환합니다. - 외부 기능(Function) 연결
데이터베이스 조회, 추천 API 호출 등 외부 시스템 기능을 호출하고, 명시적으로 등록된 기능에 대해 권한 제어를 수행합니다. - 모듈형 워크플로우 구성
컨텍스트 모듈, 프롬프트 템플릿 등을 재사용 가능한 형태로 구성해 확장 가능한 시스템 구축이 가능합니다.
MCP의 주요 구성 요소
| 항목 | 설명 |
|---|---|
| 통신 방식 | JSON-RPC 2.0 기반 양방향 통신 |
| 연결 관리 | 상태 기반 연결 유지, 능력 협상(Capabilities Negotiation) |
| 보안 설계 | TLS 기반 암호화, 사용자 동의 기반 권한 제어(Mutual Consent) |
| 확장성 | 커스텀 리소스 타입 및 기능(Function) 확장 지원 |
적용 분야 예시
- AI 개발 도구: 코드 리뷰 자동화, LLM 기반 IDE
- 데이터 분석: 내부 DB 연결, 쿼리 자동화
- 추천 시스템: 사용자 맥락 기반 개인화 추천
- 업무 자동화: 지식 기반 챗봇, 자동 워크플로우 처리
설계 시 고려사항
- 컨텍스트 최소화: 과도한 정보 전송은 성능 및 프라이버시 이슈 유발
- 기능 정의의 명시성: 등록/동기화 필요, Role-based 권한 관리 적용
- 보안 및 인증: TLS 암호화, 사용자 인증
- 에러 핸들링: JSON-RPC 기반 에러 처리, 재연결 전략 포함
결론
이번 포스팅에서는 Model Context Protocol(MCP)에 대해 알아보았습니다. MCP는 단순한 방법론을 넘어, LLM이 현실 세계의 복잡한 맥락을 이해하고 다양한 외부 기능을 안전하게 호출하여 효율적이고 확장 가능한 AI 기반 워크플로우를 지원하는 핵심 인프라입니다.
AI 기반 추천 시스템, 자동화된 분석 리포트, 업무 보조 챗봇 등 LLM 도입을 고려 중인 조직이라면 MCP를 반드시 검토해보시길 권장합니다.
Ref.
Introduction – Model context Protocol
Model context protocol (MCP) – OpenAI Agents SDK
Gemini API를 사용한 함수 호출 – Google AI for Developers