MCP란 무엇인가 — AI와 도구를 연결하는 표준 프로토콜

AI 모델이 아무리 똑똑해도, 모델 혼자서는 파일을 읽거나 데이터베이스를 조회하거나 사내 시스템에 접근할 수 없다. 그동안 이 연결은 서비스마다 제각각의 플러그인과 커스텀 통합으로 해결해 왔다.

MCP(Model Context Protocol)는 이 문제를 표준화로 푼다. AI 애플리케이션(클라이언트)과 도구·데이터 제공자(서버)가 하나의 공통 프로토콜로 대화하도록 만들어, 한 번 만든 통합을 어디서든 재사용할 수 있게 한다.

흔히 "AI 세계의 USB-C"라고 비유된다. 기기마다 다른 케이블을 쓰던 시대에서, 하나의 포트로 모든 기기를 연결하는 시대로 넘어가는 것과 같은 변화다.

MCP의 기본 구조

MCP는 클라이언트-서버 구조를 가진다. AI 애플리케이션이 MCP 클라이언트 역할을 하고, 도구와 데이터를 제공하는 쪽이 MCP 서버가 된다. 서버는 세 가지를 제공할 수 있다.

• Tool — 모델이 호출할 수 있는 기능 (예: 검색, 파일 쓰기)
• Resource — 모델이 읽을 수 있는 데이터 (예: 문서, DB 레코드)
• Prompt — 재사용 가능한 프롬프트 템플릿

import { McpServer } from "@modelcontextprotocol/sdk/server/mcp.js";

const server = new McpServer({ name: "weather", version: "1.0.0" });

server.tool("get-forecast", { city: z.string() }, async ({ city }) => {
  const forecast = await fetchForecast(city);
  return { content: [{ type: "text", text: forecast }] };
});

위 예시처럼 서버는 도구의 이름, 입력 스키마, 실행 로직만 정의하면 된다. 어떤 모델이 이 도구를 쓰게 될지는 서버가 알 필요가 없다. 이 느슨한 결합이 MCP의 핵심 설계다.

기존 방식과의 비교

왜 주목해야 하는가

통합을 만드는 쪽 입장에서는 한 번의 구현으로 여러 AI 클라이언트를 지원할 수 있고, 사용하는 쪽 입장에서는 생태계에 이미 존재하는 수많은 서버를 그대로 가져다 쓸 수 있다.

프로토콜이 표준이 되는 순간, 경쟁은 연결 방식이 아니라 연결 위에서 무엇을 만드느냐로 이동한다.

개발 도구, 데이터 분석, 사내 시스템 자동화까지 — AI에게 손과 발을 달아주는 표준으로서 MCP는 이미 사실상의 기본 선택지가 되어가고 있다. 새로운 AI 서비스를 설계한다면 MCP 지원 여부를 먼저 확인할 이유가 충분하다.