Model Context Protocol(MCP)의 모든 것

Ohback·2025년 8월 21일

MCP란 무엇일까?

MCP(Model Context Protocol)는 AI 모델, 특히 대형 언어 모델(LLM)이 다양한 외부 도구와 효율적으로 소통하도록 돕는 표준 통신 규약이다.

출처: https://www.descope.com

AI 에이전트 개발의 비효율성을 해결하기 위해 앤트로픽(Anthropic)이란 회사에서 개발되었는데, 2025년 6월 Best LLMs for coding Top10에서 상위에 다수 포진한 모델인 클로드(Claude)를 개발한 회사로 유명하다.

최근 MCP가 주목받는 이유는?

처음 오픈 소스를 발표 했을 당시인 2024년 말에는 크게 주목받지 못하다가 크게 두가지 이유가 맞물리며 관심을 불러 일으키기 시작했다:

2025년 3월 OpenAI가 MCP 기술을 적용할 계획이라고 밝히면서 관심을 불러 일으키기 시작했으며,
AI 에이전트 시대의 도래와 함께 더욱 큰 주목을 받고 있다.

기존의 LLM은 단순히 사용자의 질문에 답하는 역할에 머물렀지만, AI 에이전트는 사용자의 복잡한 목표를 스스로 분석하고 다양한 도구를 활용해 실행한다. MCP는 이러한 AI 에이전트가 수많은 도구(API)와 효율적으로 소통할 수 있는 핵심 인프라를 제공한다.

MCP가 필요한 이유: LLM의 한계 극복?

MCP는 LLM의 근본적인 한계를 보완하기 위해 탄생했다. LLM은 '뇌'처럼 똑똑하지만, '손발'이 없어서 현실 세계와 직접 상호작용할 수 없기에 MCP는 LLM에게 이 '손발'을 제공하는 중요한 기술이다.

LLM의 주요 한계와 MCP의 해결책

1. 최신 정보 부족 (Information Retrieval)
LLM은 학습된 데이터 내에서만 지식을 가지고 있다. 즉, 실시간으로 변하는 정보(현재 날씨, 주식 가격, 최신 뉴스)는 알 수 없다.

해결책: MCP는 LLM이 최신 데이터를 제공하는 외부 API에 접속하도록 돕는다. 예를 들어, LLM은 "오늘 날씨 어때?"라는 질문을 받으면, MCP를 통해 기상청 API에 접속해 실시간 날씨 정보를 가져와 답변할 수 있다.

2. 복잡한 작업 실행 불가능 (Action Execution)
LLM은 '생각'만 할 수 있을 뿐, 실제 행동(이메일 보내기, 파일 생성, 데이터베이스 수정 등)을 할 수 없다.

해결책: MCP는 LLM이 외부 도구(이메일 앱, 캘린더, 데이터베이스 등)에 명령을 내릴 수 있는 통로를 제공한다. "내일 회의 일정을 캘린더에 추가해줘"라는 요청을 받으면, MCP를 통해 캘린더 API에 명령을 전달하여 작업을 실행할 수 있다.

3. 비표준화된 소통 방식 (Standardization)
수많은 API는 각기 다른 형식과 규칙을 가지고 있다. LLM이 모든 API를 개별적으로 학습하는 것은 사실상 불가능하다.

해결책: MCP는 LLM과 API 사이의 소통을 표준화한다. LLM은 복잡한 API 구조를 알 필요 없이, 오직 MCP라는 공통 언어만 사용하면 되기에 이는 마치 모든 전자기기에 USB-C 포트가 통일된 것과 같아, 개발 효율성을 극대화시킨다.

4. 환각 현상 (Hallucination)
LLM은 존재하지 않는 정보를 지어내서 사실처럼 말하는 환각 현상을 겪을 수 있다.

해결책: MCP를 통해 외부 시스템에서 신뢰할 수 있는 정확한 정보를 가져와서 답변을 생성하면, 환각 현상을 줄일 수 있다. 예를 들어, "최신 논문 동향을 알려줘"라는 요청에 LLM이 지어내는 대신, MCP를 통해 실제 논문 데이터베이스에 접속하여 정확한 정보를 기반으로 답변을 제공할 수 있다.

요약하자면, MCP는 LLM의 지식과 행동을 외부 세계로 확장시켜 LLM이 단순한 챗봇을 넘어, 우리 삶의 복잡한 문제를 해결하는 강력한 '에이전트'로 거듭나게 하는 핵심 기술이다.

또한, 단순히 “LLM을 확장”하는 데 그치지 않고, AI가 실제 데이터·도구와 안전하게 상호작용할 수 있도록 ‘표준, 보안, 이식성’을 한번에 해결할 수 있도록 한다.

이제 MCP의 구조를 알아보자

출처: https://www.searchunify.com

MCP는 클라이언트-서버(Client-Server) 모델로 작동한다.

클라이언트(Client): AI 모델 또는 AI 에이전트로, 사용자의 요청을 분석하고, 필요한 도구에 대한 계획을 수립한다.
서버(Server): 특정 외부 도구와 연결되는 중간 매개체로, 클라이언트로부터 요청을 받아 실제 작업을 수행하고 결과를 반환한다. 이 서버는 API, 데이터베이스, 파일 시스템 등 다양한 시스템에 연결될 수 있다.

이 구조 덕분에 LLM은 외부 도구의 복잡한 API를 직접 다루는 대신, MCP라는 단일화된 통로를 통해 모든 작업을 처리할 수 있다. 한마디로 MCP는 LLM과 외부 통신을 편하게 연결시켜 주는 규율이라 볼 수 있다.

그럼 API와 MCP는 무엇이 다를까?

출처:https://apidog.com

쉬운 설명을 위해 비유해 보자면 API는 '개별적인 주문서'로, 각 도구마다 고유한 규칙과 형식이 있어서, LLM이 각 API를 사용하려면 그에 맞는 맞춤형 코드가 필요하며 이는 N x M 문제를 야기한다. (N개의 LLM과 M개의 API를 연결하기 위해 N x M개의 코드가 필요).

MCP는 이 모든 문제를 해결하는 '표준화된 통로'로, LLM은 MCP 규율만 알면 모든 MCP 서버와 소통할 수 있다.

사용 예시

MCP가 없을 때 (API):

// 구글 캘린더 API를 위한 맞춤 코드
    google_calendar_api.create_event(title, start_time, end_time) 
    
// 슬랙 API를 위한 맞춤 코드
slack_api.send_message(channel, message)

MCP가 있을 때 (MCP):

// MCP 규율을 따르는 단일 코드
mcp_protocol.call_tool(tool_name="create_calendar_event", params={"title": title, ...})   
mcp_protocol.call_tool(tool_name="send_slack_message", params={"channel": channel, ...})

이처럼 LLM은 call_tool이라는 단일 함수만으로 모든 도구를 사용할 수 있게 된다.

그렇다면 MCP는 LLM과 API를 연결하는 규율일까?

절반은 맞고, 절반은 틀리다.
MCP는 LLM과 API를 연결하는 규율이기도 하지만, API 외에 다른 시스템도 연결할 수 있는 범용적인 프로토콜이다. MCP 사용 예시는 아래와 같다:

데이터베이스: MCP를 통해 직접 SQL 쿼리를 실행하지 않고도 특정 데이터를 요청할 수 있다.
로컬 파일 시스템: 문서 파일 읽기, 쓰기 등 컴퓨터 내의 작업을 안전하게 수행할 수 있다.
다른 AI 모델: 이미지 생성 모델, 음성 인식 모델 등 다양한 AI 모델과 협력하여 복합적인 작업을 처리할 수 있다.

MCP의 한계와 가능성

한계: 아직 초기 단계로, 모든 API와 시스템이 MCP를 지원하는 것은 아니다. 또한, 복잡한 비즈니스 로직을 MCP 서버에 구현하는 것이 여전히 까다로울 수 있다.

가능성: MCP는 AI 에이전트가 현실 세계와 상호작용하는 방식을 근본적으로 바꿀 잠재력을 가지고 있다. 모든 서비스와 앱이 MCP를 지원하게 되면, AI는 마치 인간처럼 다양한 도구를 활용해 훨씬 더 복잡하고 유용한 작업을 처리할 수 있게 될 것이다. 또한, 이는 AI의 활용 범위를 무한히 확장하게 것이다.

결론

MCP는 AI 에이전트 개발을 위한 핵심 인프라이자, LLM과 외부 세계를 연결하는 '공통 언어'이다. 복잡한 API의 바다에서 길을 잃지 않고, 모든 도구를 하나의 표준화된 방식으로 활용할 수 있게 함으로써 AI의 가능성을 한 단계 더 끌어올리고 있으며, 앞으로 MCP는 AI가 우리 삶에 더 깊숙이 통합되는 데 필수적인 역할을 할게 될 것이라 생각한다.