모델 컨텍스트 프로토콜(MCP) 쉽게 이해하기 — LLM이 직접 행동하게 만드는 구조와 활용처

핵심 메시지

• 지금의 대형 언어모델은 무엇을 해야 하는지 알려줄 수는 있어도 그것을 대신 해주지는 못한다. MCP는 이 격차를 메우려는 규격이다.
• 구조 자체는 새롭지 않다. 클라이언트(LLM)가 서버의 API를 호출하는 형태인데, 차이는 무엇을 호출할지 상황에 따라 판단하는 지능이 클라이언트 쪽에 있다는 점이다.
• 발표자는 MCP의 주요 활용처로 검색 최적화, 검색 증강 생성(RAG), 여러 서비스를 묶는 애플리케이션 세 가지를 꼽는다.
• 사람이 아니라 LLM이 읽는 페이지가 늘면서, 보기 좋은 화면보다 구조화된 정보 제공이 중요해지는 'LLM 최적화(LLMO)'라는 개념이 등장하고 있다.
• MCP의 진짜 잠재력은 권한 위임과 결합할 때 열린다. OAuth 같은 인증 체계와 만나면 LLM이 사용자 동의를 받아 메일이나 일정 같은 실제 자원을 다룰 수 있다.

쉽게 이해하기

영상은 MCP(모델 컨텍스트 프로토콜)를 두고 '잠재력이 크지만 AI 분야의 과열된 소음에 묻혀 제대로 주목받지 못한 규격'이라고 소개하며 시작한다. 문제의식은 명확하다. 지금의 대형 언어모델은 어느 정도의 지능이 있어서 무엇을 해야 하는지 알려주지만, 결과를 텍스트 같은 형태로 내놓을 뿐 실제 행동은 하지 못한다는 것이다.

발표자는 소프트웨어 엔지니어의 장애 대응을 예로 든다. 서버로 들어온 요청을 모아 로컬에서 재현하고, 문제가 생긴 지점을 찾아 코드를 고친 뒤 새 브랜치를 배포하는 지루한 과정이다. 이 과정을 언어모델이 대신할 수 있다면 같은 일에 필요한 엔지니어 수가 줄어들 것이다. 이렇게 '조언'이 아니라 '수행'까지 맡기려는 발상에서 MCP가 나온다. 구조는 클라이언트인 언어모델이 API를 노출한 서버에 요청을 보내는 2자 구조다. 발표자는 외부 시스템의 이벤트에 반응하던 IFTTT 같은 자동화와 비교하며, 언어모델은 단순한 if-else 조건보다 똑똑해서 주어진 상황에 필요한 판단을 스스로 내릴 수 있다는 점이 결정적 차이라고 설명한다.

첫 번째 활용처는 검색 최적화다. 지금까지의 SEO는 페이지 로딩 속도나 읽기 쉬움처럼 사람이 보는 화면을 기준으로 순위를 다퉜다. 그런데 페이지를 읽는 주체가 사람이 아니라 언어모델이 되면 기준이 달라진다. 모델은 화면의 보기 좋음보다 정보가 구조화돼 있는지를 따지고, 사람이 읽기에 벅찬 양의 정보도 문제 삼지 않는다. 예를 들어 어떤 순위 목록을 얻으려 할 때 페이지를 긁어오는 것보다 MCP 서버가 노출한 API를 호출하는 편이 훨씬 빠르고 구조적이다. 발표자는 이런 흐름을 '언어모델 최적화(LLMO)'라고 부르며, 기존 SEO의 원칙 상당수가 여기에도 그대로 적용되고 있다고 말한다.

두 번째는 검색 증강 생성(RAG)이다. 모델이 최신 정보를 모른다고 답하는 대신 외부 자료를 찾아와 답하는 방식인데, 핵심은 데이터 갱신 주기와 모델 갱신 주기를 분리했다는 점이다. 모델 학습은 비싸지만 데이터를 가져오는 일은 훨씬 싸다. MCP는 외부 소스가 더 나은 형식으로, 더 빠르게 답을 내줄 수 있게 해 RAG의 품질을 끌어올린다. 세 번째는 애플리케이션이다. 렌터카를 고르는 것처럼 여러 사이트를 일일이 비교해야 하는 일은 검색 엔진이 오래 어려워한 영역인데, 여러 곳의 결과를 모아 하나의 API로 정리해 모델에 넘기는 집계형 MCP 서버가 그 자리를 대신할 수 있다.

다만 발표자는 수익 모델이 아직 불분명하고 생태계가 매우 젊다는 점을 분명히 한다. 그러면서 집계 서버가 광고를 태우는 구조, 즉 언어모델이 최종 답을 만들기 전 단계에서 돈을 낸 쪽의 콘텐츠가 먼저 부풀려지는 형태가 나타날 수 있다고 예상한다. 마지막으로 던지는 화두는 권한이다. Gmail에 접근할 수 없으면 메일을 보낼 수 없듯, 행동 능력은 결국 권한에서 나온다. 구글 계정으로 로그인할 때 쓰는 OAuth처럼 사용자가 명시적으로 동의를 내주는 체계와 MCP가 결합하면, 개인마다 따로 만들기 어려웠던 개인 에이전트가 현실이 될 수 있다는 것이다. 다만 이 규격이 자리 잡을지는 구글이나 OpenAI 같은 대형 기업이 이를 받아들일지, 무시할지, 혹은 안드로이드처럼 변형해 자기 버전을 만들지에 달려 있다고 덧붙인다.

주요 인사이트

• MCP의 새로움은 프로토콜 구조가 아니라 판단 주체의 위치에 있다. 기존 자동화는 사람이 미리 규칙을 정해야 했지만, 클라이언트가 언어모델이면 무엇을 호출할지 그때그때 정할 수 있다.
• 웹의 독자가 사람에서 모델로 옮겨가면 웹사이트의 최적화 목표도 바뀐다. 화면을 다듬는 대신 기계가 읽기 좋은 구조화된 접근 경로를 제공하는 쪽이 노출에 유리해진다.
• RAG의 본질은 검색 기능 추가가 아니라 갱신 주기의 분리다. 데이터는 시간 단위로 바뀌어도 모델은 몇 달에 한 번 바뀌면 되므로, 비싼 학습을 값싼 조회로 대체하는 구조가 만들어진다.
• 집계형 MCP 서버는 편리하지만 이해충돌 소지를 안고 있다. 돈을 낸 쪽이 응답 상위에 오르면 사용자는 광고라는 표시 없이 광고를 읽게 되며, 발표자도 이를 앞으로 나타날 변화로 예상했다.
• 행동하는 AI의 병목은 모델 성능이 아니라 권한 위임 체계다. 인증과 동의 구조가 갖춰지지 않으면 아무리 좋은 프로토콜이라도 실제로 할 수 있는 일이 제한된다.

자주 묻는 질문

관련 AI 소식