AI VIDEO BRIEFING

MCP(모델 컨텍스트 프로토콜) 쉽게 이해하기: AI 도구 연결의 표준

AI 애플리케이션을 만들 때 반복되던 글루 코드 문제를 MCP가 어떻게 표준화로 푸는지, 도구·자원·프롬프트라는 세 가지 기능을 중심으로 codebasics 영상을 풀어 설명합니다.

AI 도구 연결의 USB-C, 모델 컨텍스트 프로토콜(MCP)이란 무엇인가 영상 대표 이미지

핵심 메시지

  • MCP는 LLM이 외부 도구·데이터와 연결되는 방식을 표준화한 프로토콜로, 영상에서는 "AI를 위한 USB-C 순간"에 비유한다.
  • AI 앱은 LLM 단독 → 도구·지식을 붙인 에이전트 → 표준화된 연결 방식으로 진화해 왔다.
  • 예전에는 도구마다 직접 연동 코드(글루 코드)를 짜고 유지보수해야 했지만, MCP는 이 코드를 표준화·중앙화해 작성과 유지보수 부담을 줄인다.
  • MCP 서버는 도구(tool)·자원(resource)·프롬프트(prompt) 세 가지 기능을 노출하며, 클라이언트는 시작 시 list tools/resources/prompts 호출로 능력을 파악한다.
  • 각 도구의 상세 설명이 LLM의 도구 선택과 파라미터 추출을 안내하므로 설명을 잘 작성하는 것이 핵심이다.

쉽게 이해하기

영상은 모델 컨텍스트 프로토콜(MCP)을 최대한 쉽게 설명하는 것을 목표로 한다. 발표자는 AI 애플리케이션 개발의 흐름을 세 단계로 정리한다. 처음에는 도구 없이 LLM만 쓰다가, 도구와 지식의 도움을 받는 에이전트 프레임워크로 넘어갔고, 이제는 이런 도구·지식과 상호작용하는 방식을 표준화하는 단계에 들어섰다는 것이다.

구체적 예로, 한 증권사 애널리스트가 엔비디아와 테슬라를 비교하는 보고서를 자동 생성하는 앱을 의뢰하는 상황을 든다. LLM은 학습 데이터에 있는 회사 설명은 끌어올 수 있지만 최신 주가는 가져오지 못한다. 그래서 야후 파이낸스 API나 웹 검색 같은 "도구"를 호출하고, 사내 데이터베이스나 PDF 같은 "지식"에 연결하는 연동 코드가 필요하다. 이런 연결을 위해 짜는 코드를 글루 코드라 부른다.

문제는 전 세계 수많은 기업이 수백만 개의 앱을 만들면서 엄청난 양의 글루 코드가 생기고, 도구의 API가 바뀔 때마다 이를 유지보수해야 한다는 점이다. 발표자는 이를 키보드·마우스를 제각각 다른 선으로 연결하던 옛 컴퓨터에 비유하고, MCP는 USB-C처럼 하나의 통일된 인터페이스로 여러 장치를 연결하는 "USB-C 순간"이라고 설명한다.

MCP 구조에서 LLM은 여러 MCP 서버와 프로토콜을 통해 상호작용한다. 예컨대 야후 파이낸스나 구글 검색이 각자 MCP 서버를 만들어 도구·자원·프롬프트를 노출하면, 개발자들은 같은 코드를 반복해 짤 필요가 없어진다. 여전히 약간의 글루 코드는 쓰지만, 표준 덕분에 작성과 유지보수가 쉬워지고 코드 작성이 중앙화된다.

기술적으로는 챗봇(MCP 클라이언트)이 설정 파일로 사용 가능한 서버 목록을 알고, 시작 시 각 서버에 list tools를 호출해 능력을 받아온다. 구글 맵스 서버라면 "장소 검색" 같은 도구와 그 설명을 반환하고, LLM은 이 설명을 읽어 적절한 도구를 고르고 자연어 질문에서 위도·경도 같은 파라미터까지 추출한다. 모든 MCP 서버는 도구·자원·프롬프트라는 세 가지 기능을 표준 스키마(입력 스키마 등)에 맞춰 노출하며, 서버는 파이썬이나 타입스크립트로 구현해 내부적으로 실제 API(예: 구글 맵 API)를 감싸 호출한다.

주요 인사이트

  • MCP의 본질은 새로운 통신 규약이 아니라 기존 REST/HTTP API를 표준 형식으로 감싸는 래퍼에 가깝다. 서버는 내부적으로 실제 API를 호출하고 결과를 표준 형식으로 돌려준다.
  • 도구 설명(description)이 단순 문서가 아니라 LLM의 동작을 좌우하는 핵심 요소다. LLM의 언어 지능이 이 설명을 읽고 어떤 도구를 호출할지, 어떤 파라미터를 뽑을지 판단한다.
  • 표준화의 가장 큰 실익은 유지보수다. 야후 파이낸스 같은 제공자가 자사 MCP 서버를 한 번 만들면 전 세계 개발자가 각자 연동 코드를 짜고 고칠 필요가 사라진다.
  • 자원(resource)은 데이터베이스·파일 같은 지식을, 프롬프트(prompt)는 API 제공자가 미리 만들어 둔 프롬프트를 노출하는 기능으로, AI 엔지니어의 프롬프트 작성 부담까지 줄여준다.
  • 발표자는 MCP에 과장된 기대가 많지만 아직 초기 단계라는 점을 강조한다. 잠재력은 크되 실제 문제 해결에 어떻게 기여할지는 시간이 지나야 드러난다.

자주 묻는 질문

MCP는 한마디로 무엇인가요?

LLM이 외부 도구와 데이터에 연결되는 방식을 표준화한 프로토콜입니다. 영상에서는 여러 장치를 하나의 포트로 연결하는 USB-C에 비유합니다.

MCP를 쓰면 연동 코드(글루 코드)를 아예 안 짜도 되나요?

아닙니다. 약간의 글루 코드는 여전히 필요하지만, 표준 프로토콜 덕분에 코드를 작성·유지보수하기가 훨씬 쉬워지고, 제공자가 서버를 만들어두면 개발자들이 같은 코드를 반복할 필요가 줄어듭니다.

MCP 서버는 어떤 기능을 노출하나요?

도구(tool), 자원(resource), 프롬프트(prompt) 세 가지입니다. 클라이언트는 시작할 때 각 서버에 list tools/resources/prompts를 호출해 전체 능력을 파악합니다.

LLM은 어떻게 적절한 도구를 고르나요?

각 도구에 붙은 상세 설명을 LLM이 읽고, 사용자 질문에 맞는 도구를 선택한 뒤 질문에서 필요한 파라미터(예: 위도·경도)까지 추출합니다.

원문과 출처

이 글은 원본 영상의 자막을 바탕으로 한국어 독자를 위해 요약했습니다. 전체 맥락과 최신 정보는 원문에서 확인하세요.

YouTube 원본 영상 보기 ↗

관련 AI 소식