Model Context Protocol(MCP)은 AI 애플리케이션, 특히 대규모 언어 모델이 외부 도구, 데이터 소스, 서비스와 맥락 정보를 발견하고 교환하는 방식을 정의하는 개방형 표준입니다. 이 프로토콜은 모델이 실시간 데이터를 가져오고, 작업을 수행하며, 학습 데이터 외부의 정보에 기반해 응답할 수 있도록 하는 범용 인터페이스를 제공합니다. 2024년 말 Anthropic이 처음 도입한 이후, MCP는 모델과 모델이 동작해야 하는 시스템 간의 연결을 공유하는 방식으로 AI 생태계 전반에서 채택되어 왔습니다.
Model Context Protocol의 작동 방식
MCP는 클라이언트–서버 아키텍처를 따릅니다. 채팅 어시스턴트, IDE 플러그인, 자율 에이전트 같은 AI 애플리케이션이 하나 이상의 MCP 서버에 연결하는 MCP 클라이언트를 실행합니다. 각 서버는 데이터베이스 쿼리, 리포지토리의 파일 읽기, 내부 API 호출, 브라우저 제어 등 특정한 기능을 감싸고, 해당 기능을 기계 판독 형식으로 광고합니다. 모델이 정보가 필요하거나 작업을 수행하고자 할 때, 클라이언트는 구조화된 요청을 적절한 서버로 전달하고, 서버는 이를 실행한 뒤 그 결과를 모델이 추론할 수 있는 맥락으로 반환합니다.
통신은 일반적으로 로컬 통합을 위한 표준 I/O 또는 원격 통합을 위한 Server-Sent Events 기반 HTTP와 같은 전송 방식을 통해 JSON-RPC를 사용합니다. 모든 서버가 동일한 프로토콜을 사용하기 때문에, 동일한 모델이 맞춤형 커넥터 없이도 다양한 도구에 연결할 수 있으며, 이는 USB가 컴퓨터 주변기기를 표준화한 방식과 유사합니다.
중요한 이유
MCP가 등장하기 전에는 모든 AI 도구 통합에 사용자 정의 코드가 필요했습니다. 데이터 소스마다 별도의 함수, 인증 체계, 메시지 형식이 요구되었습니다. MCP는 이러한 파편화를 하나의 문서화된 계약으로 대체합니다. 이를 통해 기업이 지식 베이스를 검색하고, 티켓 시스템을 업데이트하며, 분석 쿼리를 실행하거나 개발자 도구를 운영하는 에이전트를 훨씬 더 쉽게 구축할 수 있습니다. 동일한 클라이언트가 규정을 준수하는 모든 서버와 작동하기 때문입니다.
개발자에게 MCP는 모델당 하나가 아니라 데이터 소스당 하나의 어댑터를 작성하면 된다는 뜻입니다. 사용자 입장에서는 AI 어시스턴트가 접착제 코드(glue code)를 덜 들이고 더 예측 가능한 동작으로 즉석에서 적합한 도구를 조합할 수 있다는 의미입니다. 또한 이 프로토콜은 기능이 설명되는 방식을 표준화하여 안전성 검토를 개선하고 에이전트에 허용된 작업을 감사하기 쉽게 만듭니다.
핵심 구성 요소
- 호스트(Hosts) — 외부 맥락에 대한 액세스가 필요한 Claude Desktop, 코딩 어시스턴트, 에이전트 프레임워크 같은 AI 애플리케이션.
- 클라이언트(Clients) — 호스트에 내장되어 서버와의 일대일 연결을 유지하는 프로토콜 엔드포인트.
- 서버(Servers) — MCP를 통해 특정 리소스, 도구, 프롬프트를 노출하는 경량 프로그램.
- 전송(Transports) — 클라이언트와 서버 간에 JSON-RPC 메시지를 전달하는 기본 채널(stdio, HTTP/SSE 및 이후 등장한 streamable HTTP).
MCP는 현대 AI 스택의 연결 계층으로 이해하는 것이 가장 좋습니다. 모델 자체를 학습하거나 실행하지는 않지만, 해당 모델이 외부 세계에 도달하는 방식을 정의합니다. 그 연결을 표준화함으로써 MCP는 개발자가 유용한 기능 구축에 집중할 수 있게 하고, 모델이 이를 잘 활용하는 데 집중할 수 있도록 합니다.