Model Context Protocol(MCP)은 Anthropic에서 개발한 AI 모델과 외부 시스템 간 통신을 표준화하기 위한 오픈 프로토콜입니다.
기존에는 LLM(대형 언어 모델)이 외부 데이터나 도구와 상호작용하기 위해 애플리케이션마다 서로 다른 방식으로 통합해야 했지만, MCP를 이용하면 일관된 방법으로 다양한 리소스를 연결할 수 있습니다.
Anthropic은 Claude와 같은 자체 모델에 MCP를 적용하고 있으며, Cursor IDE, Spring AI, Cloudflare Workers 등에서도 적극적으로 활용되고 있습니다.
목 차
MCP 아키텍처 목표
- LLM이 외부 기능(도구, API, 파일 등)을 안전하게 호출할 수 있게 함
- 클라이언트-서버 모델을 통해 연결과 권한 관리를 단순화
- 다양한 프로그래밍 언어와 인프라에서 손쉽게 적용할 수 있도록 함
MCP 아키텍처 구성 요소
MCP는 세 가지 핵심 구성 요소로 이루어져 있습니다.
1. MCP 호스트 (Host)
MCP 호스트는 AI 애플리케이션 본체입니다. 호스트는 MCP 클라이언트를 내장하고 있으며, AI 에이전트가 외부 리소스를 탐색하고 사용할 수 있도록 연결을 관리합니다.
주요 역할:
- MCP 클라이언트를 초기화하고 서버와 연결
- 서버로부터 가져온 도구 목록을 모델 컨텍스트에 추가
- 모델이 특정 도구를 사용할 필요가 있을 때 클라이언트를 통해 호출
호스트 예시:
- Claude Desktop
- Cursor IDE
- 맞춤형 AI 어시스턴트 프로그램
2. MCP 클라이언트 (Client)
MCP 클라이언트는 호스트와 서버를 연결하는 중간 관리자입니다.
클라이언트는 항상 1:1로 특정 서버와 연결되며, 다음 역할을 수행합니다.
주요 역할:
- MCP 서버에 연결 및 인증
- 서버에 사용 가능한 기능 목록(도구, 리소스, 프롬프트 등) 요청
- 도구 호출 요청 전송 및 응답 수신
- 오류 처리 및 연결 복구
MCP 클라이언트는 Python, TypeScript, Java, Kotlin, C#용 SDK로 쉽게 구현할 수 있습니다.
3. MCP 서버 (Server)
MCP 서버는 외부 리소스(API, 파일, DB 등)를 MCP 클라이언트를 통해 AI 모델에 제공하는 역할을 합니다.
주요 역할:
- 서버가 제공하는 도구, 리소스, 프롬프트 목록 제공
- 클라이언트의 호출 요청을 수신하고 실제 작업 수행
- 수행 결과를 클라이언트로 반환
- 각 도구별로 input/output 스펙을 정의하고 보장
서버는 JSON-RPC 2.0을 기반으로 통신하며, 다양한 언어로 개발할 수 있습니다.
MCP 통신 흐름
MCP의 통신 흐름은 다음과 같이 정리할 수 있습니다.
-
초기화 단계
호스트 애플리케이션이 MCP 클라이언트를 생성하고 MCP 서버에 연결합니다. -
기능 탐색 단계
MCP 클라이언트는 서버에게 사용 가능한 도구와 프롬프트 목록을 요청합니다. -
컨텍스트 등록 단계
호스트는 서버로부터 받은 도구 목록을 LLM에 주입하여, 모델이 외부 기능을 인식할 수 있게 합니다. -
도구 호출 요청 단계
대화 중 AI 모델이 특정 작업(예: 웹 검색, 데이터베이스 조회)이 필요하다고 판단하면, MCP 클라이언트를 통해 해당 서버에 요청을 보냅니다. -
요청 처리 및 결과 반환 단계
MCP 서버는 요청을 처리하고 결과를 클라이언트를 거쳐 호스트로 전달합니다. -
결과 통합 및 응답 생성 단계
호스트는 결과를 LLM 컨텍스트에 통합하여, 최종 사용자에게 자연스러운 응답을 생성합니다.
MCP의 주요 특징과 장점
1. 표준화된 통신 프로토콜
MCP는 JSON-RPC 2.0을 사용하여 클라이언트와 서버 간에 요청 및 응답을 주고받습니다.
따라서 복잡한 커스텀 API 없이 일관된 방식으로 다양한 리소스를 통합할 수 있습니다.
2. 강력한 권한 및 보안 관리
모든 통신은 호스트를 통해 중재되기 때문에, 사용자가 어떤 도구를 사용할 수 있는지 세밀하게 제어할 수 있습니다.
또한, 인증(Authentication)과 권한 부여(Authorization) 체계를 따로 구축할 수 있습니다.
3. 다양한 언어와 인프라 지원
MCP는 Python, TypeScript, Java, Kotlin, C# 등 다양한 언어 SDK를 지원하며, 로컬 파일 시스템, 클라우드 서비스, REST API, 데이터베이스 등 거의 모든 외부 리소스와 연동할 수 있습니다.
4. 유연한 서버 확장성
서버는 필요에 따라 로컬 서버로도, 클라우드 기반 서버로도 운영할 수 있으며, 하나의 호스트가 여러 MCP 서버에 동시 연결하는 것도 가능합니다.
MCP 실제 활용 사례
Claude Desktop
Claude Desktop은 MCP를 이용해 사용자의 로컬 파일 시스템과 연동할 수 있습니다.
예를 들어, 사용자가 "내 문서 폴더에서 최근 문서를 찾아줘"라고 요청하면, Claude는 MCP를 통해 로컬 파일 정보를 읽고 답변할 수 있습니다.
Cursor IDE
Cursor IDE는 MCP를 통해 GitHub 저장소, Slack 채널, 사내 문서 등 다양한 외부 리소스를 LLM이 직접 탐색하고 활용하도록 지원합니다.
Cloudflare Workers
Cloudflare Workers는 MCP 서버를 클라우드에서 직접 호스팅하여, 원격 API와 클라우드 저장소에 LLM이 접근할 수 있도록 합니다.
MCP 도구(Tool)의 구성
MCP의 핵심은 바로 ‘도구(Tool)’입니다. 도구는 다음 속성으로 구성됩니다.
name: 도구 식별자description: 자연어로 설명된 도구 기능input_schema: 입력 데이터 형식 (JSON Schema)output_schema: 출력 데이터 형식 (JSON Schema)
LLM은 이 정보를 바탕으로 어떤 도구를 사용할지 결정하고, 올바른 입력을 생성합니다.
MCP 미래 전망
- 멀티 서버 연결: 하나의 호스트가 여러 MCP 서버를 연결하여 다양한 기능을 동시에 활용하는 구조가 일반화될 예정입니다.
- 에이전트 협업 강화: 여러 에이전트가 MCP 기반으로 서로 협력하여 복잡한 작업을 처리하는 방식이 확산될 것입니다.
- 모듈형 LLM 아키텍처: LLM이 핵심 처리만 담당하고, 모든 외부 작업은 MCP를 통해 수행하는 모듈형 아키텍처가 주류가 될 것입니다.
결론
MCP는 LLM이 외부 세계와 상호작용하는 방식을 근본적으로 혁신하고 있습니다.
복잡한 통합 없이도 다양한 리소스를 안전하게 사용할 수 있게 해 주며, AI 애플리케이션 개발자에게 확장성과 관리 편의성을 동시에 제공합니다.
앞으로 AI 개발 트렌드에서 MCP는 점점 더 중요한 위치를 차지할 것입니다.
