Record
MCP(Model context Protocol)에 대해 알아보자 본문
맨날 MCP에 대해서 그냥 ai agent를 쓰기 위한 protocol이다 라고만 뜬구름처럼 알고 있어서, 이번에 플젝에 쓰기 위해 정리를 하려한다.

MCP는 AI(LLM)이 외부 도구, 데이터, 시스템과 안전하고 표준화된 방식으로 연결되도록 만든 오픈 프로토콜이다.
쉽게 말하면
AI가 외부 세계(메일, DB, 배포 시스템 등)를 사용할 수 있도록 제공하는
‘AI용 USB-C 포트’ 같은 표준 인터페이스
약간 langchain과 같으면서 다른 느낌인데, langchain은 application 단에서 처리를 하는 느낌이면 MCP는 protocol을 정의해서 다른 곳에서 쓸 수 있게 해주는 느낌이라고 해석하는 중이다, (실제로는 맞는지 모름)
MCP는 이를 하나의 표준으로 통합하여 다음을 가능하게 한다
- 여러 LLM이 같은 도구를 함께 사용
- (예: ChatGPT, Claude, OpenAI Agents, 내부 에이전트가 모두 동일한 MCP 서버 사용)
- 프롬프트가 아니라 백엔드 코드로 행동을 통제
- 훨씬 안전하고 정확한 에이전트 구축 가능
이게 무슨 뜻이나면, MCP는 필요한 기능을 정의하고 그에 맞게 프로토콜을 만들어서 보내기 때문에 매번 application단에서 새로 agent를 만들지 않아도 된다고 해석하고 있다.
MCP는 크게 세 가지 개념으로 구성된다.
1) Tools (도구)
AI가 호출할 수 있는 “행동(action)”
예: send_email, deploy_service, search_db, create_issue
- 모든 파라미터는 JSON Schema로 타입, 필수값, 제한을 명확히 정의
- LLM은 이 스키마를 보고 정확한 입력값을 생성
- 서버는 검증 후 실제 행동을 실행
→ AI의 ‘행동’을 가장 강하게 제어할 수 있는 핵심 요소
2) Resources (리소스)
AI가 읽을 수 있는 데이터 소스
예:
- 파일 시스템
- DB 레코드
- API 응답
- 설정값, 문서 등
리소스는 URI 형태로 제공되며, LLM은 이를 필요할 때 불러온 후 컨텍스트로 활용한다.
3) Prompts (프롬프트 템플릿)
AI가 특정 작업을 수행할 때 사용해야 할
절차, 규칙, 템플릿을 서버에서 제공하는 기능.
예:
- 코드 리뷰 템플릿
- 이메일 작성 절차
- 배포 워크플로
- 승인 절차 안내
Prompts로 에이전트의 행동 패턴을 강제할 수 있다.
[사용자]
↓
[프론트엔드] (React/Next 등)
↓
[백엔드/에이전트 서버]
- LLM API 호출(OpenAI/Claude 등)
- MCP 클라이언트
↓
[🔌 MCP 서버] ← 실제 동작 구현
- send_email
- query_database
- deploy_service
- read_file
↓
[실제 시스템/DB/API]
- 프론트 ↔ 백엔드는 일반 웹 구조 그대로
- 백엔드 ↔ LLM: 자연어 처리
- LLM ↔ MCP 서버: “도구(tool)” 호출
- MCP 서버가 실제 행동을 수행 (메일, 배포, DB 조작 등)
MCP는 LLM이 사용할 수 있는 “툴/기능”을 표준화된 형식으로 제공하는 서버이고,
어떤 행동을 언제 할지는 여전히 LLM(에이전트)이 결정한다.
MCP 서버는 에이전트가 요청한 행동을 실제 시스템에 적용해주는 실행자(executor)에 가깝다.
정리하자면 mcp서버는
내 홈페이지에 인공지능을 쓰기 위한 행동 규격(툴 목록)을 MCP로 정해두고
MCP를 아는 AI들은 모두, 같은 방식으로 내 홈페이지를 조작할 수 있다.”
라고 생각하면 편할꺼 같다.
쉽게 생각하면 llm(chat gpt, claude)사이트에서 어떤 걸 쓰면 mcp서버에 전송해서 어떻게 적을지를 mcp로 정의해준후 어디 홈페이지 어디 칸에 적을지나 이런걸 작성하는 느낌이다.
튜토리얼도 진행했다.
agent, web, mcp 서버 3개를 띄운후 agent에서 글을 작성하면 mcp서버를 거쳐서 web에 띄우는 식으로 실습했다.


결론적으로 다른 appliaction에 사용할때 gpt나 claude 홈페이지에 쓰기 편리하게 해주는 기능이다. 아마 실제 내프로젝트에 쓸때는 agent로 더 많이 쓰긴 하겠지만 나중에 확장성?을 생각하면 MCP는 좋은 대안이 될 수 있을것 같다.
GitHub - now1256/MCP_tuto
Contribute to now1256/MCP_tuto development by creating an account on GitHub.
github.com
'AI' 카테고리의 다른 글
| RAG 공부 (최신기법 및 동향) (0) | 2026.06.13 |
|---|---|
| [논문리뷰] Retrieval-Augmented Generation for Knowledge-Intensive NLP Tasks (0) | 2026.05.19 |
| SKills란? (0) | 2026.02.19 |
| [논문리뷰] RNN(Recurrent Neural Network) (0) | 2025.04.25 |
| [복습] Deep learning 기본 (0) | 2025.04.25 |