MCP(Model Context Protocol)는 Anthropic의 Claude를 위한 오픈소스 프로토콜로, AI 모델과 개발 환경 사이에서 통합된 컨텍스트 상호작용을 가능하게 해주는 표준
→ 왜 필요한가?
- 모델의 학습 데이터는 특정 시점에 머물러 있음.
- 특수한 데이터가 필요한 경우도 있음!
- 하나의 모델에 복붙도 귀찮고, 그리고 api 연동하는 것도 귀찮네… → 통일시키자!
→ 일종의 USB 젠더 같은 느낌!!
- 다양한 데이터 소스(API, 파일, 데이터베이스 등) 와 Claude를 하나의 인터페이스로 연결
- 과거엔 각 데이터 소스마다 직접 연동 코드를 작성해야 했지만, MCP를 사용하면 하나의 프로토콜로 다양한 연결 가능
- AI가 코드나 데이터를 더 깊이 이해하고 처리할 수 있도록 도와줌
- 복잡한 커스텀 연동 없이 MCP 하나로 여러 시스템 연결 가능
Claude MCP 아키텍처
Claude 데스크톱 앱 + MCP 서버 = AI가 다양한 작업을 수행할 수 있는 구조
MCP Client
- Claude Desktop에서는 이 자체가 Client를 내부적으로 생성하고 관리함.
- Claude Desktop에서 Client's LifeCycle
- 사용자 액션 발생
- Claude 내부에서 해당 기능을 처리할 MCP Client 인스턴스 생성
- 요청 전송 → 응답 수신(JSON-RPC)
- 응답 결과를 UI에 전달
- 역할 끝나면 MCP Client는 메모리에서 사라짐 (GC 대상)
- Claude Desktop에서 Client's LifeCycle
MCP Server
Claude Desktop 실행
⇩
내부적으로 필요한 MCP Server 목록을 파악
⇩
각 MCP Server를 CLI 프로세스로 실행
MCP의 장점
데이터 연결 단순화
- 여러 데이터 소스를 위한 개별 통합 코드 ❌
- MCP 하나만 연동하면 모든 연결 가능 → 생산성 극대화
보안 강화
- 데이터는 로컬 서버(MCP Server) 에서 관리되므로 Claude가 직접 API 키를 가질 필요 없음
- 기업 내부 정책 준수 + 민감 데이터 보호
AI 기능 확장
- Claude가 단순 Q&A 도구가 아니라, 작업을 "수행"하는 도구로 변신
- 코드 생성, 파일 처리, 외부 시스템 제어까지 가능
확장성 우수
- Prompt, Tool, Sampling 기능으로 쉽게 기능 확장
- 필요에 따라 템플릿 생성, 데이터 처리 기능 추가 가능
다양한 데이터 포맷 지원
- 텍스트, 이미지, 로그, 시스템 데이터 등 거의 모든 형태의 데이터 지원
MCP의 한계점
산업 내 경쟁 표준 존재
- LLM과 데이터 연결을 위한 다양한 대안 기술 존재
- MCP가 표준으로 자리 잡기까지는 경쟁 심화 예상
호환성 이슈 가능성
- 일부 레거시 시스템이나 맞춤형 API는 MCP 연동에 제약 있을 수 있음
프로토콜 정의에 대한 의문
- "Function Call + Proxy" 형태에 불과하다는 기술적 회의론도 존재
- MCP가 정말 ‘프로토콜’인가에 대한 논쟁이 있음
현재는 로컬 전용
- 현재 Claude는 로컬 MCP 서버만 지원
- 추후 기업용 원격 MCP 서버를 준비 중이지만, 분산 환경 지원은 아직 미흡
