AI 비서에게 “내 구글 캘린더 확인해서 이번 주 미팅 정리해줘”라고 말하면, AI는 어떻게 내 캘린더에 접근할까? 데이터베이스에서 특정 데이터를 끌어오거나, GitHub 이슈를 생성하거나, 스마트홈 기기를 제어하는 건 어떻게 가능한 걸까?
지금까지는 이런 기능 하나하나를 AI 플랫폼마다 개별적으로 개발해야 했다. Claude용 캘린더 연동, ChatGPT용 캘린더 연동, Copilot용 캘린더 연동… 같은 걸 세 번, 네 번 만드는 거다. 개발자 입장에선 지옥이지.
MCP(Model Context Protocol)는 바로 이 문제를 해결하기 위해 등장했다. Anthropic이 만든 오픈소스 프로토콜로, AI 앱과 외부 시스템을 연결하는 표준 규격이다.
USB-C 비유가 딱이다
MCP 공식 문서에서 쓰는 비유가 있는데, 이게 정말 직관적이다.
“MCP는 AI 애플리케이션을 위한 USB-C 포트 같은 거다.”
USB-C 나오기 전을 생각해보자. 노트북 충전기, 스마트폰 충전기, 태블릿 충전기 다 달랐다. 제조사마다, 기기마다 다른 케이블과 포트. 가방에 케이블만 몇 개씩 들고 다녔던 그 시절.
지금은? USB-C 하나면 끝이다. 노트북도, 스마트폰도, 태블릿도, 심지어 모니터까지 하나의 포트로 연결된다.
MCP도 마찬가지다. AI 앱이 데이터베이스든, API든, 로컬 파일이든 하나의 프로토콜로 연결할 수 있게 해준다. 개발자는 MCP 서버 하나만 만들면, Claude든 ChatGPT든 VS Code든 어디서든 쓸 수 있는 거다.
솔직히 이건 꽤 혁신적이라고 봅니다. 2026년 현재, AI가 단순 챗봇을 넘어서 실제 도구(tool)로 자리잡으려면 이런 표준화가 필수거든요.
왜 MCP가 필요했을까?
N×M 문제
기존 방식의 문제점을 간단한 수식으로 표현하면:
AI 플랫폼 N개 × 외부 시스템 M개 = N×M개의 통합 코드
예를 들어:
- AI 플랫폼: Claude, ChatGPT, Gemini, Copilot (4개)
- 외부 시스템: Google Calendar, Notion, PostgreSQL, GitHub, Slack (5개)
총 20개의 통합 코드를 작성하고 유지보수해야 한다는 뜻이다. 미친 짓이지.
MCP의 해결책: N+M
MCP는 이걸 N+M 문제로 줄여준다.
┌─────────────┐ ┌──────────────┐ ┌─────────────────┐
│ │ │ │ │ │
│ Claude │◄──────┤ │ │ Google Cal │
│ │ │ │ │ MCP Server │
└─────────────┘ │ │ └─────────────────┘
│ MCP │
┌─────────────┐ │ Protocol │ ┌─────────────────┐
│ │ │ │ │ │
│ ChatGPT │◄──────┤ │ │ Notion │
│ │ │ │ │ MCP Server │
└─────────────┘ │ │ └─────────────────┘
│ │
┌─────────────┐ │ │ ┌─────────────────┐
│ │ │ │ │ │
│ VS Code │◄──────┤ │◄──────┤ PostgreSQL │
│ │ │ │ │ MCP Server │
└─────────────┘ └──────────────┘ └─────────────────┘
이제 개발자는:
- MCP 서버 하나만 만들면 → 모든 AI 플랫폼에서 사용 가능
- MCP 클라이언트 하나만 구현하면 → 모든 데이터 소스에 접근 가능
4개 AI × 5개 시스템 = 9개 구현으로 끝난다. 20개에서 9개로. 이게 바로 표준의 힘이다.
MCP 아키텍처 — 어떻게 동작하는가
MCP는 기본적으로 클라이언트-서버 아키텍처다. 구조를 뜯어보면:
┌──────────────────────────────────────────────────────┐
│ Host │
│ (AI Application: Claude Desktop, VS Code, etc.) │
│ │
│ ┌────────────────────────────────────────────────┐ │
│ │ MCP Client │ │
│ │ - Connection Management │ │
│ │ - Protocol Handling │ │
│ │ - Request/Response Routing │ │
│ └───────────────┬────────────────────────────────┘ │
└──────────────────┼───────────────────────────────────┘
│
│ JSON-RPC 2.0
│ (STDIO or HTTP)
│
┌──────────────────┼───────────────────────────────────┐
│ ┌───────────────▼────────────────────────────────┐ │
│ │ MCP Server │ │
│ │ - Tools (함수 호출) │ │
│ │ - Resources (데이터 읽기) │ │
│ │ - Prompts (프롬프트 템플릿) │ │
│ └────────────────────────────────────────────────┘ │
│ │
│ Context Provider │
│ (Database, API, File System, Smart Home, etc.) │
└──────────────────────────────────────────────────────┘
구성 요소
-
Host (호스트)
AI 애플리케이션 그 자체. Claude Desktop, VS Code, Cursor, Claude Code 같은 것들. -
Client (클라이언트)
Host 내부에서 MCP 연결을 관리하는 레이어. 요청을 보내고 응답을 받아 처리한다. -
Server (서버)
실제 컨텍스트를 제공하는 프로그램. 데이터베이스 쿼리, API 호출, 파일 읽기 등의 작업을 수행.
통신 방식
MCP는 JSON-RPC 2.0 프로토콜을 사용한다. 요청과 응답이 JSON 형태로 오가는 방식이다.
전송 레이어는 두 가지:
-
STDIO (Standard Input/Output)
로컬 프로세스 간 통신. 파이프로 데이터 주고받는 방식. 빠르고 간단해서 로컬 개발 환경에 적합. -
Streamable HTTP
원격 서버와 통신할 때 사용. SSE(Server-Sent Events) 기반으로 실시간 스트리밍 지원.
// 예시: MCP 요청 (JSON-RPC 2.0)
{
"jsonrpc": "2.0",
"id": 1,
"method": "tools/call",
"params": {
"name": "get_weather",
"arguments": {
"city": "Seoul"
}
}
}
3가지 핵심 기능 — Tools, Resources, Prompts
MCP는 세 가지 주요 기능을 제공한다. 각각 역할이 명확히 다르다.
1. Tools (도구)
AI가 능동적으로 실행할 수 있는 함수다. “날씨 조회”, “DB 쿼리 실행”, “파일 생성” 같은 작업들.
// MCP Tool 정의 예시
{
name: "query_database",
description: "PostgreSQL 데이터베이스에 쿼리 실행",
inputSchema: {
type: "object",
properties: {
query: { type: "string", description: "SQL 쿼리" },
params: { type: "array", description: "쿼리 파라미터" }
},
required: ["query"]
}
}
AI가 이 tool을 “호출”하면, MCP 서버가 실제로 DB에 쿼리를 날리고 결과를 돌려준다.
2. Resources (리소스)
AI가 읽을 수 있는 데이터다. 파일, API 응답, 데이터베이스 레코드 등. Tool과 달리 “실행”이 아니라 “조회”가 목적이다.
// MCP Resource 예시
{
uri: "file:///home/user/notes/meeting-notes.md",
name: "Meeting Notes",
mimeType: "text/markdown",
description: "팀 미팅 기록"
}
AI가 context를 파악할 때 이런 resource를 읽어서 판단에 활용한다.
3. Prompts (프롬프트)
재사용 가능한 프롬프트 템플릿이다. 자주 쓰는 지시사항을 미리 정의해두는 것.
// MCP Prompt 예시
{
name: "code_review",
description: "코드 리뷰 프롬프트",
arguments: [
{ name: "language", description: "프로그래밍 언어", required: true },
{ name: "code", description: "리뷰할 코드", required: true }
]
}
이걸 호출하면 미리 짜둔 코드 리뷰 프롬프트가 자동으로 채워진다. 일종의 매크로 같은 거다.
실제 사용 사례
MCP로 뭘 할 수 있는지 구체적으로 보자.
날씨 조회
// 날씨 MCP 서버
server.setRequestHandler(CallToolRequestSchema, async (request) => {
if (request.params.name === "get_weather") {
const city = request.params.arguments.city;
const weather = await fetchWeatherAPI(city);
return {
content: [{
type: "text",
text: `${city} 날씨: ${weather.temp}°C, ${weather.condition}`
}]
};
}
});
AI: “서울 날씨 어때?”
→ MCP Tool 호출: get_weather("Seoul")
→ 서버가 날씨 API 호출
→ AI가 결과 받아서 답변: “서울은 현재 15°C, 맑음입니다.”
데이터베이스 쿼리
# PostgreSQL MCP 서버
@server.call_tool()
async def query_database(query: str, params: list = None):
async with db_pool.acquire() as conn:
result = await conn.fetch(query, *params)
return {"rows": [dict(row) for row in result]}
AI: “지난달 매출 상위 10개 제품 보여줘”
→ AI가 SQL 생성
→ MCP를 통해 DB 쿼리
→ 결과를 테이블로 정리해서 보여줌
GitHub 연동
Issue 생성, PR 코멘트, 코드 검색 등을 MCP 서버로 구현하면, AI가 직접 GitHub를 조작할 수 있다.
“이 버그 수정하고 PR 만들어줘” → AI가 코드 수정 + GitHub API 호출 + PR 자동 생성.
스마트홈 제어
“거실 불 꺼줘”, “온도 23도로 맞춰줘” 같은 명령을 MCP를 통해 IoT 기기와 연결.
사실 이 부분은 아직 초기 단계지만, 가능성은 무궁무진하다고 본다. AI가 물리적 세계와 연결되는 인터페이스가 표준화되면, 진짜 “AI 비서”가 현실이 될 수 있다.
지원 클라이언트
2026년 2월 현재, MCP를 지원하는 주요 클라이언트는:
- Claude Desktop — Anthropic 공식 데스크톱 앱
- Claude Code — CLI 기반 코딩 어시스턴트 (내가 지금 쓰고 있는 것)
- VS Code MCP Extension — Visual Studio Code 확장
- Cursor — AI 코드 에디터
- Zed — 차세대 코드 에디터
그리고 개발자라면 직접 클라이언트를 만들 수도 있다. Anthropic이 공식 SDK를 TypeScript, Python으로 제공한다.
# TypeScript
npm install @modelcontextprotocol/sdk
# Python
pip install mcp
내가 보는 MCP의 미래
개인적으로 MCP는 AI 생태계에서 게임 체인저가 될 가능성이 크다고 본다.
왜냐면:
- 표준의 힘 — USB-C가 전자기기 업계를 바꿨듯, MCP도 AI 통합의 판도를 바꿀 수 있다.
- 오픈소스 — Anthropic이 만들었지만, 오픈 프로토콜이다. 누구나 쓸 수 있고, 기여할 수 있다.
- 타이밍 — 2024년부터 AI가 단순 챗에서 “Agent” 단계로 넘어가고 있는데, 딱 필요한 시점에 나왔다.
물론 한계도 있다:
- 아직 초기 단계라 서버 생태계가 부족함
- 보안 이슈 (AI가 DB나 파일에 접근한다는 건 민감한 문제)
- 기업 환경에서 도입하려면 거버넌스, 감사 로그 등 고려할 게 많음
하지만 방향성은 확실히 옳다. AI가 진짜 유용한 도구가 되려면, 현실 세계와 연결되어야 하고, 그 연결이 표준화되어야 한다.
다음 편 예고
이번 글에서는 MCP가 뭔지, 왜 필요한지, 어떻게 동작하는지 전체 그림을 그려봤다.
다음 편(2편)에서는 직접 MCP 서버를 만들어볼 거다. TypeScript로 간단한 날씨 조회 서버를 구현하고, Claude Desktop에서 실제로 써보는 실습 포스트가 될 예정이다.
3편에서는 실전 레벨로 들어가서, PostgreSQL 연동, 파일 시스템 접근, 그리고 보안 이슈까지 다룰 계획이다.
MCP에 관심 있다면 다음 편도 기대해주시길!
MCP 시리즈 전체 링크
- 1편: MCP란 무엇인가 — AI와 도구를 연결하는 새로운 표준 (이 글)
- 2편: MCP 서버 만들기 — Python과 TypeScript로 직접 구축하기
- 3편: 실전 MCP 연동 — Claude Desktop, VS Code, 원격 배포까지
참고 자료: