이 글에서 다루는 내용
AI 에이전트는 사용자의 질문에 답하는 것에서 그치지 않고, 필요한 정보를 찾거나 외부 시스템에서 실제 작업을 수행할 수 있습니다.
예를 들어 사용자가 AI 에이전트에게 다음과 같이 요청할 수 있습니다.
“다음 주에 비어 있는 시간을 찾아 회의를 등록해 줘.”
이 작업을 수행하려면 AI는 단순히 문장을 만드는 것만으로는 부족합니다.
사용자의 캘린더를 조회하고, 비어 있는 시간을 확인한 다음, 새로운 일정을 등록해야 합니다. 참석자가 있다면 다른 사람의 일정도 확인해야 할 수 있습니다.
하지만 AI 모델 자체에는 구글 캘린더, 사내 데이터베이스, 파일 서버와 직접 통신하는 기능이 없습니다.
AI가 외부 시스템의 정보에 접근하거나 실제 작업을 수행하려면, AI와 외부 시스템 사이를 연결하는 별도의 구조가 필요합니다.
이때 사용할 수 있는 표준 연결 방식이 MCP(Model Context Protocol)입니다.
MCP란 무엇일까?
MCP는 AI 애플리케이션을 외부 데이터와 도구에 연결하기 위한 개방형 표준입니다.
AI 애플리케이션은 MCP를 통해 다음과 같은 외부 시스템과 연결될 수 있습니다.
- 파일과 문서
- 데이터베이스
- 검색 서비스
- 이메일과 캘린더
- GitHub와 같은 개발 플랫폼
- Slack과 같은 협업 도구
- 기업 내부 업무 시스템
- 외부 서비스의 API
MCP가 외부 시스템의 기능을 직접 제공하는 것은 아닙니다.
이미 존재하는 파일 시스템, 데이터베이스, API, 업무 시스템을 AI가 일정한 방식으로 찾고 사용할 수 있도록 공통된 연결 규칙을 제공하는 것이 MCP의 역할입니다.
AI는 왜 외부 시스템과 바로 연결할 수 없을까?
AI 모델은 입력된 내용을 바탕으로 적절한 답변을 생성합니다.
그러나 사용자의 캘린더에 어떤 일정이 있는지, 사내 데이터베이스에 어떤 정보가 저장되어 있는지, 특정 폴더에 어떤 파일이 있는지는 기본적으로 알 수 없습니다.
외부 시스템에 저장된 정보는 AI 모델의 내부 지식이 아니기 때문입니다.
AI가 이러한 정보를 사용하려면 외부 시스템에 요청을 보내고, 그 결과를 받아와야 합니다.
예를 들어 AI 에이전트가 회의를 등록하려면 다음과 같은 기능이 필요합니다.
- 캘린더 일정 조회
- 비어 있는 시간 검색
- 참석자 일정 확인
- 새로운 일정 생성
- 생성된 일정 확인
기존에도 이러한 기능을 구현할 수 있었습니다.
개발자가 캘린더 API를 연결하고, AI가 일정 조회나 등록 기능을 호출할 수 있도록 별도의 코드를 작성하면 됩니다.
문제는 연결해야 하는 시스템이 늘어날수록 구조도 복잡해진다는 것입니다.
캘린더, 이메일, 데이터베이스, 파일 서버, 협업 도구는 각각 다른 연결 방식과 인증 절차를 사용합니다. AI 애플리케이션이 바뀌면 비슷한 연결 기능을 다시 구현해야 할 수도 있습니다.
MCP는 서로 다른 시스템을 AI에 연결하는 방식을 하나의 규격으로 통일해 이러한 복잡성을 줄입니다.
MCP의 기본 연결 구조
MCP의 연결 구조는 다음과 같이 이해할 수 있습니다.
사용자 → AI 애플리케이션 → MCP 클라이언트 → MCP 서버 → 외부 시스템
이 구조에는 MCP 호스트, MCP 클라이언트, MCP 서버라는 세 가지 핵심 구성요소가 있습니다.
MCP 공식 구조에서는 하나의 호스트가 여러 클라이언트를 관리하고, 각 클라이언트가 특정 MCP 서버와 연결됩니다.
1. MCP 호스트
MCP 호스트는 사용자가 직접 이용하는 AI 애플리케이션입니다.
예를 들면 다음과 같습니다.
- 대화형 AI 서비스
- AI 기능이 포함된 개발도구
- 사내 AI 업무 시스템
- AI 에이전트 플랫폼
- 문서 작성이나 데이터 분석을 지원하는 AI 프로그램
호스트는 사용자의 요청을 받고 AI 모델을 실행합니다.
또한 어떤 MCP 서버에 연결할지, 어떤 도구를 AI에 제공할지, 사용자의 확인이 필요한 작업은 무엇인지 등을 전체적으로 관리합니다.
여기서 중요한 점은 AI 모델 자체와 MCP 호스트는 같은 개념이 아니라는 것입니다.
AI 모델은 문장을 이해하고 다음 행동을 판단하는 역할을 합니다.
반면 MCP 호스트는 AI 모델뿐 아니라 사용자 화면, 대화 기록, 권한 관리, 외부 시스템 연결 기능 등을 포함하는 전체 애플리케이션입니다.
2. MCP 클라이언트
MCP 클라이언트는 AI 애플리케이션과 MCP 서버 사이의 연결을 담당하는 구성요소입니다.
클라이언트는 MCP 호스트 안에서 실행되며 특정 MCP 서버와 통신합니다.
예를 들어 하나의 AI 애플리케이션이 캘린더와 GitHub에 연결되어 있다면 다음과 같은 구조가 만들어질 수 있습니다.
- 캘린더 MCP 클라이언트 → 캘린더 MCP 서버
- GitHub MCP 클라이언트 → GitHub MCP 서버
MCP 클라이언트는 서버에 어떤 기능이 있는지 확인하고, AI가 선택한 기능의 실행을 요청한 다음, 서버가 돌려준 결과를 호스트에 전달합니다.
사용자가 MCP 클라이언트를 직접 조작하는 경우는 많지 않습니다.
대부분은 AI 애플리케이션 내부에서 연결을 관리하는 역할을 수행합니다.
3. MCP 서버
MCP 서버는 외부 시스템의 데이터와 기능을 MCP 방식으로 제공하는 프로그램 또는 서비스입니다.
여기서 서버라는 이름 때문에 별도의 대형 컴퓨터나 물리적인 장비를 떠올릴 수 있습니다.
하지만 MCP에서 말하는 서버는 반드시 물리적인 서버를 의미하지 않습니다. 사용자의 컴퓨터에서 실행되는 작은 프로그램일 수도 있고, 기업의 클라우드 환경에서 운영되는 원격 서비스일 수도 있습니다.
MCP 서버는 AI 애플리케이션과 실제 외부 시스템 사이에서 중간 연결 계층으로 작동합니다.
예를 들어 캘린더 MCP 서버는 다음과 같은 역할을 할 수 있습니다.
- 캘린더에서 사용할 수 있는 기능을 AI 애플리케이션에 알려 줍니다.
- AI가 요청한 작업에 필요한 입력값을 확인합니다.
- 요청을 실제 캘린더 시스템이 이해할 수 있는 형태로 전달합니다.
- 캘린더에서 받은 결과를 AI 애플리케이션에 돌려줍니다.
- 사용자의 접근 권한과 인증정보를 관리합니다.
따라서 MCP 서버는 캘린더나 데이터베이스 자체가 아닙니다.
외부 시스템의 기능을 AI가 이해하고 사용할 수 있는 형태로 제공하는 어댑터에 가깝습니다.
MCP 서버는 외부 시스템의 무엇을 제공할까?
MCP 서버는 외부 시스템의 데이터와 기능을 주로 도구, 리소스, 프롬프트라는 세 가지 형태로 제공합니다.
1. 도구
도구(Tools)는 AI가 외부 시스템에서 특정 작업을 수행할 때 사용하는 기능입니다.
예를 들어 캘린더 MCP 서버는 다음과 같은 도구를 제공할 수 있습니다.
- 일정 목록 조회
- 비어 있는 시간 검색
- 새로운 일정 생성
- 기존 일정 변경
- 일정 삭제
파일 관리 MCP 서버라면 다음과 같은 도구를 제공할 수 있습니다.
- 파일 검색
- 새 파일 생성
- 파일 이름 변경
- 문서 내용 수정
- 파일 이동
각 도구에는 어떤 작업을 수행하는지, 어떤 정보가 필요한지, 실행 후 어떤 결과가 돌아오는지가 함께 정의됩니다.
예를 들어 일정 생성 도구에는 다음과 같은 정보가 필요할 수 있습니다.
- 일정 제목
- 시작 시간
- 종료 시간
- 참석자
- 회의 장소
AI는 이러한 설명을 확인하고 사용자의 요청에 적합한 도구를 선택합니다.
도구가 있다고 해서 AI가 언제나 자유롭게 실행할 수 있는 것은 아닙니다. AI 애플리케이션은 특정 도구를 사용할 수 없도록 차단하거나, 실행 전에 사용자에게 승인을 요청하도록 설정할 수 있습니다.
2. 리소스
리소스(Resources)는 AI가 작업을 이해하고 판단하는 데 사용할 수 있는 정보입니다.
예를 들면 다음과 같습니다.
- 파일 내용
- 제품 설명서
- 프로젝트 문서
- 데이터베이스의 자료
- 시스템 설정 정보
- API에서 가져온 데이터
- 사내 규정과 업무 지침
도구가 외부 시스템에서 작업을 실행하는 기능이라면, 리소스는 AI가 판단에 필요한 정보를 읽을 수 있도록 제공하는 기능에 가깝습니다.
예를 들어 AI가 데이터베이스에서 매출 자료를 조회해야 한다고 가정해 보겠습니다.
AI는 먼저 어떤 테이블에 매출 정보가 저장되어 있는지, 각 항목이 무엇을 의미하는지 알아야 합니다. MCP 서버는 데이터베이스 구조나 항목 설명을 리소스로 제공할 수 있습니다.
AI 애플리케이션은 필요한 리소스를 선택해 AI 모델에 전달하고, AI 모델은 그 정보를 바탕으로 다음 작업을 판단합니다.
3. 프롬프트
프롬프트(Prompts)는 특정 업무를 일정한 방식으로 수행하도록 미리 만들어 둔 작업 양식입니다.
예를 들어 회의 관리 MCP 서버는 다음과 같은 프롬프트를 제공할 수 있습니다.
- 오늘 회의 일정 정리
- 회의록 요약
- 회의 후속 업무 작성
- 다음 주 일정 검토
- 참석자별 결정사항 정리
프롬프트를 사용하면 사용자가 매번 긴 지시사항을 처음부터 작성하지 않아도 됩니다.
미리 정의된 작업 양식을 선택하고 필요한 정보만 입력하면, AI가 일정한 절차와 형식에 따라 작업을 수행할 수 있습니다.
일반적으로 도구는 실행할 기능, 리소스는 참고할 정보, 프롬프트는 업무를 진행하는 양식이라고 이해할 수 있습니다.
AI 에이전트가 MCP를 사용하는 과정
사용자가 AI 에이전트에게 다음과 같이 요청했다고 가정해 보겠습니다.
“다음 주 화요일 오후에 한 시간짜리 회의를 등록해 줘.”
이 요청은 다음과 같은 과정을 거쳐 처리될 수 있습니다.
1단계. 캘린더 MCP 서버에 연결한다
AI 애플리케이션의 MCP 클라이언트가 캘린더 MCP 서버에 연결합니다.
연결이 완료되면 MCP 클라이언트와 서버는 요청과 결과를 주고받을 수 있습니다.
2단계. 사용할 수 있는 기능을 확인한다
MCP 클라이언트는 캘린더 MCP 서버가 제공하는 도구를 확인합니다.
서버는 다음과 같은 기능을 제공할 수 있습니다.
- 일정 조회
- 비어 있는 시간 검색
- 일정 생성
- 일정 변경
- 일정 삭제
AI 애플리케이션은 이러한 정보를 AI 모델에 전달합니다.
이 과정을 통해 AI 모델은 캘린더에서 어떤 작업을 수행할 수 있는지 알게 됩니다.
3단계. 사용자의 요청을 분석한다
AI 모델은 사용자의 요청에서 필요한 조건을 정리합니다.
- 날짜: 다음 주 화요일
- 시간대: 오후
- 일정 길이: 한 시간
- 요청한 작업: 회의 일정 생성
회의 제목이나 참석자처럼 필요한 정보가 빠져 있다면, AI는 사용자에게 추가로 물어볼 수 있습니다.
4단계. 필요한 도구를 선택한다
AI는 회의를 바로 등록하기 전에 비어 있는 시간을 확인해야 한다고 판단할 수 있습니다.
이 경우 먼저 빈 시간 검색 도구를 선택합니다.
그다음 날짜, 시간대, 일정 길이와 같은 정보를 입력값으로 준비합니다.
5단계. MCP 서버에 작업을 요청한다
MCP 클라이언트는 AI가 선택한 도구와 필요한 정보를 캘린더 MCP 서버에 전달합니다.
이때 AI 애플리케이션과 MCP 서버는 서로 정해진 공통 양식에 따라 요청과 결과를 주고받습니다.
사람들이 같은 신청서 양식을 사용하면 작성자와 처리자가 내용을 같은 방식으로 이해할 수 있는 것처럼, MCP도 서로 다른 프로그램이 일정한 규칙에 따라 통신할 수 있도록 합니다.
6단계. 외부 시스템에서 실제 작업을 수행한다
캘린더 MCP 서버는 받은 요청을 실제 캘린더 시스템이 이해할 수 있는 형태로 전달합니다.
캘린더 시스템은 사용자의 일정을 확인하고 비어 있는 시간을 찾습니다.
사용자가 시간을 선택하거나 AI가 정해진 기준에 따라 적절한 시간을 결정하면, MCP 서버는 일정 생성 기능을 다시 호출할 수 있습니다.
실제 캘린더 조회와 일정 등록은 AI 모델이 직접 수행하는 것이 아니라 MCP 서버와 캘린더 시스템이 담당합니다.
7단계. 결과를 사용자에게 알려 준다
일정이 생성되면 캘린더 시스템의 처리 결과가 MCP 서버와 클라이언트를 거쳐 AI 애플리케이션으로 전달됩니다.
AI는 그 결과를 사용자가 이해하기 쉬운 문장으로 정리합니다.
“다음 주 화요일 오후 3시부터 4시까지 회의를 등록했습니다.”
이처럼 AI 모델은 어떤 작업이 필요한지 판단하고, MCP 서버는 실제 외부 시스템과 통신합니다.
로컬 시스템과 원격 시스템은 어떻게 연결할까?
MCP 서버는 사용자의 컴퓨터에서 직접 실행될 수도 있고, 네트워크를 통해 원격으로 연결될 수도 있습니다.
로컬 연결
로컬 연결은 AI 애플리케이션과 MCP 서버가 같은 컴퓨터에서 실행되는 방식입니다.
예를 들어 AI가 사용자의 컴퓨터에 저장된 파일이나 개발 프로젝트에 접근해야 할 때 사용할 수 있습니다.
AI 애플리케이션이 로컬 MCP 서버 프로그램을 실행하고, 두 프로그램이 직접 요청과 결과를 주고받습니다.
이때 주로 사용되는 기술적 연결 방식이 stdio입니다.
원격 연결
원격 연결은 MCP 서버가 인터넷이나 기업 내부 네트워크의 다른 시스템에서 실행되는 방식입니다.
예를 들어 다음과 같은 시스템에 사용할 수 있습니다.
- 기업의 업무 시스템
- 클라우드 서비스
- 원격 데이터베이스
- 협업 플랫폼
- 외부 API 서비스
원격 MCP 서버는 여러 AI 애플리케이션의 연결을 받을 수 있으며, 네트워크를 통해 요청과 결과를 전달합니다.
이때 대표적으로 사용되는 방식이 Streamable HTTP입니다.
비개발자 입장에서 두 방식의 세부 통신 절차까지 알 필요는 없습니다.
핵심은 MCP 서버가 내 컴퓨터에서 실행될 수도 있고, 네트워크의 다른 위치에서 실행될 수도 있다는 것입니다. 현재 MCP는 로컬 연결에 적합한 stdio와 원격 연결에 적합한 Streamable HTTP를 표준 전송 방식으로 정의하고 있습니다.
MCP와 API는 무엇이 다를까?
MCP와 API는 서로 대체하는 기술이 아닙니다.
API는 특정 시스템의 데이터나 기능을 다른 프로그램이 사용할 수 있도록 제공하는 인터페이스입니다.
예를 들어 캘린더 API는 외부 프로그램이 일정을 조회하거나 새로운 일정을 만들 수 있도록 기능을 제공합니다.
하지만 캘린더 API, 이메일 API, 협업 도구 API는 서로 다른 방식으로 만들어질 수 있습니다.
각각 필요한 입력값, 인증 방식, 요청 형식이 다르기 때문에 개발자는 시스템별 API 문서를 읽고 연결 코드를 작성해야 합니다.
MCP는 이러한 기존 시스템의 기능을 AI 애플리케이션에 제공하는 방식을 표준화합니다.
예를 들어 캘린더 MCP 서버는 기존 캘린더 API를 내부적으로 사용하면서 AI에는 다음과 같은 정보를 제공합니다.
- 어떤 기능을 사용할 수 있는지
- 각 기능이 어떤 작업을 수행하는지
- 어떤 정보를 입력해야 하는지
- 실행하면 어떤 결과가 반환되는지
따라서 MCP는 API를 없애는 기술이 아닙니다.
기존 API와 외부 시스템 앞에 AI가 이해할 수 있는 공통 연결 계층을 추가하는 기술에 가깝습니다.
구조를 단순화하면 다음과 같습니다.
기존 애플리케이션 연결
애플리케이션 → 개별 API → 외부 시스템
MCP를 이용한 AI 연결
AI 애플리케이션 → MCP 클라이언트 → MCP 서버 → 개별 API 또는 외부 시스템
API가 실제 시스템의 기능을 제공한다면, MCP는 그 기능을 AI가 일정한 방식으로 찾고 사용할 수 있도록 정리합니다.
MCP가 AI 에이전트에서 중요한 이유
1. 외부 시스템의 연결 방식이 표준화된다
MCP가 없다면 AI 애플리케이션마다 캘린더, 파일 서버, 데이터베이스와 연결하는 기능을 개별적으로 구현해야 합니다.
MCP 서버가 표준 방식으로 외부 시스템의 기능을 제공하면, MCP를 지원하는 여러 AI 애플리케이션에서 같은 서버를 활용할 수 있습니다.
모든 연결 작업이 자동으로 사라지는 것은 아니지만, 시스템마다 서로 다른 방식으로 AI 연결 구조를 다시 설계해야 하는 부담을 줄일 수 있습니다.
2. AI가 사용할 수 있는 기능을 확인할 수 있다
MCP 서버는 단순히 연결 주소만 제공하지 않습니다.
어떤 도구와 리소스가 있는지, 각각 어떤 역할을 하는지, 어떤 입력값이 필요한지도 함께 설명합니다.
AI는 이 정보를 바탕으로 사용자의 요청에 맞는 기능을 선택할 수 있습니다.
즉, AI 애플리케이션이 모든 외부 기능을 미리 알고 있어야 하는 것이 아니라, 연결된 MCP 서버에서 현재 사용할 수 있는 기능을 확인할 수 있습니다.
3. 여러 시스템을 하나의 업무에 연결할 수 있다
하나의 AI 애플리케이션은 여러 MCP 서버와 연결될 수 있습니다.
예를 들어 다음과 같은 업무 흐름을 구성할 수 있습니다.
- 이메일에서 회의 요청을 확인합니다.
- 캘린더에서 참석자의 빈 시간을 찾습니다.
- 새로운 일정을 등록합니다.
- 협업 도구로 회의 일정을 공유합니다.
- 문서 시스템에 회의 준비 자료를 생성합니다.
각각의 시스템은 서로 다르지만, AI 애플리케이션은 MCP를 통해 여러 기능을 하나의 작업 흐름으로 연결할 수 있습니다.
이것이 AI가 단순한 대화형 서비스에서 실제 업무를 수행하는 AI 에이전트로 확장되는 중요한 기반입니다.
4. 외부 시스템의 접근 범위를 통제할 수 있다
AI 모델에 데이터베이스 계정이나 API 인증정보를 직접 제공하지 않고, MCP 서버가 외부 시스템의 인증과 연결을 담당하도록 구성할 수 있습니다.
또한 MCP 서버가 허용한 기능만 AI에 제공할 수 있습니다.
예를 들어 고객 데이터베이스에 연결된 MCP 서버가 있다고 가정해 보겠습니다.
AI에는 고객 정보를 조회하는 기능만 제공하고, 고객 정보를 삭제하거나 변경하는 기능은 공개하지 않을 수 있습니다.
기능을 공개하더라도 중요한 작업은 사용자 승인을 받은 뒤 실행하도록 설정할 수 있습니다.
다만 MCP를 사용한다는 사실만으로 시스템이 자동으로 안전해지는 것은 아닙니다.
MCP를 사용할 때 어떤 보안 문제가 생길 수 있을까?
MCP 서버는 파일을 읽고, 데이터베이스를 조회하고, 외부 시스템에서 작업을 실행할 수 있습니다.
따라서 MCP 서버가 과도한 권한을 가지고 있거나 신뢰할 수 없는 기능을 제공하면 중요한 정보가 유출되거나 원하지 않는 작업이 실행될 수 있습니다.
대표적으로 다음과 같은 문제가 발생할 수 있습니다.
- 악성 MCP 서버가 정보를 외부로 전송할 수 있습니다.신뢰할 수 없는 MCP 서버가 사용자의 파일이나 업무 정보를 읽은 뒤 외부로 전송할 수 있습니다.
- 외부 문서에 포함된 지시가 AI의 판단을 왜곡할 수 있습니다.AI가 읽은 문서나 웹페이지에 숨겨진 지시가 포함되어 있으면, AI가 사용자의 의도와 다른 도구를 선택할 수 있습니다.
- 필요 이상의 시스템에 접근할 수 있습니다.파일 하나만 읽으면 되는 MCP 서버가 컴퓨터의 전체 폴더에 접근할 수 있다면 피해 범위가 커질 수 있습니다.
- 인증정보가 탈취될 수 있습니다.API 키나 로그인 권한이 제대로 관리되지 않으면 공격자가 사용자의 권한으로 외부 시스템에 접근할 수 있습니다.
- 중요한 작업이 사용자 확인 없이 실행될 수 있습니다.파일 삭제, 메시지 전송, 데이터 변경, 결제처럼 되돌리기 어려운 작업이 잘못 실행될 수 있습니다.
- MCP 서버가 허용되지 않은 내부 시스템에 요청을 보낼 수 있습니다.네트워크 연결을 악용하면 외부에서 직접 접근하기 어려운 기업 내부 시스템이나 사용자 컴퓨터의 프로그램이 공격 대상이 될 수 있습니다.
MCP 공식 문서도 권한 탈취, 인증정보의 잘못된 전달, 로컬 서버 침해, 네트워크 연결 악용 등을 주요 보안 위험으로 다루고 있습니다.
따라서 실제 운영 환경에서는 다음과 같은 통제가 필요합니다.
- 신뢰할 수 있는 MCP 서버만 연결하기
- 필요한 최소한의 권한만 부여하기
- 읽기 권한과 변경 권한 분리하기
- 접근할 수 있는 파일과 네트워크 범위 제한하기
- 삭제·전송·결제 전 사용자 확인받기
- API 키와 인증정보를 안전하게 보관하기
- 도구의 입력값과 실행 결과 기록하기
- 외부에서 가져온 문서와 데이터 검증하기
- 문제가 발생했을 때 연결을 즉시 차단할 수 있도록 구성하기
MCP 서버는 AI와 실제 시스템을 연결하는 통로이기 때문에 일반적인 확장 기능보다 엄격한 권한 관리가 필요합니다.
MCP는 연결 규격일 뿐, AI의 판단을 대신하지 않는다
MCP는 AI와 외부 시스템이 정보를 주고받는 방식을 표준화합니다. 그러나 어떤 도구를 선택하고 어떤 작업을 수행할지 판단하는 것은 MCP의 역할이 아닙니다.
AI 에이전트가 항상 올바른 판단을 내리도록 보장하지는 않습니다.
AI가 잘못된 도구를 선택하거나, 날짜·금액·대상자와 같은 입력값을 잘못 해석할 가능성은 여전히 존재합니다.
MCP 서버의 도구 설명이 모호하면 AI가 기능의 목적을 잘못 이해할 수도 있습니다.
외부 시스템에서 발생하는 다음과 같은 문제도 MCP만으로 해결할 수 없습니다.
- API 장애
- 네트워크 오류
- 권한 부족
- 요청 횟수 제한
- 잘못된 데이터
- 외부 시스템의 정책 변경
따라서 안정적인 AI 에이전트를 구축하려면 MCP 연결 외에도 다음 요소가 필요합니다.
- 명확한 도구 설명
- 입력값 검증
- 오류 처리
- 접근 권한 관리
- 중요한 작업에 대한 사용자 승인
- 실행 내역 기록
- 실패한 작업의 복구 절차
MCP는 AI 에이전트의 판단 능력을 만드는 기술이 아닙니다.
AI가 외부 시스템과 일관된 방식으로 정보를 주고받고 기능을 사용할 수 있도록 만드는 연결 규격입니다.
DANA NOTES 해설
AI 모델은 기본적으로 입력된 정보를 바탕으로 답변을 생성합니다.
캘린더를 조회하거나 데이터베이스를 수정하는 것처럼 외부 시스템에서 실제 작업을 수행하려면 별도의 연결 구조가 필요합니다.
MCP는 이 구조를 다음과 같이 표준화합니다.
AI 애플리케이션은 MCP 클라이언트를 통해 MCP 서버에 연결하고, MCP 서버는 기존 API·데이터베이스·파일 시스템과 통신합니다.
각 구성요소의 역할을 정리하면 다음과 같습니다.
- MCP 호스트: 사용자가 이용하는 AI 애플리케이션
- MCP 클라이언트: 호스트와 MCP 서버의 연결을 관리하는 구성요소
- MCP 서버: 외부 시스템의 데이터와 기능을 MCP 방식으로 제공하는 프로그램
- 외부 시스템: 실제 파일, 데이터베이스, 캘린더, 이메일, 업무 시스템
MCP 서버는 외부 시스템의 기능을 도구, 리소스, 프롬프트 형태로 제공합니다.
AI는 사용자의 요청을 분석하고 필요한 기능을 선택합니다. 실제 데이터 조회와 시스템 작업은 MCP 서버와 외부 시스템이 담당합니다.
따라서 MCP의 핵심은 AI가 모든 외부 시스템에 직접 접근하게 만드는 것이 아닙니다.
서로 다른 시스템의 데이터와 기능을 AI가 이해하고 사용할 수 있는 공통 규격으로 연결하는 것입니다.
이러한 연결 구조를 바탕으로 AI는 질문에 답하는 대화형 시스템에서 벗어나, 여러 외부 시스템을 이용해 실제 업무를 수행하는 AI 에이전트로 확장될 수 있습니다.
