Model Context Protocol (MCP) 개요

MCP가 등장한 이유

AI 에이전트가 외부 시스템(데이터베이스, API, 파일 시스템)과 통합될 때, 기존에는 각 LLM 제공자마다 서로 다른 방식으로 도구를 정의해야 했습니다. OpenAI 방식으로 작성한 도구는 Anthropic 모델에서 그대로 쓸 수 없고, 새 모델이 나올 때마다 통합 코드를 다시 작성해야 했습니다.

**MCP(Model Context Protocol)**는 Anthropic이 2024년 11월 공개한 오픈 표준입니다. LLM과 외부 도구 사이의 공통 언어를 정의하여, 한 번 만든 MCP 서버를 모든 호환 클라이언트에서 사용할 수 있습니다.

“MCP is to AI tools what USB-C is to device charging.” — 다양한 기기를 하나의 표준 포트로 연결하듯, MCP는 다양한 AI 클라이언트를 하나의 서버 인터페이스로 연결합니다.

아키텍처 개요

┌─────────────────────────────────────────────────────┐
│                   Host Application                   │
│  (Claude Desktop, Cursor, 커스텀 에이전트 등)          │
│                                                      │
│  ┌──────────────┐    ┌──────────────────────────┐   │
│  │ MCP Client 1 │    │     MCP Client 2          │   │
│  └──────┬───────┘    └────────────┬─────────────┘   │
└─────────│────────────────────────│─────────────────┘
          │ JSON-RPC 2.0           │ JSON-RPC 2.0
          ▼                        ▼
┌─────────────────┐    ┌──────────────────────────┐
│  MCP Server A   │    │       MCP Server B        │
│  (파일 시스템)   │    │  (GitHub, Slack, DB 등)   │
└─────────────────┘    └──────────────────────────┘

각 MCP 클라이언트는 단일 MCP 서버와 1:1로 연결됩니다. 하나의 호스트 애플리케이션은 여러 클라이언트를 통해 여러 서버에 동시에 연결할 수 있습니다.

통신은 JSON-RPC 2.0 프로토콜을 사용합니다. 전송 계층은 연결 방식에 따라 다릅니다.

전송 방식	사용 시나리오	특징
Stdio	로컬 프로세스	클라이언트가 서버를 자식 프로세스로 실행
HTTP + SSE	원격 서버	Server-Sent Events로 스트리밍
WebSocket	양방향 실시간	서버→클라이언트 푸시 지원

네 가지 MCP 프리미티브

1. Tools (도구)

LLM이 호출할 수 있는 함수입니다. 타입이 명시된 입력/출력 스키마를 가집니다. 기존의 function calling과 가장 유사한 개념입니다.

{
  "name": "read_file",
  "description": "파일 내용을 읽습니다",
  "inputSchema": {
    "type": "object",
    "properties": {
      "path": { "type": "string", "description": "읽을 파일 경로" }
    },
    "required": ["path"]
  }
}

2. Resources (리소스)

LLM이 읽을 수 있는 데이터입니다. 파일, 데이터베이스 레코드, API 응답 등을 URI로 노출합니다. 도구와 달리 부작용(side effect) 없이 데이터를 제공합니다.

{
  "uri": "file:///project/src/main.ts",
  "name": "main.ts",
  "mimeType": "text/typescript"
}

3. Prompts (프롬프트)

재사용 가능한 프롬프트 템플릿입니다. 서버가 클라이언트에게 제안하는 프롬프트 구조로, 일관된 방식으로 특정 작업을 요청할 때 사용합니다.

{
  "name": "code_review",
  "description": "코드 리뷰 요청 템플릿",
  "arguments": [
    { "name": "language", "required": true },
    { "name": "focus", "required": false }
  ]
}

4. Sampling (샘플링)

서버가 클라이언트를 통해 LLM을 호출하는 역방향 메커니즘입니다. MCP 서버가 복잡한 작업 처리 중 LLM의 추론을 활용해야 할 때 사용합니다.

일반적 흐름: 클라이언트 → LLM → 서버 도구 호출
Sampling:   서버 → 클라이언트 → LLM → 서버로 결과 반환

프리미티브 선택 가이드

상황	사용할 프리미티브
파일 읽기, 검색, 조회	Resources
파일 쓰기, API 호출, 상태 변경	Tools
표준화된 워크플로우 요청	Prompts
서버에서 LLM 추론이 필요	Sampling

2026년 MCP 로드맵

MCP는 2025년 이후 빠르게 발전하고 있습니다.

Tasks 프리미티브 (SEP-1686): 장기 실행 작업을 위한 비동기 태스크 관리. 실험적으로 배포됨.
에이전트 간 통신: MCP를 통한 에이전트 대 에이전트 메시지 표준화
전송 확장성: 고성능 원격 배포를 위한 전송 계층 개선
엔터프라이즈 거버넌스: 인증, 감사, 정책 적용 표준화

요약

MCP는 LLM과 외부 도구 통합의 공통 표준입니다. 클라이언트/서버 모델로 동작하며, Tools(실행), Resources(데이터), Prompts(템플릿), Sampling(역방향 LLM 호출)의 네 프리미티브를 제공합니다. 한 번 작성한 MCP 서버는 모든 호환 AI 클라이언트에서 재사용할 수 있습니다.