MCP (Model Context Protocol)

정의

Model Context Protocol은 서로 다른 AI 모델, 도구, 에이전트가 공통된 문맥(Context)을 공유하며 협력적 작업을 할 수 있게 만들어주는 표준화된 통신 프레임워크입니다.

“여러 LLM과 도구들이 하나의 대화방, 하나의 머리처럼 같이 생각하고 행동할 수 있게 해주는 시스템 구조"

---

MCP 등장 전 vs. 후 비교

항목	MCP 등장 이전	MCP 등장 이후
연결성	LLM + Tool = 단일 모델 중심	여러 모델/에이전트 간 정보 공유 및 협업 가능
문맥 공유	각 모델이 자신의 문맥만 사용 (컨텍스트 단절)	모든 모델이 공통된 문맥(Context)을 공유
작업 흐름	1단계 응답 후 종료 (단절된 호출)	다단계, 연속적 작업 진행 가능
멀티 모델 협업	불가능하거나 수동 통합	다양한 역할의 LLM이 동시에 협력 가능
복잡한 과제 처리	사람의 개입 필요 많음	자율적 문제 해결 구조 가능
시스템 구성	모델 1개 + 플러그인 형태	다중 LLM + 에이전트 + 도구 통합 시스템 구축 가능

---

MCP가 없으면?

AI 앱을 다른 시스템 및 데이터 소스에 연결해야 할 때 모든 사람이 자체적으로 구현해야 하므로 AI 개발이 파편화됨

---

MCP를 사용하면?

매번 새로 구현할 필요 없이 AI 앱이 다른 시스템에 연결하는 데 사용하는 표준 인터페이스를 확보할 수 있음

---

MCP 아키텍처

“MCP는 Client - Server 아키텍처를 따른다.”

• 호스트: 연결을 시작하는 LLM Application (예: Claude Desktop)
• 클라이언트: 호스트 애플리케이션 내부에서 서버와 1:1 연결 유지
• 서버: 클라이언트에게 컨텍스트, 도구 및 프롬프트 제공

---

MCP 작동 방식 (Lifecycle)

1. 초기화

• 연결 설정, 인증, 자원 준비

2. 메시지 교환

• 요청-응답 / 알림 패턴 지원

3. 종료

• 정상 종료 / 연결 끊김 / 오류 종료

---

리소스 (Resources)

서버의 데이터, 컨텐츠를 LLM이 접근할 수 있도록 연결하거나 제공

• 파일, DB, API 응답, 이미지, 로그 등 모두 가능
• URI로 식별되며 텍스트(UTF-8) 또는 바이너리(base64) 형식

리소스 형태

{
  "uri": "string",
  "name": "string",
  "description": "optional",
  "mimeType": "optional"
}

리소스 탐색 방식

• 직접 리소스: 고정된 리소스를 명시적으로 제공
• 리소스 템플릿: 동적 리소스 생성을 위한 형식 제공

실시간 업데이트

• notifications/resources/list_changed 알림으로 가능
• 구독을 통한 특정 리소스 업데이트 추적 가능

---

Claude Desktop & Smithery

Claude Desktop

• Anthropic의 데스크톱 애플리케이션
• MCP를 통해 로컬 시스템과 상호 작용 가능

Smithery

• 다양한 외부 데이터/툴과 LLM 연결을 위한 확장 플랫폼
• 언어 모델 확장(Language Model Extensions) 플랫폼

주요 기능

1. MCP 서버 검색/관리
2. MCP 서버 호스팅/배포
3. 표준화된 인터페이스 제공

---

Claude Desktop ↔ Desktop Commander 연결

• 느낀 한계점
  • 속도 느림
  • 경로 설정 정확히 해야 작동
  • 한글 파일명 인식 어려움
  • 로컬 접근 구조로 인한 개인정보 유출 가능성

---

📈 MCP의 긍정적 측면

• 다양한 LLM/도구 간 표준 통합 구조
• 재사용 가능한 도구 생태계 구축 가능

---

📉 MCP의 부정적 측면

• UI가 채팅 중심으로 단일화될 수 있음
• AI 회사가 유저의 사용 방식, 데이터를 더 많이 소유하게 될 가능성

---