MCP (Model Context Protocol) 이해하기
홍승협(준이아빠) / 데이터 분석, AI 실무 교육
AI 애플리케이션이 외부 시스템(데이터, 도구, 워크플로)과 연결되는 오픈소스 표준 규격입니다. Anthropic이 제안했고 다른 AI 회사들도 채택해 "AI를 위한 USB-C 포트"로 불립니다.
이 글은 modelcontextprotocol.io 공식 페이지와 앤트로픽 platform.claude.com/docs의 MCP 자료를 한국 입문자가 보기 편하게 정리한 글입니다.
🤔 AI한테 회사 노션, 슬랙을 보여줄 수 없을까요?
AI에게 회사 일을 시키려면 회사가 가진 자료에 접근할 수 있어야 합니다. 하지만 매번 노션 페이지를 복사해 붙여 넣고, 슬랙 메시지를 다시 옮겨 적기는 부담입니다.
이상적으로는 AI가 회사 노션, 슬랙, 데이터베이스를 직접 읽고 쓸 수 있으면 됩니다. 다만 그렇게 하려면 각 도구마다 별도 연결 코드를 짜야 합니다. 도구가 늘어날수록 연결의 복잡도가 폭발적으로 늘어납니다.
이 문제를 한 번에 푸는 표준이 MCP입니다.
🔑 MCP, 한 줄로 보면
MCP(Model Context Protocol)는 AI 애플리케이션이 외부 시스템(데이터, 도구, 워크플로)과 연결되는 오픈소스 표준 규격입니다.
modelcontextprotocol.io 공식 페이지는 다음 비유로 설명합니다.
"Think of MCP like a USB-C port for AI applications. Just as USB-C provides a standardized way to connect electronic devices, MCP provides a standardized way to connect AI applications to external systems."
USB-C가 모니터, 키보드, 외장하드를 한 케이블로 연결하듯, MCP는 어떤 AI든 어떤 외부 시스템과 같은 방식으로 연결합니다.
🌐 누가 만들었고 누가 쓰나요?
MCP는 앤트로픽이 처음 제안한 오픈 표준입니다. 다만 앤트로픽 전용은 아닙니다. 공식 페이지에 따르면 다음 도구들이 이미 MCP를 지원합니다.
- AI 어시스턴트: Claude, ChatGPT
- 개발 도구: VS Code, Cursor, MCPJam
- 그 외 다양한 클라이언트와 서버
한 번 MCP 서버를 만들면 Claude, ChatGPT, VS Code 모두에서 같이 쓸 수 있습니다. "한 번 만들면 어디서나"가 핵심 가치입니다.
🛠️ MCP가 가능하게 하는 것들
공식 페이지에 정리된 MCP 활용 예시는 다음과 같습니다.
- 에이전트가 Google Calendar, Notion에 접근해 더 개인화된 비서 역할
- Claude Code가 Figma 디자인을 보고 웹 앱 코드를 생성
- 사내 챗봇이 여러 부서 데이터베이스를 동시에 조회해 분석 결과 제공
- AI가 Blender에서 3D 디자인을 만들고 3D 프린터로 출력
이 모든 일이 도구마다 별도 연결 코드를 짜지 않고 MCP 표준 한 가지로 가능합니다.
📂 MCP의 두 가지 역할
MCP는 두 가지 역할로 나뉩니다.
1. MCP 서버 (Server)
- 외부 시스템(노션, 슬랙, DB)을 AI에 노출하는 쪽.
- "이 시스템에서 이런 데이터를 읽거나 쓸 수 있다"고 표준 규격으로 알리는 역할.
2. MCP 클라이언트 (Client)
- AI 애플리케이션 쪽.
- 서버가 노출한 데이터, 도구를 표준 방식으로 호출.
Claude는 MCP 클라이언트 역할을 하고, 노션, 슬랙, DB 같은 외부 시스템 옆에는 MCP 서버가 함께 동작합니다.
🧰 비개발자가 MCP를 만나는 경우
비개발자가 MCP를 직접 만들 일은 거의 없지만, 이미 만들어진 MCP 서버를 골라 연결하는 일은 자주 합니다.
1. 노션 MCP
- Claude가 회사 노션 워크스페이스를 직접 보고 쓰게 함.
2. 슬랙 MCP
- 슬랙 채널의 메시지를 분석하거나, Claude가 직접 메시지를 보내게 함.
3. 구글 캘린더 MCP
- 일정 자동 조회, 추가.
4. 깃허브 MCP
- 이슈, PR 직접 다루기.
5. 파일 시스템 MCP
- 로컬 폴더 파일을 안전하게 다루기.
각 MCP 서버는 표준 규격을 따르므로, 한 번 연결하면 Claude Code, claude.ai, VS Code 어디서나 같이 동작합니다.
🔁 MCP 동작 흐름 시나리오
시나리오: 회사 노션 + 슬랙 자동 정리
월요일 아침 일정을 자동 정리하고 싶다고 가정합니다.
1. 노션 MCP, 슬랙 MCP 연결
- 한 번만 설정.
2. Claude에게 작업 요청
- "오늘 노션 캘린더의 회의 일정을 정리해서 슬랙 #공지에 발송해 줘"
3. 흐름 진행
- Claude가 노션 MCP로 일정을 직접 조회
- 정리해서 슬랙 MCP로 메시지 발송
- 사용자는 결과만 확인
이 작업은 슬래시 명령, Hooks, Skills와 묶이면 매주 자동 실행으로 만들 수 있습니다.
🔗 Skills와 어떻게 다를까요?
MCP와 Skills는 닮은 듯 역할이 다릅니다.
| 항목 | MCP | Claude Skills |
|---|---|---|
| 목적 | 외부 시스템과의 표준 연결 | 자주 쓰는 작업 단위의 재사용 |
| 단위 | 시스템, 도구 | 작업, 워크플로 |
| 예시 | 노션 MCP, 슬랙 MCP | "주간 광고 리포트" 스킬 |
| 묶임 | 스킬 안에서 호출됨 | MCP를 호출하는 상위 단위 |
Skills는 작업의 골격, MCP는 그 안에서 호출되는 외부 도구의 표준 연결이라고 보면 자연스럽습니다.
⚠️ MCP 사용 시 주의할 점
1. 권한 범위 점검
- MCP 서버가 회사 노션 전체에 쓰기 권한을 가지면 사고 위험이 큽니다. 읽기 전용, 특정 워크스페이스로 제한하세요.
2. 인증 정보 분리
- MCP 서버 설정에 들어가는 API 토큰, 키는 환경 변수로 분리합니다.
3. 신뢰할 만한 서버만 연결
- 외부에서 가져온 MCP 서버를 무작정 연결하면 보안 위험이 큽니다. 회사 보안 정책에 따라 검증된 서버만 쓰세요. 책임감 있는 AI 사용의 보안 기준이 그대로 적용됩니다.
4. 로그, 기록 확보
- MCP가 어떤 호출을 언제 했는지 기록을 남겨 사후 추적이 가능하게 합니다.
📋 3줄 요약
-
MCP는 AI 애플리케이션이 외부 데이터와 도구에 연결되는 오픈소스 표준 규격이고 앤트로픽이 처음 제안했습니다.
-
Claude와 ChatGPT, VS Code와 Cursor가 이미 지원하므로 한 번 만든 연결을 여러 도구에서 그대로 씁니다.
-
비개발자는 MCP를 직접 만들기보다 노션이나 슬랙처럼 이미 나와 있는 서버를 골라 연결해 씁니다.
📚 참고 자료
- MCP 공식 페이지: https://modelcontextprotocol.io/
- Claude Code의 MCP 통합: https://code.claude.com/docs/en/mcp
- Claude Connectors: https://claude.com/docs/connectors/building
이 글이 도움이 되셨다면 공유해 주세요
메신저로 바로 보내거나 링크를 복사할 수 있습니다.
MCP의 가장 정확한 비유는 무엇일까요?
이어서 배우면 좋은 개념
클로드 스킬(Claude Skills) 활용하기: 재사용 작업 단위
자주 시키는 작업을 폴더 단위로 묶어 두고, 필요할 때 Claude가 자동으로 불러 써먹게 만든 재사용 단위입니다. SKILL.md 파일과 보조 스크립트, 자료로 구성되며, claude.ai와 Claude Code 양쪽에서 쓸 수 있습니다.
Claude Code (CLI 코딩 에이전트) 이해하기
앤트로픽이 만든 에이전트형 코딩 도구입니다. 터미널, VS Code, JetBrains, 데스크톱 앱, 웹 어디서나 같은 엔진으로 동작하며, 사용자의 코드베이스를 직접 읽고, 수정하고, 명령을 실행하고, 개발 도구와 연동합니다.
서브에이전트 (Subagents) 알아보기
한 작업의 부분을 따로 나눠 처리하는 보조 에이전트입니다. 주력 에이전트가 작업 전체를 조율하고, 서브에이전트들이 코드 검토, 자료 조사, 테스트 작성 같은 부분 작업을 동시에 처리해 결과를 합칩니다.
생성형 엔진 최적화 (GEO) 이해하기
생성형 엔진 최적화(GEO)는 챗GPT, 제미나이 같은 AI가 만드는 답변에 내 콘텐츠가 인용되도록 만드는 작업입니다.
관련 인사이트
- AI 모델 증류 뜻과 과정: 로컬 LLM이 좋아지는 이유AI 모델 증류는 큰 원본 모델에 문제를 대량으로 풀린 뒤 그 답을 받아 작은 모델에 담는 방법입니다. 술을 내리는 공정과 어디까지 같은지, 원본과 증류본 사이에 무엇이 오가는지, 로컬 LLM은 2027년에 어디까지 갈지 정리했습니다.
- ChatGPT Images 2.5 정리: 달라진 점과 API 모델 2종ChatGPT Images 2.5는 오픈AI가 2026년 9월 8일 공개한 이미지 생성 모델입니다. 지정한 부분만 고치고 나머지를 유지하는 편집 정확도와 최대 50% 줄어든 생성 지연, API에 함께 나온 Flare와 Sunburst의 차이를 공식 발표문으로 정리했습니다.
- 클로드 맥스 집단소송 정리: 5배와 20배가 무엇의 배수인지클로드 맥스 집단소송은 앤트로픽이 Max 요금제의 사용 한도를 실제보다 크게 보이도록 광고했다는 미국 구독자들의 소송입니다. 5배와 20배가 5시간 세션을 기준으로 한 수치라는 점, 공식 요금제 페이지에서 그 조건이 어디에 적혀 있는지, 구독 전에 확인할 것을 정리했습니다.
- 메타 뮤즈 정리: 개인 AI 에이전트가 하는 일과 보안 구조메타 뮤즈(Meta Muse)는 메타가 2026년 9월 8일 공개한 개인 AI 에이전트입니다. 질문에 답하는 대신 메일을 보내고 예약과 결제를 대신하며, 전용 가상 머신과 감시 에이전트를 나눠 둔 구조와 연결 서비스, 요금제를 공식 발표문으로 정리했습니다.
- OpenAI 나비에 스토크스 증명 정리: 밀레니엄 문제와 공적 논란OpenAI 나비에 스토크스 증명은 3차원 유체 방정식이 유한 시간 안에 특이점을 만들 수 있음을 보인 결과입니다. 공개되지 않은 내부 모델을 쓴 에이전트 약 1만 개가 88시간 만에 도달했고, 같은 경로를 1년 가까이 연구하던 수학자들이 공적 문제를 제기한 경위를 공식 발표문을 근거로 정리했습니다.
- AI 생산성 역설, 일이 늘어난 게 아니라 눈높이가 올라간 것AI 생산성 역설은 개인의 작업 속도는 빨라졌는데 조직의 생산성 지표는 거의 움직이지 않는 현상입니다. 일하는 시간이 늘었다는 말이 함께 나오는 배경을, 속도가 느려진 쪽이 아니라 그동안 넘어가던 품질을 이제야 챙기기 시작한 쪽에서 살펴봤습니다.
