MCP (Model Context Protocol)

[9ga0]

📆 일자: 26년 7월 27일(월)

🤔오늘의 질문

아래의 상/하 질문 중 하나를 선택해서 자유롭게 작성해주세요!

Q. MCP 에 대해서 자유롭게 서술하시오.

---

1. MCP는 무엇이고, 왜 기존 방식보다 필요한가?

2. MCP의 핵심 3요소와 그것들의 차이는 무엇인가? (+언제 사용)

3. MCP에서 보안과 인증은 어떻게 다뤄야 하나?

[k9425mino]

Q. MCP 에 대해서 자유롭게 서술하시오.

---

1. MCP는 무엇이고, 왜 기존 방식보다 필요한가?

MCP는 Anthropic이 제시한 AI 모델(챗봇, 에이전트 등)이 별도의 커스텀 통합 코드 없이 외부의 도구, 데이터, 서비스와 안전하게 양방향으로 연결될 수 있도록 표준화한 프로토콜 개념이다.

MCP는 흔히 "AI를 위한 USB-C 포트"로 비유된다. USB-C 이전에는 기기마다 다른 케이블이 필요했지만, 지금은 규격만 맞으면 어떤 기기든 연결될 수 있다. MCP도 마찬가지로, 어떤 AI 모델(Claude, GPT, Gemini 등)이든 MCP를 지원하는 도구들(GitHub, Slack, DB 등)과 하나의 표준 방식으로 연결할 수 있게 해준다.

기존 방식은 뭐였고, 뭐가 문제였나면

• AI가 GitHub에 접근하려면 GitHub용 커스텀 코드, Slack에 접근하려면 Slack용 커스텀 코드, 사내 DB에 접근하려면 또 별도 코드... 이런 식으로 매번 새로 짜야했다.
• 문제는 모델이 N개, 연동할 도구가 M개라면 이론상 N x M개의 서로 다른 파이프라인이 필요할 수 있어진다. 사용할 모델이나 연동할 도구가 많아질 수록 필요한 개발사항이 방대해지는 것이다.
• 게다가 개발 과정에서 자기 방식대로 인증, 에러 처리, 데이터 포맷을 설계하다 보니 보안 수준도 제각각이고, 유지보수 부담도 컸다.

MCP가 도입되고 나서는

• 표준 프로토콜 계층 도입: 도구를 만드는 쪽은 "MCP 서버"만 하나 만들면, MCP를 지원하는 모든 AI 애플리케이션에서 곧바로 쓸 수 있게되었다. 반대로 AI 애플리케이션을 만드는 쪽도 "MCP 클라이언트" 지원만 구현하면, 이미 존재하는 수백 개의 MCP 서버를 전부 활용할 수 있게되었다.
• 일관된 구조: JSON-RPC 2.0 기반 통신에 Tools(실행 가능한 함수), Resources(데이터, 컨텍스트), Prompts(재사용 템플릿)라는 공통 프리미티브를 정의해서, 도구가 뭐든 간에 모델이 다루는 방식이 동일하다.
• 보인 및 인가 표준화: 매번 각자 방식으로 인증을 설계하는 대신, 프로토콜 차원에서 인가 방식을 규정한다.

실무 사례로, 한 개발자는 OpenAI 함수 호출 래퍼를 커스텀으로 잔뜩 만들어 쓰던 걸 MCP 네이티브 아키텍처로 전환한 뒤, 새로운 도구 통합에 걸리는 배포 시간이 3일에서 11분으로 줄었다고 밝혔다. 이런 이유로 MCP는 "흥미로운 실험" 단계를 지나 에이전트 시스템을 구축하는 사람들에게 인프라의 핵심 요소로 자리잡았다고 평가받는다.

2. MCP의 핵심 3요소와 그것들의 차이는 무엇인가? (+언제 사용)

MCP에서 핵심 3 구성요소는 앞서 말한 공통 프리미티브인 Tools, Resources, Prompts 이다.

[ Tools ]

Tools는 MCP 서버가 모델에게 제공하는 작업을 수행하거나 정보를 검색할 수 있게 하는 등의 실행(호출)가능한 함수이다.

AI 모델이 문맥과 프롬프트를 바탕으로 스스로 판단하여 Tools의 호출을 제어한다. 실행은 자동화가 가능하며, JSON-RPC로 서버에 요청하는 식이다.

Tools의 예시는 다음과 같다.

• create_github_issue : GitHub 저장소에 새 이슈를 생성함
• send_slack_message : 지정한 Slack 채널에 메시지를 전송함
• query_database : SQL 쿼리를 실행하고 결과를 반환함

[ Resources ]

Resources는 AI 모델이 참고할 수 있는 특정 파일, DB, 지표, 문서 등의 데이터/컨텍스트 자료이다. Resources를 통해 AI 모델은 맥락 기반 분석, 전략 설계 등을 할 수 있게 된다.

클라이언트/호스트가 제어하는 구조이다. 자동으로 첨부하거나 사용자가 선택이 가능하며, URI 기반으로 접근한다.

Resources의 예시는 다음과 같다.

• /data/price/SPY_30d.csv : 최근 30일간 S&P 500 시세
• /data/volatility.json : 시장 변동성 정보
• /notes/meeting.md : 투자 아이디어 요약

[ Prompts ]

Prompts는 MCP에서 사용자가 명시적으로 선택해 재사용이 가능한 명령 프롬프트 템플릿이다.

사용자가 명시적으로 선택해서 실행한다. 명확한 목적이 담겨있으며, 자연어 인터페이스 기반이다.

Prompts의 예시

• /summarize-pr
• /weekly-report
  와 같은 슬래시 커맨드형 템플릿

3. MCP에서 보안과 인증은 어떻게 다뤄야 하나?

MCP는 AI 모델에게 실제 시스템(파일, DB, 결제, 이메일 등)에 대한 실행 권한을 주는 프로토콜이기 때문에, 보안이 특히 중요하다. 크게 인증(누구인가), 인가(무엇을 할 수 있는가), 실행 시 안전장치 세 층위로 나눠서 봐야한다.

• 인증: 로컬(stdio) 서버는 OS 권한이 경계가 되고, 원격(HTTP) 서버는 OAuth / OpenID Connect 기반 인증으로 정렬되는 추세다.
• 인가: 최소 권한 원칙(least privilege)에 따라 토큰 스코프를 제한하고, 사용자가 원래 가진 권한 이상으로 접근하지 못하도록 서버 단에서 검증해야 한다.
• 실행 안전장치: 삭제, 결제, 발송 등 부작용이 있는 Tool은 human-in-the-loop 확인을 거치게 하고, 서버는 모델이 보낸 입력값을 그대로 신뢰하지 않고 검증해야 한다. 또한 외부 콘텐츠에 숨겨진 지시문으로 인한 간접 프롬프트 인젝션 가능성도 염두에 둬야 한다.

즉, MCP 보안의 핵심은 "모델을 완전히 신뢰하지 않는 설계"이다. 모델이 잘못 판단해 위험한 동작을 시도하더라도 서버/앱 단의 확인, 검증 절차가 최종 방어선 역할을 하도록 만드는 것이다.

[vvineey]

사진이 넘 귀욥다 ㅋㅋ..

MCP (Model Context Protocol)

외부 데이터 소스, 도구를 연결하기 위한 표준 프로토콜 = AI 어플리케이션과 외부 시스템 사이의 공통 연결 규격
예 ) AI IDE가 깃허브, 로컬 파일, 데이터베이스, Slack 같은 시스템에 접근하려면 원래는 각각의 API를 직접 붙여야 한다. MCP를 쓰면 각 외부 시스템이 MCP serrver 형태로 노출하고, AI 어플리케이션은 MCP client를 통해 표준 방식으로 기능을 발견하고 호출한다.

왜 등장했고, 왜 필요할까??

기존 방식의 가장 큰 문제는 연동 수가 너무 많음 -> MCP는 표준화된 서버와 클라이언트로 풀어내어 외부 시스템은 MCP server로 Tools, Resources, Promts를 제공 + AI 앱은 MCP client로 발견함

기존 방식	MCP 방식
앱마다 API를 직접 연동	MCP client가 MCP server와 표준 통신
도구 정의, 입력값, 응답 형식이 제각각	JSON-RPC 기반 공통 메시지
권한/승인 흐름이 흩어짐	transport와 authorization layer에서 일관성 확보
기능 재사용이 어려움	한 MCP server를 여러 host에서 재사용 가능
도구가 동적으로 바뀌면 관리가 어려움	tools/list_changed 같은 notification으로 갱신 가능

동작 원리

MCP는 크게 data layer, transport layer로 나뉜다.

Layer	역할
Data layer	JSON-RPC 2.0 메시지, 초기화, capability negotiation, primitive 호출, notification 처리
Transport layer	stdio, Streamable HTTP, 메시지 framing, 인증/인가, secure communication

1. 사용자가 AI host에 MCP server 설정을 추가한다.
2. Host가 server마다 MCP client를 생성한다.
3. Client와 Server가 initialize 메시지로 protocol version, capability, client/server info를 교환한다.
4. 초기화가 끝나면 client가 notifications/initialized를 보낸다.
5. Client는 tools/list, resources/list, prompts/list로 server가 제공하는 기능을 발견한다.
6. 대화 중 필요한 경우 model이나 host가 tool/resource/prompt를 사용한다.
7. Server는 결과를 JSON-RPC response로 돌려준다.
8. 도구 목록 등이 바뀌면 server가 notification을 보내고 client가 목록을 다시 갱신한다.

AI 앱(Host)
  └─ MCP Client
        ──요청──> MCP Server
                    └─ 외부 시스템 API 호출

예를 들어 “AI가 GitHub 이슈를 만들어줘”라고 하면:

1. 사용자는 AI 앱에게 말함
2. AI 앱 안의 MCP Client가 GitHub MCP Server에 요청함
   3, GitHub MCP Server가 실제 GitHub API를 호출함
3. 결과를 AI 앱으로 돌려줌

3요소

1. Tools : 모델이 자동으로 발견하고 호출할 수 있는 함수이다. DB 조회, API 호출, 계산 같은 외부 시스템 상호작용을 가능하게 한다.
2. Resources : 에플리케이션이 필요에 따라 context로 넣는 데이터이다. 모델이 마음대로 실행하는 함수가 아니라 host 애플리케이션이 이 자료를ㅋ ㅓㄴ텍스트로 넣을지 결정하는 쪽에 가깝다.
3. Prompts : 사용자가 선택하는 템플릿이다. 사용자가 UI에서 명령처럼 선택하고 특정 작업 흐름을 구조화하는데 사용한다.

Primitive	제어 주체	의미	언제 사용
Tools	Model-controlled	모델이 호출할 수 있는 실행 함수	DB 조회, API 호출, 파일 변경, 계산, 티켓 생성처럼 "행동"이 필요할 때
Resources	Application-controlled	모델이나 사용자가 참고할 데이터	파일 내용, DB schema, 문서, 로그, API 응답처럼 "읽기 컨텍스트"가 필요할 때
Prompts	User-controlled	재사용 가능한 프롬프트 템플릿	사용자가 특정 작업 흐름을 명시적으로 선택하게 할 때

[eunji719]

1. MCP는 무엇이고, 왜 기존 방식보다 필요한가?

AI가 여러 개 존재하는 환경에서는 기존에 AI마다 외부 API를 연결하는 방식이 달라 동일한 기능을 구현하더라도 각각 별도의 연동 코드를 작성해야 했다. 이로 인해 코드가 중복되고 유지보수가 어려우며, 새로운 AI가 추가될 때마다 같은 작업을 반복해야 하는 문제가 있었다. 또한 AI가 발전하면서 데이터베이스, GitHub, Slack 등 AI가 활용해야 하는 외부 도구의 종류도 급격히 늘어났기 때문에 이를 공통된 방식으로 연결하고 사용할 수 있는 표준이 필요해졌다. 이러한 문제를 해결하기 위해 등장한 게 MCP이고, MCP는 AI가 외부 도구와 데이터를 표준화된 방식으로 사용할 수 있도록 하는 프로토콜이다. 한 번 MCP 서버를 구축해 두면 여러 AI는 MCP 규격만 지원하면 동일한 방식으로 해당 도구를 사용할 수 있다. 따라서 AI마다 별도의 연동 코드를 작성할 필요가 없어지고, 개발 비용과 유지보수 부담이 크게 줄어들며 새로운 AI를 추가하는 것도 훨씬 쉬워진다.

MCP 구성

Host	사용자가 직접 사용하는 AI애플리케이션으로, 사용자 요청 받아서 어떤 도구가 필요한지 판단하고 전체 작업을 관리
Client	MCP프로토콜에 맞춰 요청을 보내고, 응답을 받아 Host에 전달하는 역할
Server	실제 기능 제공하는 프로그램 (DB조회, 저장소 접근..) 외부시스템과 연결되어 필요한 작업 수행하고 결과를 Client에게 전달

---

2. MCP의 핵심 3요소와 그것들의 차이는 무엇인가? (+언제 사용)

MCP Server의 핵심 3요소에는 Tools,Resource,Prompts가 있다. Tools는 함수와 비슷한 개념인데 AI가 필요할 때 호출해서 작업을 수행하는 기능을 말한다. 파일을 생성/수정하거나 DB조회, Github 이슈 생성 등의 외부 작업을 요청할 때 사용한다. Resource는 ai가 참고할 수 있는 데이터를 제공하는 기능이다. README파일, 소스코드, 설정파일,로그 등을 예시로 들 수 있다. Prompts는 자주 사용하는 프롬프트를 템플릿 형태로 제공하는 기능으로, 예를 들어서 코드 리뷰, 버그 분석, 커밋 메시지 작성 등의 반복되는 작업을 미리 정의해 두면, 사용자는 긴 프롬프트를 매번 작성하지 않아도 동일한 작업을 쉽게 수행할 수 있다.

---

3. MCP에서 보안과 인증은 어떻게 다뤄야 하나?

MCP는 AI가 다양한 외부 서비스와 연결되어 있기 때문에 보안과 인증이 매우 중요하다. 다만, MCP자체가 새로운 인증 방식을 제공하는 것은 아니며, 기존의 인증 방식을 그대로 활용하도록 설계되어 있다. 예를 들어 GitHub는 OAuth나 PAT(Personal Access Token)을 사용하고, DB는 계정,비밀번호 또는 인증서를 사용하며, 클라우드 서비스는 API키 등을 사용해 인증한다. 또한 AI에는 필요한 기능만 사용할 수 있도록 최소 권한 원칙을 적용해 불필요한 권한을 부여하지 않는 것이 중요하다.

[9ga0]

MCP (Model Context Protocol) #19

1. MCP는 무엇이고, 왜 기존 방식보다 필요한가?

MCP는 AI 모델이 외부 데이터나 도구와 표준화된 방식으로 연결되도록 하는 프로토콜입니다. 즉, MCP는 AI를 위한 USB-C 같은 표준 연결 방식입니다. 기존에는 AI서비스마다 연동방식이 제각각이라서, 같은 기능을 붙이더라도 서비스별로 따로 구현해야 했지만, MCP는 도구 연결 방식을 통일화하기 때문에 재사용과 확장성이 좋아집니다.

2. MCP의 핵심 3요소와 그것들의 차이는 무엇인가? (+언제 사용)

MCP의 3요소는 tools, resources, prompts입니다. Tools는 실행 기능, resources는 데이터나 컨텍스트, prompts는 재사용 가능한 지시문입니다. 예를 들어 DB 조회는 tools, 문서 내용 제공은 resources, ai의 답변 형식을 통일하는 템플릿은 prompts에 해당합니다.

3. MCP에서 보안과 인증은 어떻게 다뤄야 하나?

MCP는 외부 시스템 접근을 다루기 떄문에 보안과 인증이 매우 중요하다고 생각합니다.
인증과 권한 통제가 중요할 뿐만 아니라, HTTP 기반에서는 OAuth 2.1같은 표준 인증 흐름을 따라야 하고, 토큰은 HTTPS로 전달하며 최소 권한 원칙을 지켜야합니다. 또한 토큰(입장권)이 있더라도 그 토큰이 실제로 해당 MCP 서버용인지 검증해야 합니다.

*OAuth 2.1 : 이 앱이 이 사용자 대신 행동해도 되는지 를 정해주는 표준 방식