MCP(Model Context Protocol)란?

개요

MCP(Model Context Protocol)는 AI 모델이 다양한 데이터 소스나 도구, 외부 시스템과 실시간으로 연결되어 정보를 주고받을 수 있게 만드는 표준 연결 프로토콜임
AI가 단순히 답변만 하는 것이 아니라 실제 데이터베이스 접근, 문서 변경, 이메일 전송 등 실제 행동까지 할 수 있는 진정한 AI 에이전트로 발전할 수 있게 함
컴퓨터 통신에서의 HTTP 역할을 AI 분야에서 표준화한 것으로 이해할 수 있음
기존의 개별 API 연동 방식보다 더 범용적이고 지속적인 연결과 작업을 가능하게 함

MCP의 개념과 역할

AI 에이전트의 진화

과거의 AI 챗봇은 사용자의 질문에 답변만 제공했음

  사용자: "내일 회의 일정 알려줘"
  기존 AI: "죄송하지만 캘린더 접근 권한이 없습니다"

MCP가 적용된 AI는 실제 행동을 수행할 수 있음

  사용자: "내일 회의 일정 알려줘"
  MCP AI: "내일 오전 10시 팀 미팅, 오후 2시 고객 미팅이 있습니다"
  사용자: "팀 미팅 30분 앞당겨줘"
  MCP AI: "팀 미팅을 오전 9시 30분으로 변경했습니다"

USB-C와 같은 표준 연결 프로토콜

MCP는 USB-C처럼 다양한 외부 시스템, 도구, 데이터와 AI 모델을 표준화된 방식으로 연결시켜줌

표준화된 연결
- USB-C 하나로 모니터, 키보드, 저장장치를 연결하듯 MCP 하나로 다양한 시스템 연결
양방향 통신
- USB-C가 데이터와 전력을 양방향으로 전송하듯 MCP도 AI와 외부 시스템 간 양방향 정보 교환
확장성
- USB-C 호환 기기가 계속 늘어나듯 MCP 서버도 지속적으로 확장 가능

오픈 표준 기반

MCP는 오픈 표준(open standard) 기반이므로 여러 AI 모델과 애플리케이션에서 자유롭게 사용할 수 있음
특정 회사나 플랫폼에 종속되지 않고 누구나 MCP 서버를 개발하고 배포할 수 있음
GitHub에 공개된 수많은 MCP 서버 예제와 커뮤니티 기여를 활용할 수 있음

MCP의 주요 구성요소

호스트 (Host)

AI 애플리케이션의 컨테이너 및 관리자 역할을 수행함
여러 MCP 클라이언트 인스턴스를 생성하고 관리함
보안 정책을 설정하고 권한을 제어함
ex) Claude Desktop, Cursor IDE, Zed Editor

호스트 (Claude Desktop)
├── MCP 클라이언트 1: 파일 시스템 접근
├── MCP 클라이언트 2: 데이터베이스 연결
└── MCP 클라이언트 3: 외부 API 호출

보안 정책
- 파일 읽기: 허용
- 파일 쓰기: 승인 필요
- 데이터베이스 쓰기: 제한

MCP 클라이언트 (Client)

호스트 내에 생성되어 MCP 서버와 연결을 담당함
프로토콜 협상 및 메시지 라우팅을 수행함
서버로부터 받은 응답을 호스트(AI 모델)에게 전달함
통신 흐름
- AI 모델이 “파일 목록 보여줘” 요청
- MCP 클라이언트가 요청을 파싱
- 적절한 MCP 서버에 요청 전달
- 서버 응답을 받아 AI 모델에게 전달
- AI 모델이 사용자에게 결과 제공

MCP 서버 (Server)

실제 데이터와 도구 기능을 제공함
클라이언트 요청에 따라 정보를 반환하고 작업을 수행함
독립적으로 실행되며 여러 클라이언트가 동시에 연결 가능함
크게 세 가지 기능을 제공함
- Resources
  - 데이터 조회 (파일 읽기, 데이터베이스 쿼리 등)
- Tools
  - 작업 수행 (파일 쓰기, 이메일 전송 등)
- Prompts
  - 템플릿 제공 (자주 사용하는 명령어 패턴 등)

  
class FileSystemMCPServer:
    def list_resources(self):
        return ["file:///workspace/README.md", "file:///workspace/src/main.py"]
    
    def read_resource(self, uri):
        return open(uri.path).read()
    
    def list_tools(self):
        return ["write_file", "delete_file", "create_directory"]
    
    def execute_tool(self, tool_name, arguments):
        if tool_name == "write_file":
            return self.write_file(**arguments)

MCP와 기존 API 방식의 차이

기존 API 연동 방식

  
// 각 서비스마다 개별 API 연동 필요
const googleCalendar = new GoogleCalendarAPI(credentials);
const slack = new SlackAPI(token);
const notion = new NotionAPI(apiKey);

// AI가 각 API 사용법을 개별적으로 학습해야 함
function addCalendarEvent() {
  // Google Calendar 전용 로직
}

function sendSlackMessage() {
  // Slack 전용 로직
}

MCP 방식

  
// MCP 클라이언트 하나로 모든 서버 접근
const mcpClient = new MCPClient();

// 표준화된 인터페이스
await mcpClient.callTool("calendar_server", "add_event", {
  title: "팀 미팅",
  time: "2025-11-01 10:00"
});

await mcpClient.callTool("slack_server", "send_message", {
  channel: "general",
  text: "회의 시작합니다"
});

주요 차이점

구분	기존 API	MCP
연결 방식	각 API마다 개별 연동	표준화된 단일 프로토콜
학습 비용	서비스마다 새로운 API 학습	한 번 배우면 모든 서버 사용
유지보수	API 변경 시 코드 수정	서버만 업데이트하면 됨
확장성	새 서비스 추가 시 전체 재작업	새 MCP 서버만 추가
컨텍스트 유지	요청마다 컨텍스트 재전송	지속적인 연결로 컨텍스트 유지

실제 활용 사례

업무 자동화

사용자: "다음 주 월요일 오전 10시에 팀 회의 잡아줘"
AI: Google Calendar MCP 서버를 통해 일정 등록
     → "다음 주 월요일 오전 10시에 팀 회의가 등록되었습니다"

사용자: "그 시간에 회의실 예약도 해줘"
AI: 회의실 관리 MCP 서버 호출
     → "회의실 A가 예약되었습니다"

사용자: "오늘 회의 내용을 Notion에 정리해줘"
AI: 1. 회의 녹음 파일을 MCP 파일 서버에서 읽음
    2. 내용을 분석하고 요약
    3. Notion MCP 서버를 통해 페이지 생성
    4. Slack MCP 서버로 팀원들에게 공유

데이터 분석

사용자: "지난달 매출 TOP 10 제품 알려줘"
AI: PostgreSQL MCP 서버를 통해 쿼리 실행
    SELECT product_name, SUM(amount) as total
    FROM sales
    WHERE date >= '2025-10-01' AND date < '2025-11-01'
    GROUP BY product_name
    ORDER BY total DESC
    LIMIT 10
    
    → 결과를 자연어로 설명하고 시각화

사용자: "이번 분기 실적 리포트 만들어줘"
AI: 1. 데이터베이스에서 분기별 데이터 조회
    2. Excel 파일 생성 (MCP 파일 서버)
    3. 차트 이미지 생성
    4. Confluence 페이지로 리포트 작성
    5. 관계자들에게 이메일 발송

개발 워크플로우

사용자: "PROJ-123 티켓의 PR 리뷰해줘"
AI: 1. Jira MCP 서버에서 티켓 내용 조회
    2. GitHub MCP 서버에서 PR 코드 분석
    3. 코딩 컨벤션 체크
    4. 리뷰 코멘트 자동 작성
    5. Slack으로 개발자에게 알림

사용자: "이 에러 로그 분석해서 Jira 티켓 만들어줘"
AI: 1. 파일 시스템에서 에러 로그 읽기
    2. 스택 트레이스 분석
    3. 유사한 과거 이슈 검색
    4. Jira에 버그 티켓 자동 생성
    5. 담당자 자동 할당

MCP 서버의 종류와 범위

서버 등록 범위

MCP 서버는 세 가지 범위로 등록할 수 있음
- Local (로컬)
  - 현재 프로젝트 디렉토리에만 적용됨
  - 프로젝트별로 다른 설정 사용 가능
  - .mcp.json 파일로 관리
- Project (프로젝트)
  - 워크스페이스 전체에 적용됨
  - 팀원들과 설정 공유 가능
  - .vscode/mcp.json 또는 .cursor/mcp.json으로 관리
- User (사용자)
  - 사용자의 모든 프로젝트에서 사용 가능
  - 개인 설정 및 인증 정보 포함
  - ~/.config/mcp/servers.json으로 관리

  
{
  "mcpServers": {
    "project-db": {
      "command": "node",
      "args": ["./mcp-servers/database.js"]
    }
  }
}

통신 방식

표준 입출력 (stdio)

  
{
  "mcpServers": {
    "filesystem": {
      "command": "mcp-server-filesystem",
      "args": ["--root", "/Users/username/workspace"]
    }
  }
}

HTTP/WebSocket

  
{
  "mcpServers": {
    "remote-api": {
      "url": "https://api.example.com/mcp",
      "auth": {
        "type": "bearer",
        "token": "your-token-here"
      }
    }
  }
}

MCP(Model Context Protocol)란?

개요

MCP의 개념과 역할

AI 에이전트의 진화

USB-C와 같은 표준 연결 프로토콜

오픈 표준 기반

MCP의 주요 구성요소

호스트 (Host)

MCP 클라이언트 (Client)

MCP 서버 (Server)

MCP와 기존 API 방식의 차이

기존 API 연동 방식

MCP 방식

주요 차이점

실제 활용 사례

업무 자동화

데이터 분석

개발 워크플로우

MCP 서버의 종류와 범위

서버 등록 범위

통신 방식

Further Reading

Cursor에서 MCP로 Jira/Confluence 연동하기

[컴퓨터과학 개론] 4강 - 자료 구조

Google Colab 환경의 Matplotlib 한글 폰트 깨짐 현상