MCP 모델 컨텍스트 프로토콜이란?

 

Anthropic의 모델 컨텍스트 프로토콜(MCP Model Context Protocol)은 무엇입니까?

 

 

mcp는 무엇입니까?

 

 

AI에서 지속적으로 해결해야 할 과제 중 하나는 강력한 LLM을 실제 애플리케이션에 필요한 광범위한 외부 데이터 소스 및 도구에 연결하는 것입니다. 2024년 11월 말에 출시된 Anthropic의 모델 컨텍스트 프로토콜(MCP)은 유망한 솔루션을 제공합니다. 간단히 말해 MCP는 LLM을 외부 도구 및 데이터 소스에 원활하게 연결하도록 설계된 개방형 표준화된 클라이언트-서버 아키텍처로, 구조화된 양방향 커뮤니케이션을 통해 통합을 간소화합니다.

 

이 문서에서는 MCP를 자세히 살펴보고 그 목적, 주요 기능, 사용 사례, 기반 기술 및 AI 커뮤니티 내에서의 수용을 살펴봅니다.

 

목차

1. Anthropic의 모델 컨텍스트 프로토콜(MCP)은 무엇입니까?
2. MCP의 주요 특징과 기능
3. MCP의 사용 사례와 예
4. MCP의 기술 및 알고리즘에 대한 통찰력
5. AI 커뮤니티 전문가의 주목할 만한 반응과 리뷰
6. 마무리

 

Anthropic의 모델 컨텍스트 프로토콜(MCP)은 무엇입니까?

 

모델 컨텍스트 프로토콜(MCP)은 주로 LLM인 AI 모델이 외부 데이터 소스 및 도구와 상호 작용할 수 있는 보편적인 방법을 제공하도록 설계된 개방형 표준입니다. AI를 위한 "USB 포트"라고 생각하면 됩니다. 모든 AI 어시스턴트가 각 연결에 대해 맞춤형 통합을 요구하지 않고도 모든 데이터 소스나 서비스에 연결할 수 있는 표준화된 방법입니다.

 

MCP 이전에는 LLM을 다양한 데이터 소스와 통합하는 것이 큰 장애물이었습니다. 각 연결에는 맞춤형 코드가 필요하여 단편화되고 확장하기 어려운 아키텍처가 되었습니다. MCP는 이러한 임시 통합을 단일 개방형 프로토콜로 대체하여 프로세스를 간소화하고 상호 운용성이 더 높은 AI 생태계를 육성하는 것을 목표로 합니다.

 

본질적으로 MCP는 AI 기능을 위한 프로토콜입니다. AI 애플리케이션이 구축되는 방식과 데이터 교환 방식에 대한 표준을 설정하여 M개의 서로 다른 LLM을 N개의 서로 다른 도구로 연결하는 과제인 "MxN" 문제를 해결합니다. MCP는 공통 언어를 제공함으로써 LLM 공급업체와 도구 빌더가 원활하게 협력할 수 있도록 합니다.

 

MCP의 주요 특징 및 기능

 

MCP의 디자인은 클라이언트-서버 아키텍처와 잘 정의된 통신 기본 요소 세트를 중심으로 합니다. 다음은 주요 기능에 대한 분석입니다.

 

• 클라이언트-서버 아키텍처: MCP는 JSON-RPC를 사용하여 클라이언트-서버 모델에서 작동합니다. AI 애플리케이션(예: Claude Desktop 앱 또는 IDE)은 클라이언트 역할을 하며 데이터 소스 또는 도구를 나타내는 서버에 연결합니다.

 

• 커뮤니케이션 기본 요소: MCP는 상호 작용을 제어하는 ​​"기본 요소"라는 핵심 메시지 유형을 정의합니다. 여기에는 다음이 포함됩니다.

서버 측 기본 요소:

• 프롬프트: AI 모델을 안내하는 준비된 지침 또는 템플릿입니다.
• 리소스: 모델의 컨텍스트를 풍부하게 하는 구조화된 데이터(예: 문서 스니펫, 코드 조각)입니다.
• 도구: 모델이 서버를 통해 호출할 수 있는 실행 가능한 함수 또는 작업(예: 데이터베이스 쿼리, 웹 검색 수행, 메시지 전송)입니다.

클라이언트 측 기본 요소:

• 루트: 서버에서 권한이 있는 경우 액세스할 수 있는 호스트의 파일 시스템 또는 환경으로의 진입점입니다.
• 샘플링: 서버가 호스트 AI에 프롬프트에 따라 완료를 생성하도록 요청하여 다단계 추론을 용이하게 하는 메커니즘입니다. Anthropic은 제어를 유지하기 위해 샘플링 요청에 대한 인간의 승인을 권장합니다.

 

• 양방향 통신: MCP는 양방향 통신을 지원합니다. 즉, AI 모델은 정보를 수신할 수 있을 뿐만 아니라 외부 시스템에서 작업을 트리거하여 보다 동적이고 대화형 애플리케이션을 구현할 수 있습니다.

 

• 보안 연결: 보안은 핵심 설계 원칙입니다. 호스트(AI 모델이 있는 곳)는 클라이언트 연결 권한을 제어하여 사용자와 조직이 AI 어시스턴트가 액세스할 수 있는 항목을 엄격하게 관리할 수 있도록 합니다.

 

• 표준화된 생태계: MCP는 상호 운용 가능한 생태계를 만드는 것을 목표로 합니다. 도구와 모델이 MCP 표준을 준수하면 모든 호환 모델이 모든 호환 도구와 함께 작동하여 협업과 혁신을 촉진할 수 있습니다.

 

• 계층화된 컨텍스트 관리: MCP를 사용하면 데이터를 관리 가능한 섹션으로 분할하여 AI 처리의 효율성을 향상시킬 수 있습니다.

 

• 프로토콜 버전 호환성: 이 프로토콜에는 버전 호환성을 협상하기 위한 메커니즘이 포함되어 있어 표준이 진화하더라도 클라이언트와 서버 간의 원활한 상호 운용성을 보장합니다.

 

MCP의 사용 사례 및 예

 

MCP의 잠재적인 적용 분야는 광범위하며 다양한 산업에 걸쳐 있습니다. 다음은 몇 가지 주목할 만한 예입니다.

 

• 엔터프라이즈 데이터 어시스턴트: MCP를 통해 AI 어시스턴트는 회사 데이터, 문서 및 내부 서비스에 안전하게 액세스할 수 있습니다. 표준화된 MCP 커넥터를 통해 단일 대화 내에서 여러 시스템(HR 데이터베이스, 프로젝트 관리 도구, Slack 채널)을 원활하게 쿼리할 수 있는 기업용 챗봇을 상상해 보세요.
• AI 기반 코딩 어시스턴트: IDE 통합은 MCP를 사용하여 광범위한 코드베이스와 문서에 액세스할 수 있습니다. Sourcegraph의 AI 어시스턴트인 Cody는 개발자에게 정확한 코드 제안과 통찰력을 제공하여 이를 보여줍니다.
• AI 기반 데이터 쿼리: MCP는 AI 모델을 데이터베이스에 연결하여 데이터 분석 및 보고를 간소화합니다. MCP를 사용하여 자연어 프롬프트에서 SQL 쿼리를 생성하는 AI2SQL은 이 기능을 보여줍니다.
• 데스크톱 AI 애플리케이션: Anthropic의 Claude Desktop은 MCP를 활용하여 AI 어시스턴트가 로컬 파일, 애플리케이션 및 서비스에 안전하게 액세스하여 상황에 맞는 관련 응답을 제공하고 작업을 수행하는 기능을 향상시킵니다.
• 개발 도구와의 통합: Zed, Replit, Codeium, Sourcegraph와 같은 회사는 MCP를 플랫폼에 통합하여 AI 에이전트가 코딩 작업에 필요한 관련 정보를 더 잘 검색할 수 있도록 합니다.
• 자동화된 데이터 추출 및 웹 검색: Apify는 AI 에이전트가 모든 Apify Actor에 액세스할 수 있도록 하는 MCP 서버를 개발하여 사용자의 직접적인 개입 없이도 자동화된 데이터 추출 및 웹 검색과 같은 작업을 간소화합니다.
• 실시간 데이터 처리: MCP는 라이브 데이터 스트림 처리 또는 센서와의 인터페이싱과 같이 실시간 데이터 상호 작용이 필요한 애플리케이션에서 사용할 수 있습니다.
• 다중 도구 조정: MCP는 여러 도구(예: 파일 시스템 및 GitHub)를 응집력 있는 운영 프레임워크로 통합하여 복잡한 워크플로를 용이하게 합니다.
• 다양한 플랫폼과의 통합: 사전 구축된 MCP 서버는 Google Drive, Slack, GitHub, Git, Postgres, Puppeteer와 같은 인기 있는 엔터프라이즈 시스템에서 사용할 수 있거나 개발 중입니다.

 

MCP의 기술 및 알고리즘에 대한 통찰력

 

MCP의 기술적 기반은 몇 가지 핵심 구성 요소로 구축되었습니다.

 

• 클라이언트-서버 아키텍처: 모듈성과 확장성을 허용하는 유연하고 확장 가능한 아키텍처입니다.
• JSON-RPC: 클라이언트와 서버 간 통신에 사용되는 가벼운 원격 프로시저 호출 프로토콜입니다.
• 기본 요소: 클라이언트와 서버 간 상호 작용을 표준화하는 잘 정의된 핵심 메시지 유형 집합입니다.
• Claude 3.5 Sonnet의 역할: Anthropic의 Claude 3.5 Sonnet은 MCP 서버 구현을 빠르게 만드는 데 능숙합니다.
• SDK: 개발자가 Python, TypeScript, Kotlin, Java를 포함한 다양한 프로그래밍 언어로 MCP 클라이언트와 서버를 빌드할 수 있도록 소프트웨어 개발 키트(SDK)가 제공됩니다.
• Spring AI 프로젝트: 이 프로젝트는 MCP Java SDK를 확장하여 Spring Boot 애플리케이션과의 통합을 위한 개발자 생산성 향상 기능을 추가합니다.
• 제어된 액세스: MCP는 보안을 보장하기 위해 호스트가 클라이언트 연결 및 권한을 관리하여 제어된 액세스를 강조합니다.
• AI 커뮤니티 전문가의 주목할 만한 반응 및 리뷰

 

MCP 출시는 AI 커뮤니티 내에서 상당한 논의를 불러일으켰습니다. 다음은 주요 반응의 요약입니다.

 

• 변혁의 잠재력: 전문가들은 MCP가 서비스 지향 아키텍처(SOA) 및 기타 프로토콜이 애플리케이션 상호 운용성을 변화시킨 것과 유사하게 비즈니스 AI 통합을 혁신할 수 있다고 제안합니다.
• 기존 표준과의 비교: Gideon Mendels(Comet)는 MCP를 REST 및 SQL에 비유하여 GenAI 애플리케이션 개발을 가속화하고 안정성을 개선할 수 있는 잠재력을 강조했습니다. 그는 또한 상호 운용성과 실험의 잠재력을 강조했습니다.
• "인텔리전스를 갖춘 마이크로서비스": Mahesh Murag(Anthropic)는 MCP를 "마이크로서비스와 매우 유사하지만 인텔리전스를 도입하고 있습니다."라고 설명했습니다.
• 게임 체인저 잠재력: 일부에서는 MCP를 통합을 간소화하고, 성능을 향상시키고, 더욱 자율적인 AI 시스템 개발을 지원할 수 있는 잠재적인 "게임 체인저"로 봅니다.

 

우려와 과제:

 

1. AI에 대한 과도한 의존 가능성과 AI가 극단적인 방식으로 의사 결정에 영향을 미칠 위험에 대한 우려가 제기되었습니다.
2. MCP의 모든 잠재력을 실현하기 위해서는 광범위한 채택이 필요하며, 기존 생태계에 이미 투자한 개발자에게 채택하도록 설득하는 과제도 강조되었습니다.
3. JD Raimondi(Making Sense)는 Anthropic이 대규모 컨텍스트 실험의 선두 주자이지만 모델 정확도는 때때로 떨어질 수 있지만 시간이 지남에 따라 개선될 것으로 예상된다고 언급했습니다.
4. 원격 서버를 지원하고 MCP의 사용 임계값을 낮추어 더 광범위하게 채택되도록 하는 것의 중요성이 강조되었습니다. 현재 일부 개발 배경이 필요한 것은 진입 장벽으로 간주됩니다.

 

• 활발한 커뮤니티 개발: 커뮤니티는 OAuth 2.0을 사용한 ID 인증 제안과 패키지 관리, 설치 도구, 샌드박싱 및 서버 등록을 통한 사용성 개선을 위한 노력으로 MCP를 개선하기 위해 적극적으로 노력하고 있습니다.

 

마무리 생각

 

Anthropic의 Model Context Protocol(MCP)은 보다 개방적이고 상호 운용 가능하며 유능한 AI 생태계를 향한 중요한 단계를 나타냅니다. AI 모델이 외부 데이터 소스 및 도구에 연결할 수 있는 표준화된 방법을 제공함으로써 MCP는 새로운 수준의 생산성과 혁신을 실현할 수 있는 잠재력을 가지고 있습니다. 특히 광범위한 채택을 달성하고 잠재적 위험을 해결하는 데 있어 과제가 남아 있지만 MCP의 초기 수용은 AI의 진화에서 혁신적인 기술이 될 수 있음을 시사합니다. AI 커뮤니티가 MCP를 계속 개발하고 개선함에 따라 장기적인 성공을 보장하기 위해 보안, 사용성 및 책임 있는 개발을 우선시하는 것이 중요할 것입니다.

 

PromptLayer 소개

 

PromptLayer는 프롬프트를 더 빠르게 반복할 수 있도록 돕는 프롬프트 관리 시스템으로, 개발 주기를 더욱 단축합니다! 프롬프트 CMS를 사용하여 프롬프트를 업데이트하고, 평가를 실행하고, 몇 분 만에 프로덕션에 배포하세요. 여기에서 확인하세요. 🍰

 

원문 기사는 이 링크를 참고하여 확인하세요.