
※ MCP(Model Context Protocol)란?
AI 개발을 훨씬 쉽고 빠르게 만들어주는 표준 연결 규칙
요즘 기업들은 챗봇, 업무 자동화, 검색 시스템 등 다양한 AI 서비스를 만들고 있다.
그런데 문제는,
AI는 똑똑해도, 회사 시스템에 쉽게 접근하지 못한다는 것이다.
예를 들어 회사 고객센터 시스템에 AI 챗봇을 만든다고 가정해 보자
AI가 잘 답하려면 아래 데이터를 알아야 한다.
· 고객 정보
· 주문 내역
· 배송 상태
· FAQ 문서
· 내부 지식 문서
하지만 이 정보들은 다 회사 내부 시스템에 저장되어 있고, 시스템마다 접근 방식, 보안 방식, 데이터 형태가 모두 다르다.
그렇기 때문에 AI를 사용하기 어렵다.
※ AI 개발 (MCP 없을 때)
AI에게 시스템 사용법을 하나씩 다 가르쳐야 했다.
· 고객 DB 연동 코드 개발
· 주문 시스템 연동 개발
· 권한 처리 로직 추가
· 로그 파일 가져오는 방식 따로 구현
· 업데이트 때마다 수정 필요
즉, AI 모델 만들기보다 시스템 연결 개발이 더 힘든 경우가 많았다.
결과는 어땠을까?
→ 개발 시간 오래 걸림
→ 유지보수 복잡
→ 보안 위험
→ 시스템 바뀌면 다시 개발
→ PoC만 하고 실제 적용 못 하는 경우 많음
※ AI 개발 (MCP 적용 후)
MCP는 AI가 외부 시스템을 표준 방식으로 접근할 수 있게 해주는 규칙이다.
"이 방식대로만 말하면, 시스템이 알아서 연결 구조를 제공할게"
즉, AI가 회사 시스템과 공통된 언어로 대화하게 하는 것
· "고객 정보를 조회해줘"
· "주문 상태를 가져와줘"
· "문서에서 관련 내용을 찾아줘"
· "문서를 업데이트해줘"
이제 AI는 서비스마다 다른 규칙을 몰라도 된다.
→ 연결 방식 통일
→ 개발 속도 증가
→ 보안/권한 통합
→ 유지보수 쉬움
→ 확장성 극대화
※ 예시로 보는 차이
| 상황 | MCP 없는 방식 | MCP 방식 |
| DB에서 고객 정보 확인 | DB 연결 코드 개발, SQL 커스텀 | "고객 정보 조회" 라고 명령하면 됨 |
| 주문 시스템 연결 | 시스템별 API 학습 필요 | MCP가 표준 방식 제공 |
| 권한 인증 | 각 시스템마다 별도 처리 | MCP가 공통 인증처리 규칙 제공 |
| 문서 검색 | 파일 시스템 연동 코드 필요 | MCP "문서 검색" 명령 사용 |
| 유지보수 | 수정할 때마다 코딩 필요 | MCP 인터페이스 그대로 사용 |
<핵심>
| MCP 없는 방식 | MCP 방식 |
| AI가 업무 + 시스템 조작까지 학습 | AI는 업무만 이해, 시스템 조작은 MCP가 처리 |
| 연동 코드 수동 개발 | 표준 명령으로 자동 처리 |
| 빠르게 PoC는 가능하지만 실제 운영은 어려움 | 운영 환경에서도 바로 적용 가능 |
※ 비유
<과거>
AI에게 일을 시키려면 이렇게 말해야 했다.
"저 문 열고, 저기서 파일 찾고, 이 함수 써서 데이터 뽑고.."
즉, AI가 회사 시스템 조작법까지 배워야 했다.
<MCP 시대>
그냥 말하면 된다.
"이 고객의 주문 기록 보여줘"
문 여는 법, 파일 찾는 법, 데이터 뽑는 법은 MCP가 대신 처리한다.
※ 결론
MCP 덕분에 기업은 복잡한 시스템 연동 개발 없이 AI를 바로 업무에 적용할 수 있다.
※ MCP 아키텍처
┌───────────────┐
│ 사용자(User) │
└───────┬───────┘
│ 질문/명령 (Input)
▼
┌───────────────┐
│ AI 모델 │ ← ChatGPT, LLM
└───────┬───────┘
│ 요청 Payload
▼
┌──────────────────────┐
│ MCP Layer │ ← 통역/중계/표준화
│ (Model Context API) │
└───┬─────────┬────────┘
│ │
│ │ 표준 명령 전달
▼ ▼
┌─────────┐ ┌──────────┐ ┌─────────────┐
│ DB Tool │ │ File Tool │ │ API Tool │ ← MCP Tools (Plugins)
└───┬─────┘ └────┬─────┘ └──────┬──────┘
│ │ │
│ Query │ File Read │ API Call
▼ ▼ ▼
┌─────────┐ ┌──────────┐ ┌────────────┐
│Database │ │ File Store│ │ Internal │
│(MySQL…) │ │ (Docs) │ │ Systems/ERP│
└───┬─────┘ └────┬─────┘ └──────┬──────┘
│ │ │
│ 결과(Return Data) │
▼ ▼ ▼
┌─────────┐ ┌──────────┐ ┌─────────────┐
│ DB Tool │ │ File Tool │ │ API Tool │
└───┬─────┘ └────┬─────┘ └──────┬──────┘
│ │ │
│ 처리된 결과 전달 │
▼ ▼ ▼
┌──────────────────────┐
│ MCP Layer │ ← 응답 수집 및 포맷 통일
└───────┬──────────────┘
│ 결과 전달
▼
┌───────────────┐
│ AI 모델 │ ← 데이터를 이해하고 답변 구성
└───────┬───────┘
│ 응답 생성(Output)
▼
┌───────────────┐
│ 사용자(User) │ ← 사용자가 결과 확인
└───────────────┘'AI > 참고자료' 카테고리의 다른 글
| [AI] Web Service vs AI Service (데이터 흐름으로 비교하기) (0) | 2025.11.07 |
|---|---|
| [AI] RAG·MCP·A2A (AI 서비스의 핵심 구조) (0) | 2025.11.06 |
| [AI] 이산수학·그래프와 머신러닝 (0) | 2025.10.24 |
| [AI] 회귀·추정과 머신러닝 (0) | 2025.10.24 |
| [AI] 확률·통계와 머신러닝 (2) | 2025.10.23 |