MCP란 무엇인가?
모델 컨텍스트 프로토콜(MCP)은 Anthropic에서 AI 어시스턴트를 외부 데이터 소스 및 도구와 연결하는 개방 표준입니다. 이를 AI를 위한 USB-C라고 생각하면 됩니다 — 어디서나 작동하는 하나의 프로토콜입니다.
왜 MCP가 중요한가
MCP 이전에는 모든 AI 통합이 맞춤형이었습니다. 각 도구는 자체 플러그인, API 래퍼, 그리고 설정이 필요했습니다. MCP는 이를 표준화합니다.
건축
- MCP 호스트: AI 애플리케이션(예: Claude Desktop, 커서).
- MCP 서버: 프로토콜을 통해 도구와 자원을 노출합니다.
- MCP 클라이언트: 호스트를 서버에 연결합니다.
주요 개념
- 도구: AI가 호출할 수 있는 함수들(검색, 파일 생성, 데이터베이스 조회).
- 리소스: AI가 읽을 수 있는 데이터(파일, 데이터베이스 기록, API 응답).
- 프롬프트: 애플리케이션 간에 공유되는 재사용 가능한 프롬프트 템플릿.
MCP 서버 구축
1. JSON 스키마로 도구를 정의하세요.
2. MCP 프로토콜(REST 또는 stdio 전송)을 구현합니다.
3. 기능(도구, 자원, 프롬프트)을 등록하기.
4. MCP Inspector 또는 Claude 데스크톱으로 테스트하세요.
생태계
- GitHub: 저장소 및 이슈를 위한 MCP 서버.
- PostgreSQL: 데이터베이스 쿼리용 MCP 서버.
- Slack: 메시징 및 채널을 위한 MCP 서버입니다.
- 파일시스템: 로컬 파일 접근을 위한 MCP 서버.
개발자를 위해
- TypeScript와 Python으로 제공되는 MCP SDK.
- modelcontextprotocol.io 의 사양을 따르세요.
- 커뮤니티 서버가 빠르게 성장 — 수백 개 이용 가능.
첫 MCP 서버 만들기
TypeScript SDK를 사용한 최소 예제입니다:
기존 API는 남아 있지만 폐기 예정이므로 현재 진입점을 사용하세요:
- `npm install @modelcontextprotocol/sdk zod`
- `import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";`
- `import { StdioServerTransport } from "@modelcontextprotocol/sdk/server/stdio.js";`
- `const server = new McpServer({ name: "my-tool", version: "1.0.0" });`
- `server.registerTool("search", { inputSchema: { query: z.string() } }, async ({ query }) => ({ content: [{ type: "text", text: JSON.stringify(await searchDatabase(query)) }] }));`
- `await server.connect(new StdioServerTransport());`
출처: npm의 @modelcontextprotocol/sdk 패키지, 버전 1.32.2, 2026-11-10 확인. 이전 본문이 가져온 @mcp/sdk는 npm에 존재하지 않습니다.
보안 고려사항
- 인증: MCP 서버는 API 키 또는 OAuth 토큰을 요구해야 합니다. 인증 없이 서버를 공개하지 마세요.
- 입력 검증: 모든 도구 입력을 스키마로 검증하세요. MCP는 입력을 자동으로 정제하지 않습니다.
- 속도 제한: 남용을 막기 위해 속도 제한을 구현하세요. 일반적인 한도는 클라이언트당 분당 100회입니다.
- 감사 로깅: 디버깅과 컴플라이언스를 위해 모든 도구 호출을 기록하세요.
MCP와 기존 API의 차이
MCP는 의미적 이해를 더합니다. AI가 각 도구가 무엇을 하는지, 언제 써야 하는지 압니다. 개발자가 통합 로직을 하드코딩하는 REST API와 달리, MCP에서는 AI가 맥락에 따라 어떤 도구를 호출할지 결정합니다. 그래서 MCP는 AI가 동적으로 행동을 선택해야 하는 에이전트 워크플로우에 이상적입니다.
통합 면은 도구 스키마 그 자체다
사람들이 MCP를 평가할 때 대개 전송 방식을 비교하고, 다른 시스템이 의존하는 부분이 도구 정의라는 사실을 잊습니다. 이름, 설명, 인자와 결과의 형태입니다. 설명이 모호한 도구는 모든 클라이언트에서 잘못된 시점에 호출되고, 비구조적 산문을 반환하는 결과는 하위의 어떤 것과도 조합할 수 없습니다. 노력을 스키마와 설명에 쏟으세요. 전송은 이미 해결된 문제이고 인터페이스는 아닙니다.
설명은 프롬프트입니다. 모델이 이 도구를 호출할지 자체를 판단하는 관점에서, 언제 호출하지 말아야 하는지까지 써야 합니다. 인자 이름을 명확히 하는 것이 약어보다 훨씬 중요하고, 작은 타입 객체를 반환하는 결과가 매번 문단 텍스트를 이깁니다.
로컬 서버는 마찰이 적은 출발점이다
사용자 자신의 기계에서 도는 stdio 서버는 가장 어려운 문제들을 한 번에 피합니다. 호스팅 없음, 인증 인프라 없음, 그리고 프로세스가 사용자 권한으로 사용자 데이터에서 돌기 때문에 자연스러운 신뢰 경계가 있습니다. 거기서 시작하세요. 능력이 정말로 기계나 사용자를 넘어 공유되어야 할 때만 원격 HTTP 서버로 옮기고, 그때는 인증, 권한 부여, 멀티테넌시를 직접 책임진다는 것을 받아들이세요.
통합이 실무에서 깨지는 곳
stdout에 쓰는 서버. stdio에서 stdout은 프로토콜 채널이라, 실수로 남은 print가 스트림을 망가뜨리고 실패는 클라이언트 버그처럼 보입니다. 로그는 stderr로 보내고, 서버를 띄워 JSON이 아닌 바이트가 있는지 지켜보는 것으로 테스트하세요. 그 한 가지 확인이 몇 시간의 혼란스러운 디버깅을 아낍니다.
합리적인 첫 서버
이미 있는 내부 도구 하나를 감싸고, 정확한 스키마와 정직한 설명으로 노출하고, 다른 사람에게 주기 전에 일주일 직접 쓰세요.