MCP 모델 컨텍스트 프로토콜 입문 — 리소스와 도구로 LLM에 데이터 연결하기

핵심 메시지

• MCP(모델 컨텍스트 프로토콜)는 앤트로픽이 만든 표준으로, LLM에 컨텍스트를 연결하는 'AI용 USB-C 포트'에 비유된다.
• MCP는 클라이언트와 서버로 구성되며 둘은 전송 계층(transport)을 통해 정보를 주고받는다.
• 핵심 개념은 둘뿐이다. 데이터를 읽어오는 '리소스'(REST의 GET에 비유)와 동작을 수행하는 '도구'(POST에 비유)다.
• 공식 SDK로 서버를 만들고 Zod로 데이터 형태를 검증하면, LLM이 엉뚱한 값을 지어내는 일을 줄일 수 있다.
• Claude 데스크톱 같은 클라이언트의 설정 파일에 서버 실행 명령을 등록하면, LLM이 내 애플리케이션의 데이터를 컨텍스트로 활용하고 서버의 도구로 데이터를 바꿀 수도 있다.

쉽게 이해하기

발표자는 MCP를 'AI 애플리케이션을 위한 USB-C 포트'에 비유하며 소개한다. 앤트로픽이 설계한 이 표준은 대규모 언어 모델에 컨텍스트를 제공하는 일관된 방법을 제공하며, 영상에서는 며칠 전 OpenAI의 에이전트 SDK에서도 공식 표준으로 채택됐다고 전한다.

MCP도 다른 API 구조처럼 클라이언트와 서버로 나뉜다. 이 데모에서 클라이언트는 Claude 데스크톱이고, 개발자는 그 클라이언트와 연결을 유지하는 서버를 만든다. 둘은 전송 계층을 통해 정보를 주고받는다. REST가 여러 HTTP 메서드와 URL을 다루는 것과 달리, MCP에서 신경 쓸 것은 '리소스'와 '도구' 두 가지뿐이다.

리소스는 파일이나 데이터베이스 쿼리처럼 모델이 컨텍스트로 쓸 정보로, 부수효과 없이 데이터를 가져오는 GET 요청에 가깝다. 도구는 데이터베이스에 기록하는 것처럼 동작을 수행하는 POST 요청에 가깝다. 개발자가 서버에 리소스와 도구를 정의해 두면, LLM은 프롬프트에 필요할 때 이를 알아서 식별해 사용한다.

구현은 공식 SDK의 McpServer 클래스로 서버를 만드는 데서 시작한다. 타입스크립트 외에 파이썬·자바 등도 지원한다. 리소스는 이름·URI·데이터를 가져오는 콜백으로 정의하고, 부수효과나 연산이 있는 경우엔 리소스 대신 도구로 만든다. 이때 Zod로 함수에 들어오는 데이터의 형태를 검증하면, 모델이 인자를 임의로 지어내는 것을 막아 서버가 훨씬 안정적으로 동작한다.

마지막은 서버 실행이다. 로컬에서는 표준 입출력(stdio)을, 클라우드에 배포할 때는 서버 전송 이벤트(SSE)나 HTTP를 전송 계층으로 쓸 수 있다. 그다음 Claude 데스크톱 같은 클라이언트의 개발자 설정에서 서버 실행 명령을 설정 파일에 추가하고 재시작하면, 프롬프트 화면에서 리소스를 붙여 컨텍스트로 가져오고, 권한을 부여하면 도구로 실제 데이터까지 바꿀 수 있다.

주요 인사이트

• MCP 서버의 상당수는 사실 '기존 API를 감싼 API'다. 과한 설계처럼 보이지만, 공통 프로토콜이 있으면 서로 다른 모델 사이에서 손쉽게 갈아 끼울 수 있어 LLM 앱 전반이 더 안정적·예측 가능해진다.
• 리소스와 도구의 구분은 '읽기 대 쓰기'의 구분이다. 부수효과 없는 조회는 리소스로, 데이터베이스 기록처럼 상태를 바꾸는 동작은 도구로 분리하는 것이 좋다.
• Zod 같은 스키마 검증은 단순한 코드 위생이 아니라 안정성의 핵심이다. 데이터 타입과 설명을 함께 제공할수록 모델이 올바른 인자를 추론하고 환각을 덜 일으킨다.
• 영상에는 '향후 6개월 내 코딩의 90%, 1년 내 거의 모든 코드가 AI로 작성될 것'이라는 앤트로픽 CEO의 전망이 인용되지만, 발표자 자신은 이에 회의적인 태도를 내비치며 권한이 큰 도구를 다룰 때의 위험도 함께 지적한다.

자주 묻는 질문

관련 AI 소식