🔗MCP: AI 세계의 연결 표준 프로토콜 (1부) 🔌

BQ 개발자입니다.

"이 제품 하나면 다 됩니다!"라는 광고 문구를 들으면 대부분 바로 꺼버리는데요
개인적으로 AI 세계에 등장한 MCP(Model Context Protocol)는 정말로 그런 변화를 가져올 가능성이 있을 것만 같아서 한번 제대로 뿌셔보려고 합니다.

이 글은 MCP 시리즈의 첫번째구요, 이 시리즈는 단순히 개념 설명에 그치지 않고 실제로 MCP를 활용하는 방법부터 블로그 글, 유튜브 영상까지 다뤄보려고하니 리액션 많이 부탁드립니다!! 기운내서 제대로 뿌셔볼게요!!

⚙️표준화의 힘

AI가 외부 프로그램과 소통하는 방식은 지금까지 통일되지 않았습니다. 각 AI 서비스마다 연결 방식이 달라서, 개발자들은 같은 기능을 여러 번 다르게 만들어야 했죠. 이건 마치 과거 휴대폰마다 충전 포트가 달랐던 상황과 비슷합니다. 삼성, 애플, LG 각각 다른 충전기가 필요했던 시절 기억나시나요?

MCP는 이 문제를 해결합니다. Anthropic이 주도하고 오픈소스로 공개한 이 프로토콜은 AI와 외부 프로그램 간의 소통 방식을 표준화합니다. 마치 USB-C가 다양한 기기의 충전 포트를 통일한 것처럼요.

표준화의 힘은 역사적으로 증명되어 왔습니다. 철도 궤도가 표준화되자 물류 산업이 폭발적으로 성장했고, HTTP 프로토콜이 표준화되자 웹이 전 세계로 확산되었습니다. 표준화는 호환성을 높이고, 개발 비용을 줄이며, 혁신의 속도를 가속화합니다.

⛏ MCP = 표준화

MCP의 경우, 이 표준화가 가져올 변화는 더욱 극적입니다. 개발자가 하나의 MCP 서버를 만들면, 그 서버는 모든 AI 모델에 연결될 수 있습니다. 사용자 입장에서는 한 번 설정해두면 모든 AI에서 같은 방식으로 외부 도구를 활용할 수 있게 되는거죠.

개인적으로 엄청 기대하는 이유는 실제로 많은 기업들이 MCP를 정말 빠르게 도입하고 있다는 점입니다.
- Cursor라는 코딩 도구는 MCP를 통해 로컬 파일 시스템에 접근하여 코드를 분석하고 자동으로 코드를 작성해주는 기능을 선보이고 있습니다.
- Claude 데스크톱앱도 MCP 연동을 통해 외부 API를 활용하도록 지원하고 있으며,
- Microsoft는 Playwright MCP 서버 코드를 직접 오픈하여 웹 테스트 자동화를 지원하고 있습니다.

가장 놀라운 소식은 최근 OpenAI까지 MCP를 지원한다고 발표한 것입니다. 경쟁 관계인 Anthropic과 OpenAI가 같은 표준을 채택한다는 것은 MCP가 업계 표준으로 자리잡을 가능성이 매우 높아졌다는 의미로 해석될 수 있죠? 이건 마치 삼성과 애플이 같은 충전 포트를 쓰기로 합의한 것과 같은 큰 변화일수도!!

MCP의 등장으로 AI는 단순히 대화하는 도구에서 실제로 작업을 수행하는 도구로 진화할 것이고 우리가 생각하는 AGI가 진짜 빠르게 다가올 것 같네요

---

사실 프로토콜이기 때문에 그 기능이 와닿지가 않을 수 있는데요, 다음 글에서는 MCP가 실제로 어떻게 작동하는지, 그리고 어떻게 활용할 수 있는지 더 자세히 알아보겠습니다. 관심 있으신 분들은 리액션 부탁드려요!!

여러분의 좋아요와 공유는 사랑입니다. 🥰

#MCP #Claude #OpenAI #BQ개발자

🙄 MCP 그거, 진짜 혁신 맞아요? (솔직히 까보면 별거 없을지도...)

BQ 개발자입니다.

지난번에 MCP가 엄청 핫해보이길래 설레서 글을 썼습니다..

📱 MCP: AI 세계의 연결 표준 프로토콜 (1부)

근데... 설레발 쳤던게 좀 민망하지만 솔직히 말해서 MCP를 좀 더 자세히 뜯어보고 테스트도 해봤는데,
초반의 설렘은 좀 가라앉고 현실적인 모습이 보이기 시작했달까...

왜 그런 생각이 들었는지 한번 솔직하게 풀어보겠습니다!

🤔표준화는 좋은데, 그게 뭐 그렇게 대단한가?

MCP가 하는 일이 뭔지 생각해보면, 결국 AI와 외부 프로그램(DB든, 엑셀이든 뭐든) 사이에 "이거 해줘", "ㅇㅋ, 결과 여깄어" 하고 소통하는 방법을 정해준 거죠.
그냥 JSON-RPC 같은 방식으로 메시지 형식을 통일한 정도?

물론 충전기 여러 개 들고 다니는 것보단 하나로 통일하는 게 훨씬 편하긴 합니다.

근데... 제 느낌은 딱 거기까지인 것 같습니다.
MCP는 그냥 AI랑 도구 사이에 메시지를 주고받는 '약속'일 뿐이지, 그 약속 자체가 무슨 혁명적인 가치를 만들어내는 건 아니라는 거죠.
그리고 뭣보다 이거 만드는데 시간 쓸바에야 그냥 손품 조금 더 파는게 낫겠다는 느낌..?

⛔️AI가 갑자기 똑똑해진 건 아니다

MCP 붙인다고 AI가 갑자기 머리 좋아져서 못 하던 걸 하게 되는 건 아닙니다.
개인적으로 전기포트에 블루투스 기능 얹어준 느낌 정도..? ☕️

능력은 누가 만드냐고요? DB 조작? 브라우저 제어? 그런 건 다 개발자가 피땀 흘려 짠 MCP 서버 코드가 하는 일입니다.
MCP는 그냥 AI가 그 코드한테 "너 차례야, 일해!" 하고 표준화된 방식으로 부르는 방법만 알려주는 거고요.

블루투스 기능 단 전기포트가 커피 끓여주는건 아니듯이, MCP 붙인 AI가 갑자기 인간처럼 생각하게 되는 건 아니라는 거죠.
그냥 할 수 있는 작업 목록에 몇 개 더 추가된 것뿐이죠.

솔직히 MCP 나오기 전에도 AI랑 외부 도구 연동하는 건 다들 어떻게든 해왔습니다

- API 연동, 플러그인 같은 건 원래 다 있던 기능들이고
- 랭체인(LangChain) 같은 프레임워크 쓰면 비슷한 거 다 됐었고
- 능력자들은 그냥 직접 코드로 다 만들어서 쓰고 있었죠

MCP가 한 일은 이렇게 제각각이던 연결 방식을 하나로 '정리'해준 거지, 완전히 새로운 걸 '창조'한 건 아니에요.

◀️진짜 중요한 건 따로 있다

그렇다고 MCP가 쓸모없다는 입장은 아닙니다.

근데 진짜 어려운 문제, AI의 본질적인 한계는 MCP가 전혀 건드리지도 못했다고 봐요.

1. AI의 '판단력':
어떤 도구를 언제, 어떻게 써야 할지 제대로 판단하는 능력을 키우는 게 진짜 어려운 부분이라고 느껴집니다.

2. MCP 서버의 '퀄리티':
표준 인터페이스가 아무리 좋아도, 뒤에서 돌아가는 서버 코드가 엉망이면?
SQL 인젝션 때문에 DB 털리고 대형사고 날 수도 있는데, MCP는 이런 코드 품질까지 보장해주진 않습니다.

3. 복잡한 작업 처리:
도구 하나 쓰는 게 아니라, 여러 도구를 연결해서 복잡한 일을 처리하는 건 여전히 큰 숙제예요.


🌜아직까지의 결론

MCP는 분명 의미 있는 발전이에요.

하지만 이걸로 AI 자체가 혁명적으로 발전하거나 인공일반지능(AGI)이 갑자기 다가올 거라 기대하는 건 좀 과한 것 같습니다.
MCP는 잘 닦인 '도로' 같은 거지, 자동차(AI)의 성능이나 운전자(AI의 판단력)의 실력을 키워주는 건 아니니까요.

제가 틀릴 수도 있지만, 지금까지 봐온 느낌을 정리해봤는데..
MCP가 정말 세상을 바꿀까요? 아니면 그냥 잠깐의 과장된 기대일까요? 다양한 의견 환영입니닷!!


#MCP #AI #솔직후기 #Anthropic #OpenAI #기술트렌드 #BQ개발자

📌 Claude Code가 조용히 느려지는 이유 2편: MCP를 많이 설치할수록 Claude가 할 수 있는 일이 줄어든다

BQ개발자입니다.

지난 편에서 context window가 70%를 넘으면 결과물이 나빠지기 시작한다는 점을 다뤘습니다.
이번에는 작업을 시작하기도 전에 이미 context가 채워져 버리는 원인, MCP에 대해 이야기해보려 합니다.

📱 Claude Code가 조용히 말을 안 듣기 시작할 때 — context 70%의 의미



🤔 도구가 많을수록 똑똑해질까?

파일 시스템, 웹 검색, DB 연결 등 MCP 서버를 많이 등록할수록 Claude의 능력이 확장된다고 생각하기 쉽습니다.
하지만 실제로는 MCP가 늘어날수록 Claude가 오히려 부정확해지는 현상이 발생합니다.


⚡ 도구 정의가 context를 점유하는 '고정 비용'

이유는 Claude Code의 작동 방식에 있습니다.

1. 초기 로딩: Claude Code가 실행되면 등록된 모든 MCP 서버의 '도구 정의(이름, 설명, 파라미터 등)'를 가져와 context에 올립니다.
2. 상시 점유: 도구를 실제로 사용하지 않아도 등록되어 있다는 이유만으로 context를 차지합니다.
3. 비용 누적: MCP 10개를 등록해 도구가 30~50개가 되면, 아무 작업도 안 했는데 이미 context의 30% 정도가 소모됩니다.

결국 지난 편에서 말한 '성능 저하 지점(70%)'까지 남은 여유 공간이 시작부터 줄어드는 구조입니다.


🎯 선택 기준: "무엇을 하는가"보다 "얼마나 가벼운가"

이제 MCP를 고를 때는 기능뿐만 아니라 context 효율성을 따져야 합니다.

예를 들어 exa.ai가 고평가받는 이유는 응답 데이터의 양 때문입니다. 일반 크롤러는 불필요한 HTML 태그까지 다 가져와 context를 낭비하지만, exa.ai는 AI가 읽기 좋은 핵심 텍스트만 추출해서 돌려줍니다. 도구 정의 비용은 같아도, 실행 시 발생하는 데이터 비용이 훨씬 적은 것이죠.


🚀 실전 MCP 관리 팁

1. 현재 작업과 무관한 MCP는 꺼두기
• 코딩 중이라면 부동산이나 날씨 MCP는 비활성화하는 게 좋습니다. 켜져 있는 것만으로도 비용입니다.

2. 응답이 간결한 도구를 선택하기
• 같은 기능을 제공한다면 응답 데이터가 더 정제되어 돌아오는 MCP가 장기 세션에 유리합니다.

MCP는 강력한 확장이지만, 결국 '유한한 context'를 나눠 쓰는 자원입니다. "항상 켜져 있는 비용"이라는 관점에서 관리해 보시는거 추천!!

다음 편에서는 "Agent Teams를 켰는데 왜 더 느려졌을까"에 대해 다뤄보겠습니다.

---

여러분의 좋아요와 공유는 사랑입니다 🥰

#BQ개발자 #LLM애플리케이션 #MCP #AIEngineering