Model Context Protocol
AI 모델(예: ChatGPT, Claude)이 외부 도구, 데이터베이스, 서비스와 대화하듯 연결할 수 있게 해주는 표준 규약, 즉 대화형 표준 규약이라고 정리하면 될듯
- MCP 없을 때: 모델이 인터넷 검색이나 API 호출을 하려면 개별 플러그인을 따로 만들어야 했음.
- MCP 있을 때: “공용 소켓” 같은 걸 꽂으면 어떤 서비스든 연결 가능.
그럼 왜? 필요할까?
- AI의 한계를 극복하기 위해서 필요했다. AI는 스스로 데이터를 ‘알고 있는’게 아니다. 학습된 패턴 기반이므로, 최신 정보나 사내전용 데이터에는 접근할 수 가 없다.
- 지금은 Google Drive, Notion, Slack, Jira API 전부 다 다르기 때문에 연결이 어렵고 유지보수가 복잡하다, MCP는 이걸 통일해서 “어떤 서비스든 같은 규칙”으로 붙일 수 있도록한다.
- 모델이 데이터를 무분별하게 가져오면 위험하다, MCP는 사용자 승인/로그 기록을 강제하여 투명하게 관리할 수 있다는 강점이 있다.
MCP의 3가지 핵심 요소
- Client (클라이언트, 모델)
- ChatGPT 같은 LLM이 클라이언트
- “MCP 서버야, 이 데이터 줘”라고 요청하는 역할.
- Server (서버, 도구 제공자)
- Google Drive, Jira, GitHub, DB 같은 리소스를 MCP 서버로 래핑
- “표준 MCP언어(JSON-RPC)”로 응답
- Transport (운송 수단)
- 클라이언트 ↔ 서버 간의 통신 채널
- WebSocket, gRPC등 사용
- 메세지 포맷은 JSON-RPC 기반
정리
Client = 필요한 거 알려달라
Server = 여기 있어, JSON으로 줄게
Transport = 둘이 대화하는 통신선
이럴 경우 쓸 수 있는 방식
AI에게 “내 구글 캘린더에서 이번주 일정 가져와” 라고 명령
- Client(모델): “MCP 서버야, 캘린더 일정 보여줘”
- Server(구글 캘린더 MCP 서버): Google API랑 연결해서 일정 가져옴
- Transport: JSON 형식으로 모델에게 응답 전달
- 결과: 모델이 “이번주 일정은 월: 미팅, 화: 개발 리뷰 …” 이렇게 답변
Share article