MCP는 AI 애플리케이션의 USB-C가 될 것이다

수년 동안 AI 애플리케이션을 만드는 개발 경험은 모바일 전자기기의 초창기와 비슷했다. LLM 제공업체, 에이전트 프레임워크, 개발 환경마다 모델과 데이터를 연결하는 독자적인 방식이 따로 있었다. 로컬 소스 코드 디렉터리를 Claude에 넣고 싶으면 스크립트를 짜야 했다. GPT-4o를 내 Postgres 데이터베이스에 연결하고 싶으면 맞춤형 API 커넥터를 만들었다. 기반 프레임워크를 LangChain에서 LlamaIndex로 바꾸면 데이터 로딩 파이프라인의 절반을 다시 작성해야 했다.

우리는 맞춤형 어댑터에 파묻혀 있었다. 모든 것을 하나로 묶어 줄 표준 포트가 없었다.

그래서 Model Context ProtocolMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →(MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →)은 함수 호출(function calling)이 등장한 이후 AI 엔지니어링에서 가장 중요한 아키텍처 전환이다. Anthropic이 처음 오픈소스로 공개한 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →는 “AI의 USB-C”로 빠르게 자리 잡고 있다. LLM이 데이터 소스, 파일 시스템, 도구와 연결되는 방식을 추상화하는 깔끔하고 개방적인 양방향 표준이다.

$N$개의 서로 다른 모델과 $M$개의 서로 다른 개발 환경 사이에 $N \times M$개의 연동을 작성하는 대신, MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →를 쓰면 모델이 클라이언트가 되어 표준화된 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버와 대화하는 깔끔한 플러그 앤 플레이 아키텍처를 만들 수 있다.

---

AI 개발의 연동 병목

프로토콜 자체를 살펴보기 전에, 그것이 해결하는 문제를 자세히 짚어 볼 필요가 있다. LLM 애플리케이션을 만들던 초기 흐름에서 개발자들은 거대한 장벽에 부딪혔다. 모델이 고립되어 있다는 점이다. LLM은 그 자체로는 내 코드 저장소도, 데이터베이스 스키마도, 팀의 Slack 대화 기록도 전혀 알지 못한다.

이 간극을 메우기 위해 우리는 맞춤형 파이프라인을 만들었다. RAGRAG검색 증강 생성: 모델이 답변을 생성하기 전 외부 지식 데이터베이스에서 관련 문서 조각들을 검색해 컨텍스트로 제공함으로써 신뢰성을 극대화하는 기술입니다.Read More →(검색 증강 생성) 시스템을 구축하고, API 게이트웨이를 세우고, 맞춤형 도구 세트를 정의했다. 하지만 모든 연동이 하나하나 맞춤 제작이었다.

  +--------------+               +-------------+
  |  AI Model /  | ----(Custom)-->| Postgres DB |
  |  Framework   |               +-------------+
  |              |               +-------------+
  | (LangChain/  | ----(Custom)-->| GitHub API  |
  |  LlamaIndex) |               +-------------+
  |              |               +-------------+
  |              | ----(Custom)-->| Local Files |
  +--------------+               +-------------+

이런 모델 중심의 연동 패턴은 큰 문제를 낳았다. 첫째, 모든 연결이 임시방편 코드로 구현되어 있었기 때문에 보안 감사가 극도로 어려웠다. 둘째, 도구의 재사용이 제한되었다. LangChain 에이전트용으로 며칠을 들여 견고한 Slack 커넥터를 만들어도, 연동 래퍼를 다시 작성하지 않고는 Cursor 같은 개발 도구나 Claude Code 같은 터미널 도구로 쉽게 옮길 수 없었다.

우리에게는 관심사의 분리가 필요했다. 데이터를 어떻게 가져오는가와 모델이 그 데이터를 어떻게 추론하는가 사이에 경계가 필요했다.

---

MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →의 핵심 개념

Model Context ProtocolMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →은 시스템을 두 개의 뚜렷한 구성 요소로 나눈다.

1. MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 클라이언트: 도구와 데이터에 접근해야 하는 개발 애플리케이션, IDE, 에이전트 환경(Cursor, VS Code, Claude Desktop 등).
2. MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버: 특정 데이터 소스나 기능을 표준 프로토콜을 통해 노출하는 가볍고 모듈화된 프로그램.

graph LR
    subgraph Clients [MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 클라이언트]
        IDE[VS Code / Cursor]
        Term[Claude Code CLI]
        App[맞춤형 에이전트 앱]
    end

    subgraph Protocol [Model Context ProtocolMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →]
        direction TB
        JSON[SSE 또는 Stdpipe 기반 JSON-RPC 2.0]
    end

    subgraph Servers [MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버]
        GitSrv[GitHub 서버]
        DbSrv[Postgres 서버]
        FsSrv[로컬 파일 서버]
    end

    Clients --> Protocol
    Protocol --> Servers

클라이언트와 서버 사이의 통신은 JSON-RPC 2.0으로 이루어진다. 로컬 서버에는 표준 입출력(stdio)을, 원격 서비스에는 Server-Sent Events(SSE)를 사용하기 때문에 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →에서는 어댑터를 로컬에서 실행하든 클라우드에 호스팅하든 간단하다.

프로토콜은 세 가지 핵심 기능 유형을 정의한다.

• 리소스(Resources): 읽을 수 있는 데이터 소스. 로컬 파일, 데이터베이스 테이블, API 출력 등이 여기에 해당한다.
• 프롬프트(PromptsPrompt Engineering생성형 AI 모델이 의도된 최적의 결과물을 출력하도록 지시문(텍스트 입력)을 설계, 고도화 및 최적화하는 기술입니다.Read More →): 모델이 구조화된 지시를 구성하도록 돕는 표준화된 템플릿(예: 코드 리뷰 프롬프트).
• 도구(Tools): 모델이 외부 세계에 변경을 가할 수 있게 해 주는 실행 가능한 함수(예: 명령 실행이나 파일 쓰기).

---

내부 구조: 간단한 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버 만들기

이 구조가 얼마나 단순하고 우아한지 이해하기 위해, Node.js로 기본적인 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버를 구현하는 방법을 살펴보자. 로컬 데이터베이스의 테이블 구조를 노출해서, 에디터에서 실행되는 어떤 AI 모델이든 우리가 일일이 복사해 붙여 넣지 않아도 스키마를 이해할 수 있게 하고 싶다고 가정한다.

공식 TypeScript SDK를 사용한 간단한 로컬 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버는 다음과 같다.

import { Server } from "@modelcontextprotocol/sdk/server/index.js";
import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";
import {
  ListResourcesRequestSchema,
  ReadResourceRequestSchema,
} from "@modelcontextprotocol/sdk/types.js";

// MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버 초기화
const server = new Server(
  {
    name: "schema-inspector",
    version: "1.0.0",
  },
  {
    capabilities: {
      resources: {},
    },
  }
);

// 사용 가능한 리소스 정의
const SCHEMAS = {
  "users": "CREATE TABLE users (id SERIAL PRIMARY KEY, email VARCHAR(255), created_at TIMESTAMP);",
  "posts": "CREATE TABLE posts (id SERIAL PRIMARY KEY, title TEXT, author_id INT REFERENCES users(id));"
};

// 1. 리소스 목록 핸들러 등록
server.setRequestHandler(ListResourcesRequestSchema, async () => {
  return {
    resources: Object.keys(SCHEMAS).map((name) => ({
      uri: `db://schema/${name}`,
      name: `${name} table schema`,
      mimeType: "text/plain",
      description: `DDL schema statement for the ${name} table`
    })),
  };
});

// 2. 리소스 읽기 핸들러 등록
server.setRequestHandler(ReadResourceRequestSchema, async (request) => {
  const uri = new URL(request.params.uri);
  const tableName = uri.pathname.split("/").pop();

  if (!tableName || !(tableName in SCHEMAS)) {
    throw new Error(`Resource not found: ${request.params.uri}`);
  }

  return {
    contents: [
      {
        uri: request.params.uri,
        mimeType: "text/plain",
        text: SCHEMAS[tableName as keyof typeof SCHEMAS],
      },
    ],
  };
});

// 트랜스포트에 연결
const transport = new StdioServerTransport();
await server.connect(transport);
console.error("Schema Inspector MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → Server running on stdio");

이 서버를 Cursor나 Claude Desktop 같은 에디터에서 실행하려면, 클라이언트 설정 파일에 실행 명령 설정을 추가하기만 하면 된다.

{
  "mcpServers": {
    "schema-inspector": {
      "command": "node",
      "args": ["/path/to/server.js"]
    }
  }
}

서버가 로드되면 클라이언트(예: Cursor)는 어떤 리소스를 사용할 수 있는지 서버에 자동으로 묻는다. “users와 posts를 조인하는 쿼리 작성을 도와줘” 같은 프롬프트를 쓰면, Cursor는 보이지 않는 곳에서 db://schema/users와 db://schema/posts 리소스를 읽고 DDL 스키마를 프롬프트 컨텍스트에 바로 주입한다.

---

바로 적용할 수 있는 연동 전략

AI 에이전트를 개발하거나 개발자 도구를 만들고 있다면, 맞춤형 API 클라이언트를 작성하는 일은 당장 멈춰야 한다. 대신 데이터 계층을 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →에 맞게 바꿔야 한다. 오늘부터 구현을 시작할 수 있는 세 가지 전략은 다음과 같다.

1. 내부 API 표준화: 팀의 맞춤형 AI 도구를 위해 내부 대시보드용 API를 만드는 대신, 그 엔드포인트를 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버로 감싼다. 그러면 팀의 어떤 엔지니어든 자신의 IDE 안에서 바로 데이터베이스를 조회하고, 빌드를 실행하고, 문서에 접근할 수 있다.
2. 커뮤니티 서버 활용: 서버를 처음부터 만들기 전에, 계속 늘어나고 있는 오픈소스 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버 목록을 확인한다. GitHub, Slack, Postgres, Jira, Google Maps, 로컬 터미널용으로는 이미 고도로 최적화된 서버들이 있다.
3. 도구 권한 분리: 도구 실행 로직을 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버 안에 두면, 트랜스포트 수준에서 접근 제어를 관리하고 로그를 기록할 수 있다. 서버가 명시적으로 읽기/쓰기 권한을 부여하지 않는 한 에이전트는 데이터베이스에 접근할 수 없다.

---

미래 전망: 범용 인터페이스

가까운 미래에는 무엇을 “애플리케이션”이라고 부를지, 그 경계 자체가 바뀔 것이다. 오늘날 우리는 그래픽 사용자 인터페이스(GUI)를 통해 소프트웨어와 상호작용한다. 내일은 AI 에이전트가 표준 애플리케이션 스키마를 사용해 리소스와 도구를 탐색할 것이다.

모든 SaaS 기업, 클라우드 데이터베이스 제공업체, 로컬 기기의 OS가 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →를 통해 기능을 노출한다면, 연동의 복잡도는 0에 가까워진다. 개발자는 더 이상 API 연동을 작성하지 않게 될 것이다. 데이터베이스의 공식 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버를 띄우기만 하면, 코딩 에이전트가 테이블에 쓰는 법, 스키마를 읽는 법, 마이그레이션을 실행하는 법을 곧바로 알게 된다.

MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →는 그저 또 하나의 API 포맷이 아니다. 자율 소프트웨어 에이전트의 시대를 움직일 범용 미들웨어다.

---

관련 글

• 표준화된 프로토콜 위에 구축된 에이전트형 코딩 환경들이 어떻게 다른지 알고 싶다면 Claude Code vs Cursor: 빌더 관점의 심층 비교를 확인해 보자.
• 이런 연동을 구축하면서 구조적 완성도를 지키려면 AI가 짠 코드의 품질을 의심하는 법: 1인 개발자를 위한 8가지 검증 원칙을 참고하면 좋다.
• AI 워크플로가 단순한 자동 완성에서 자율적인 터미널 상호작용으로 어떻게 진화하고 있는지 더 넓은 시각으로 보고 싶다면 코파일럿을 넘어서: AI 에이전트가 내 일하는 방식을 바꾼 이유를 읽어 보자.

참고 자료

• 오픈소스 공개 발표에 대한 자세한 내용은 Anthropic MCP 블로그에서 볼 수 있다.
• 공식 프로토콜 사양과 문서는 Model Context Protocol 웹사이트에서 확인할 수 있다.
• 표준화된 아키텍처를 사용하는 개발자 도구에 관한 글은 Vercel 개발자 블로그에서 읽을 수 있다.

---

내 관점을 바꾼 계기

오랫동안 나는 LLM 연동의 미래가 더 똑똑한 모델에 있다고 믿었다. 컨텍스트 윈도가 수백만 토큰까지 늘어나면 모든 문서, 데이터베이스 덤프, 저장소 코드를 그냥 모델의 프롬프트 창에 통째로 넣으면 된다고 생각했다.

하지만 프로덕션 에이전트를 만들면서 배운 것은 병목이 컨텍스트 크기가 아니라는 사실이었다. 병목은 노이즈와 접근 제어다. 가공하지 않은 로그와 테이블을 프롬프트에 쏟아부으면 추론 효율이 떨어지고, 토큰 비용이 오르고, 보안 취약점이 생긴다.

MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 덕분에 나는 LLM이 데이터베이스가 아니라 CPU라는 사실을 깨달았다. 전통적인 마이크로프로세서처럼 LLM에도 깨끗한 메모리 캐시와 엄격한 디바이스 드라이버가 필요하다. MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More →가 바로 그 드라이버를 제공한다. 로컬 MCPMCP모델 컨텍스트 프로토콜: LLM과 외부 데이터 소스 또는 도구 간의 안전하고 일관된 연결을 지원하기 위해 Anthropic이 개발한 개방형 표준 프로토콜입니다.Read More → 서버를 통해 에디터를 Postgres 데이터베이스에 연결하고, 모델이 지연 없이 스키마를 깔끔하게 추론하는 모습을 본 순간, 이제 돌아갈 수 없는 지점을 넘었다는 것을 알았다. 마침내 우리만의 USB-C가 생긴 것이다.