거대 언어모델, LLM. 그 자체로 ‘엄청나다’고 할 정도의 능력을 가지게 되었습니다. (‘똑똑하다’는 표현이 적확한지는 모르겠지만요, 가만히 생각해 보면 오해의 소지가 많은 표현이라는 생각이 들어서요.)

어쨌든, 이렇게 엄청난 능력을 가진 LLM도, 훈련할 때 사용한 학습 데이터의 범위를 넘어선 정보가 필요한 경우에는 어려움을 겪게 됩니다. 그런데, 한창 각광받는 AI 에이전트는, ‘적절한 시점’에 ‘적절한 맥락과 데이터’ - 파일, Knowledge Base, Tool 같은 것들이죠 - 에 접근을 할 수 있어야지만 진짜 유용하겠죠.

지금까지 LLM을 중심으로 한 AI 모델을 다양한 외부의 소스에 연결하는 작업은 보통 ‘지저분한 코드’를 작성해야 하기도 하고, 그 자체로 ‘임시 방편적’인 성격의 일이었다고 할 수 있습니다. 개발자들이 각각 데이터 소스나 API 스펙에 맞춰서 커스텀 코드를 작성하든 아니면 특수한 플러그인을 사용하거나 해야 했다는 겁니다. 결국, 이런 통합의 작업은 ‘취약’하고 ‘확장하기 어려운’ 구조를 만들어내게 됩니다.

MCP (Model Context Protocol)는 이걸 단순화해 보자는 취지에서 앤쓰로픽이 고안한 프로토콜입니다 - 즉, AI 어시스턴트와 외부의 데이터, 도구의 세계를 연결하고, 다양한 맥락의 소스를 연결하겠다는 ‘개방형 표준’입니다.

MCP 발표 자체는 2024년 11월이었고, 12월 초 튜링 포스트 코리아의 FOD#77에서도 주목해야 할 트렌드로 커버를 한 적이 있는데요:

그런데 지금 트렌드가 되어버린 MCP의 위상을 보면, 이상하리만큼 당시 시장의 반응은 사실 좀 시큰둥했어요. 지금 MCP는 화제성으로 보면 이미 Langchain은 추월했고, 주요 AI 플레이어들과 오픈소스 커뮤니티들이 MCP를 중심으로 모이는 모습입니다. 어쩌면, MCP가 에이전틱 AI 시스템을 구축하는데 있어서 변곡점을 만드는, 일종의 게임 체인저가 될 수 있을지도 모르겠어요.

오늘 에피소드에서는 MCP에 대해 딥다이브를 해 보려고 합니다 - 지금 왜 MCP가 핫한 토픽이 되었는지, MCP가 ‘더 잘 통합되는, 맥락을 인식하는 AI 시스템으로의 전환’을 어떻게 도와주는지, MCP의 에이전틱 워크플로우에서의 위치, 그리고 개발자/연구자/AI엔지니어/임원들이 알아야 할 숨겨진 세부 사항 등에 대해서 좀 알아보겠습니다. 그리고, 지금까지 소수의 개발자들이 시도해 보고 있는, MCP의 재미있는 사용 방법도 살펴볼까 합니다.

자, 그럼 시작해 볼까요?

오늘 에피소드는 아래와 같은 내용을 담고 있습니다:

위에서 잠깐 이야기했다시피, MCP는 앤쓰로픽이 2024년 11월 말 처음 오픈소스로 공개, 발표했습니다. 당시에 저희도 흥미로운 아이디어라고 생각해서 튜링 포스트 코리아에서 다루었지만, 그렇다고 많은 사람들이 주목하거나 진지하게 받아들인 건 아니었어요. 그러다가 2025년 초에 들어서 MCP가 AI 개발자 커뮤니티를 중심으로 부상하기 시작했는데요. 최근에 이런 관심을 받게 된 몇 가지 큰 이유가 있다고 생각합니다:

MCP가 ‘현재 시점’에서 AI를 외부 세계의 정보 소스, 도구들과 연동하는 표준 경쟁에서 승자로 인식되고 있는지 간략하게 정리하면 아래와 같습니다:

MCP는 AI 모델이 외부의 도구를 찾아서 연결하고, 사용하는 방법에 대한 명확한 규칙을 제시하는 틀입니다 - 그게 DB에 대한 Query든, 아니면 특정한 도구의 명령을 실행하는 거든 말이죠. 이렇게 모델이 학습 데이터로부터 배운 걸 넘어서 더 유연하게, 주변의 세계를 인식하거나 행동을 할 수 있게 됩니다.

읽어주셔서 감사합니다. 친구와 동료 분들에게도 뉴스레터 추천해 주세요!