AI에 수많은 앱이 연결되는 세상, 머지않았습니다
Tena • Hyeri Jo, Editor
최근 오픈AI가 ‘MCP’라는 걸 받아들였다는 소식에 IT 업계가 들썩거리고 있습니다. ‘경쟁사 앤트로픽의 표준 수용’, ‘AI 에이전트 쏟아질 것’ 등 기대에 찬 제목의 기사들이 쏟아졌죠.
(출처: 구글)
(참고: 오픈AI, 경쟁사 앤트로픽 기술 수용…오픈소스 프로토콜 'MCP' 채택)
(참고: "AI 에이전트 쏟아질 것"…오픈AI, MCP 지원에 업계 '깜짝')
(2024년 11월~2025년 3월 동안 전 세계 'MCP' 검색량을 조회한 결과, 출처: 구글 트렌드 캡처)
구글 트렌드에서 ‘MCP’의 검색량을 조회해 보면 특히 2025년 3월 들어 크게 오른 것을 알 수 있습니다. 이 글을 읽고 계신 분들도 어디선가 MCP에 대해 들어 보셨을 것 같은데요. 과연 MCP라는 게 뭐길래 이렇게 난리일까요? MCP의 뜻부터 등장 배경, 앞으로 AI 업계에 미칠 영향까지 정리해 보았습니다.
MCP는 AI에 다양한 프로그램을 쉽게 연결해서 쓸 수 있도록 만든 표준 통신 형식입니다. 약자를 풀자면 ‘모델 컨텍스트 프로토콜(Model Context Protocol)’으로, 일종의 ‘프로토콜’인데요. MCP를 이해하려면 이 프로토콜의 의미부터 파악하는 게 좋습니다. (일단 문과인 저는 그랬습니다…)
보통, 프로토콜은 컴퓨터나 시스템끼리 말이 통하도록 정해놓은 공통의 대화법을 의미합니다.
(국제 외교 절차의 표준을 정의한 비엔나 협약의 내용을 담은 책)
하지만 거슬러 올라가면 의외로 역사가 긴 용어인데요. 프로토콜의 어원은 ‘문서의 앞에 붙이는 첫 장’이라는 의미로, 공식적인 절차나 규범을 가리킵니다. 예를 들어 각국의 외교 사절들이 회의를 한다면 발언 순서, 식순, 문서 형식이 정해져 있어야겠죠? 이게 바로 프로토콜입니다. 특히 외교 분야에서 프로토콜은 오래 전부터 존재했던 개념입니다.
훗날 등장한 컴퓨터 통신 분야에서도 일종의 절차와 규범이 필요하다는 인식이 생기면서, 기존에 존재했던 ‘프로토콜’이라는 용어가 자연스럽게 차용된 겁니다.
자, 그렇다면 AI를 프로그램에 연결할 때에도 프로토콜이 있으면 좋겠죠. 다만 생성형 AI의 역사가 짧은 만큼, 최근까지만 해도 표준이라고 할만한 프로토콜이 없었습니다. AI 프로토콜이라고 나온 것들이 있기는 했지만, 많은 사람들이 사용해야 표준으로서의 힘이 생기는 거니까요.
그러던 와중에 빠르게 사용자를 끌어모으고 생태계를 구축하면서 표준이 될만한 가능성을 보여주는 프로토콜이 하나 등장했습니다. 바로 이 글의 주인공 MCP입니다.
(MCP를 소개하는 앤트로픽의 아티클, 출처: Introducing the Model Context Protocol)
MCP는 2024년 11월 ‘앤트로픽’이 발표한 오픈 소스 프로토콜입니다. 앤트로픽은 챗GPT 같은 LLM 애플리케이션 ‘클로드’를 만드는 곳으로, 오픈AI에 버금가는 글로벌 AI 기업인데요. 앤트로픽은 AI 품질이 빠르게 발전하고 있지만 정작 데이터에 연결되지 못해서 확장성에 한계가 있으며, 이러한 문제를 해결하기 위해 MCP를 내놓았다고 밝혔습니다.
“이 업계는 지금까지 모델 역량에 막대한 투자를 하여 추론과 품질에서 빠른 진전을 이뤘습니다. 하지만 여전히 가장 정교한 모델조차도 데이터로부터 분리되어 제약을 받고 있으며, 정보 사일로와 레거시 시스템에 갇혀 있습니다.”
“MCP는 이러한 문제를 해결합니다. AI 시스템을 데이터 소스와 연결하기 위한 보편적이고 개방적인 표준을 제공하여 단편화된 통합을 단일 프로토콜로 대체합니다. 결과적으로 AI 시스템은 더 간단하고 안정적인 방식으로 필요한 데이터에 접근할 수 있게 됩니다.”
(참고: Introducing the Model Context Protocol)
앤트로픽은 MCP가 AI의 ‘USB-C’ 포트와 같다고 설명했습니다. 다양한 하드웨어 연결 포트 규격들이 USB-C로 통일되고 나서 어떤 기기들끼리도 호환이 가능해진 것처럼, MCP도 AI와 다양한 데이터 소스 및 도구를 연결하는 표준화된 방식이라는 거죠. MCP를 활용하면 LLM 애플리케이션에 외부 앱을 연동하고 확장하는 일이 보다 쉬워지는데요. AI 활용의 장벽이 대폭 낮아졌다는 의미입니다.
또한 MCP는 오픈 소스로 제공되었기에 누구나 이 프로토콜을 활용해 새로운 AI용 앱(MCP 서버)을 만들 수 있었습니다. 앤트로픽은 ‘MCP를 협력적인 오픈 소스 프로젝트이자 생태계’로 만들고 싶다고 밝혔는데요. MCP를 많은 사람들이 쓰는 표준으로 만드는 동시에, 그 생태계의 한가운데에 있는 클로드의 영향력을 강화하고 싶다는 야심이 엿보이는 대목이죠.
포브스, 테크크런치 등 IT 매체들은 MCP가 의미있는 시도이기는 하지만, 진짜 표준으로 자리잡을지는 좀더 지켜보아야 한다는 평을 내놓았습니다.
(참고: Why Anthropic’s Model Context Protocol Is A Big Step In The Evolution Of AI Agents)
(참고: Anthropic proposes a new way to connect data to AI chatbots)
MCP도 처음부터 흥하지는 않았습니다. MCP가 이슈로 떠오른 건 ‘커서(Cursor)’라는 AI 코딩 편집기에서 MCP를 지원하기 시작하면서부터였는데요. 커서를 만드는 ‘애니스피어’는 오픈AI로부터 투자를 받았으며 최근에는 100억 달러(약 14조 7400억 원)의 기업가치로 투자 유치를 추진하고 있는 유망한 기업입니다. 앤트로픽도 오픈AI의 라이벌로 꼽히는 기업이지만 혼자서는 큰 반향을 일으키지 못했는데, 또 다른 인기 플레이어가 MCP를 도입하니 흐름이 확 살아난 거죠.
(참고: Cursor in talks to raise at a $10B valuation as AI coding sector booms)
(출처: 구글 트렌드 캡처)
실제로 앞서 보여드렸던 구글 트렌드 그래프에서도 2월 중순부터 서서히 MCP 키워드 검색량이 늘어나는 것을 볼 수 있습니다. 이는 커서에서 MCP를 지원하기 시작한 시점과 일치합니다. 물밑에서 서서히 ‘MCP가 AI 분야에서 되게 중요해질 것 같은데? 빨리 뭐라도 해봐야 하는 거 아니야?’라는 입소문이 돌던 시기였죠. (제가 MCP 콘텐츠를 기획하던 것도 이 시기… 뒷북 친 거 아니락오…)
그리고 3월 말, MCP의 상승세에 박차를 가한 사건이 일어났습니다.
2025년 3월 27일, 오픈AI의 CEO인 샘 알트만은 오픈AI가 자사 제품 전반에 MCP 지원을 추가한다고 밝혔습니다. 사실 앤트로픽이 MCP를 발표할 때만 해도 많은 이들이 ‘경쟁자인 오픈AI가 안 따라줄 텐데?’라고 생각했는데, 모두의 예상을 뒤엎은 거죠. 이로써 AI 업계의 양대산맥인 두 회사가 모두 MCP 세계관에 들어왔습니다. ‘이제는 MCP가 AI 산업 표준’이라는 의견들이 나오는 이유입니다.
(MCP 형식을 지원한다는 내용의 샘 알트만 X(구 '트위터'). 출처: X)
오픈AI가 MCP를 어디에 지원한다는 건지 자세히 살펴볼까요.
3월 27일부로 MCP 지원이 바로 적용된 곳은 ‘에이전트 SDK’입니다. 에이전트 SDK란, 쉽게 말해서 개발자들이 GPT를 탑재한 AI 에이전트를 만들 수 있는 키트인데요. 앞으로는 개발자들이 GPT가 들어간 AI 에이전트를 만든다면, 이 에이전트에서 MCP 형식의 외부 앱을 쓸 수 있습니다. 이제는 하나의 앱을 MCP 형식에 맞춰 구현해 두면 클로드든 오픈AI 에이전트에든 바로 연결할 수 있는 거죠.
그뿐 아닙니다. 샘 알트만은 조만간 챗GPT 데스크톱 앱과 리스폰스 API에서도 MCP를 지원한다고 밝혔습니다. 챗GPT는 물론 GPT를 활용한 다양한 에이전트에 모두 MCP 서버 연결이 가능해지는 겁니다. MCP에 대한 기대감이 올라갈 수밖에 없는 발표였죠.
여기까지 따라오셨다면, MCP의 원리에 대해서 살짝만 알아보겠습니다
(MCP 구조도, 참고: MCP Introduction)
MCP로 AI와 프로그램을 연결했을 때의 구조도를 볼까요. 뭐가 많아 보이지만 결국 ‘호스트’가 여러 개의 ‘서버’에 연결해서 작업을 할 수 있다는 게 핵심입니다. 호스트는 주로 클로드나 챗GPT 같은 LLM 애플리케이션이고, 서버는 구글 드라이브나 슬랙, 깃헙처럼 LLM 애플리케이션에 연결해 쓰는 앱입니다. 호스트 안에는 각각의 서버와 대화를 담당하는 모듈이 내장되어 있는데, 이걸 ‘클라이언트’라고 부릅니다. 정리하자면 이렇습니다.
MCP 호스트: MCP를 통해 데이터에 접근하려는 주체. (클로드, 챗GPT, IDEs 등)
MCP 클라이언트: 호스트 안에서 서버와 1:1 연결을 유지. 서버에 ‘요청’을 함.
MCP 서버: 클라이언트의 요청을 받아서 정보를 제공하거나 동작을 실행함. (구글 드라이브, 슬랙, 깃헙 등)
좀더 쉽게 비유해 볼까요? ‘호스트’가 회사의 CEO라면, ‘서버’는 업무를 처리하는 각 부서라고 할 수 있습니다. CEO가 각 부서들과 연결되려면 부서별 전담 비서가 필요해요. 이 비서들이 바로 ‘클라이언트’입니다. 여기서 MCP란 업무 요청과 회신 내용을 정리하는 문서의 ‘양식’과 같습니다. 문서에 요청사항, 담당 부서, 요청 형식, 작업 기한 등의 항목을 통일해서 사용한다면 실무자들이 CEO의 요청사항을 한번에 알아듣고 수행할 수 있겠죠.
그런데 혹시, 이런 생각이 들지는 않나요?
“그 전에도 API로 LLM을 각 서비스에 연결해서 쓸 수 있지 않았나?”
맞습니다. 오픈AI만 해도 오래 전부터 API를 제공해 왔고, 이를 활용한 서비스들이 많죠. 하지만 기본적으로 API를 쓸 때보다 훨씬 편리해졌는데요. MCP의 가장 강력한 장점으로는 ‘도구(tool)’을 들 수 있습니다. LLM 애플리케이션이 외부 앱을 연동했다고 하면 결국 그 앱에서 할 수 있는 어떤 동작을 요청하게 될 텐데요. 이때 가능한 동작들을 규정해둔 게 바로 도구입니다.
(출처: 클로드 캡처)
예를 들어 클로드에 노션 MCP 서버를 연결하면, ‘노션에 코멘트 생성하기(notion_create_comment)’, ‘노션에 데이터베이스 만들기(notion_create_database)’ 등의 도구들이 나열되어 있는 것을 볼 수 있습니다. 클로드는 이 도구들을 조합해서 사용자의 요청을 처리하게 되는데요. MCP의 장점은 바로 이 ‘도구’들이 이미 규격화되어 있으며, 클라이언트가 간단한 요청 과정을 통해서 쓸 수 있는 도구를 알아보고 선택해서 쓸 수 있다는 점입니다. 원래는 이 각각의 도구들조차 딱히 규격화되어 있지 않았거든요.
(참고: Concepts - Tools)
결국 하나의 프로토콜을 쓴다는 것은 ‘규격화’를 의미합니다. 그러면 더 쉽고 빠르게 LLM과 외부 프로그램들을 연동할 수 있게 되고요. LLM에 연동할 수 있는 앱을 한번 구현해 두면 활용성이 높아지니, 더 많은 사람들이 LLM에 연동할 수 있는 MCP 서버를 만들어내게 됩니다. 실제로 앤트로픽이 공개한 MCP 서버 페이지를 보면 이미 엄청 많은 서버들이 만들어져 있는 걸 볼 수 있습니다.
(참고: Model Context Protocol servers)
이런 게 바로 산업 표준의 힘입니다. 모두가 같은 언어로 말하고, 같은 형식으로 연결되고, 같은 방식으로 확장할 수 있는 것. 이제 생성형 AI는 채팅창 속 신기한 장난감이 아니라, 사람들의 컴퓨터와 생산성 툴을 연결해 ‘진짜’ 결과물을 내는 에이전트로 나아가고 있습니다.
그렇다면 실제로 MCP로는 뭘 할 수 있을까요. 이 질문에 대한 답은 주체가 개인이냐, 기업이냐에 따라서 많이 달라질 것 같은데요. 일단 백문이 불여일견, 저 개인이 직접 써본 경험담부터 공유하겠습니다.
저는 클로드에 노션을 연결해 봤습니다. 클로드 데스크톱 앱에 MCP 서버를 연결해 쓰기 위한 기본 세팅법이나 노션 MCP 서버를 연결하는 기본적인 방법은 일일이 설명하지는 않겠습니다…! 아래 두 개의 가이드들을 참고하고, 막히면 캡처해서 챗GPT에게 물어보시면 됩니다(…)
(참고: Quickstart For Claude Desktop Users)
(참고: Notion MCP Server)
실제로 해 보면 생각보다 간단한데요. 아래와 같은 간단한 코드를 데스크톱에 설치된 claude_desktop_config.json
파일에 저장하는 과정이 핵심이라는 것만 살짝 말씀드리고 넘어가겠습니다.
{
"mcpServers": {
"notion": {
"command": "npx",
"args": ["-y", "@suekou/mcp-notion-server"],
"env": {
"NOTION_API_TOKEN": "your-integration-token"
}
}
}
}
(출처: 클로드 캡처)
모든 과정을 마쳤다면, 클로드 대화창에서 바로 노션과 관련된 동작을 지시할 수 있게 됩니다. 저는 글을 쓰기 위한 리서치와 초안 정리용 페이지를 하나 만들어 보기로 했어요. 그래서 클로드에 이렇게 요청했습니다.
AI 에이전트 리서치와 정리, 초안 작성을 위한 페이지를 하나 만들고 싶어.
사내 협업을 위한 AI 에이전트에 초점을 맞추고 싶어.
(출처: 클로드 캡처)
요청을 하자 ‘새 페이지’ 생성이 시작되었습니다. 클로드가 저의 노션에서 ‘글감/초안’이라는 제목의 데이터베이스를 찾아서 알아서 여기에 새 페이지를 생성했어요. 이렇게 만든 페이지 안에 목차와 기본 섹션까지 스스로 추가하면서 내용을 채워나가는 걸 볼 수 있죠. 각각의 과정에서 ‘결과 보기’를 누르면 보다 세밀하게 동작 과정을 알 수도 있습니다.
(출처: 클로드 캡처)
클로드가 페이지 안에 내용을 다 채운 다음에는, 생성 소식을 저에게 알려준 다음에 페이지의 내용까지 요약해 줍니다.
(출처: 노션 캡처)
제 노션의 ‘글감/초안’ 데이터베이스에 가니 실제로 ‘사내 협업 AI 에이전트 리서치 및 분석’이라는 페이지가 생성되어 있습니다. 재미있게도 편집자는 제가 클로드에 연결한 노션 ‘연동(integration)’ 계정인 ‘Claude MCP Helper’로 되어 있네요.
(출처: 노션 캡처)
페이지 본문에 들어가 보니 목차는 물론이고 레퍼런스 데이터베이스와 그 내용까지 채워져 있습니다. 이건 다 틀일 뿐이고 제가 내용을 추가해 나가야 하지만 ‘제법인걸?🤔’이라는 생각이 들기는 충분했습니다. 앞으로 콘텐츠를 만들기 위해 기본 리서치 페이지를 만들거나, AI와 대화하면서 아이디에이션을 하고 그 내용을 옮길 때에는 유용하게 쓸 것 같았어요. 개발맹으로서는 이 정도로도 충분히 ‘와우’였습니다.
(클로드에 블렌더를 연결해 쓰는 화면 예시, 출처: A Deep Dive Into MCP and the Future of AI Tooling)
물론 제가 보여드린 예시는 정말 단순한 수준이고, 잘만 쓴다면 생산성을 훨씬 향상시킬 수 있을 겁니다. 심지어 피그마, 블렌더 등 이미지/영상 툴에도 활용 가능하니 활용도가 무궁무진하겠죠.
즉, MCP가 제게 의미하는 바는 단순했습니다.
‘나도 AI에 프로그램 이것저것 연결해서 쓸 수 있게 됐다!’
개발자가 아닌 이상, 개인 차원에서는 이 정도가 공통적인 느낌일 것 같아요. 괜히 ‘MCP 때문에 온 국민이 개발자 된다’는 말이 나오는 게 아니겠죠. 앞으로 개인들의 다양한 활용기가 쏟아져 나올 것 같다는 예감이 들었습니다.
기업 입장에서는 어떨까요. 특히나 IT 기업이라면 이 시국에 고민이 많아질 수밖에 없습니다. AI 업계에 표준이 등장한 게 맞다면, 이 표준을 빠르게 따라야 확장성이 생기고 앞으로 다가올 AI 생태계에서 생존할 수 있을 테니까요. 괜히 유수의 IT 기업들이 발빠르게 MCP 서버를 제공하고 있는 게 아닐 겁니다. MCP 서버 목록을 보면 AWS, 구글, 슬랙은 물론이고 IBM, 퍼플렉시티, 스트라이프, 재피어의 이름까지 보입니다.
(MCP 서버 목록의 일부, 출처: Model Context Protocol servers)
실제로 글로벌 투자사인 a16z(앤드리슨 호로위츠라고 읽습니다)는 최근 MCP에 대한 아티클에서 ‘IT 기업의 경쟁 우위는 최고의 API 디자인을 제공하는 것에서 에이전트가 사용할 수 있는 최고의 도구 모음을 제공하는 것으로 진화할 것’이라고 예측했습니다. AI 에이전트에 잘 연동되도록 하는 것이 미래의 핵심 경쟁력이 된다는 이야기죠.
(참고: A Deep Dive Into MCP and the Future of AI Tooling)
한편, 직접 AI 에이전트를 서비스하는 기업의 경우, 단순히 MCP 서버를 내는 ‘공급자’에서 그치지 않고 ‘우리 회사의 AI 에이전트가 ‘사용자’로서 MCP 서버들을 도구로 쓸 수 없을까?’ 고민을 하게 될 겁니다. 바로 이 글의 서두에서부터 언급했던 오픈AI가 자사의 AI 에이전트들이 MCP 서버를 쓸 수 있도록 조치한 케이스죠. 오픈AI는 MCP 생태계가 빠르게 성장할 것이며, 이 생태계 안에 들어가서 얻는 이득이 훨씬 크다는 결론을 내린 겁니다.
다만 이런 결정이 말처럼 쉬운 것은 아닙니다. MCP를 도입해서 생기는 예상치 못한 사례들의 위험 부담까지 감수해야 가능한 일이니까요. 앞으로 주요 IT 기업들이 MCP와 관련해서 어떤 행보를 보여줄지 지켜보는 것도 중요한 관전 포인트가 될 것 같습니다.
(MCP 마켓 맵, 출처: A Deep Dive Into MCP and the Future of AI Tooling)
앞서 인용했던 a16z의 아티클에는 MCP 마켓 맵까지 첨부되어 있습니다. MCP 생태계는 ‘이미’ 형성되었다는 거죠. 개인적으로는 스트라이프가 들어가 있다는 점이 눈에 띕니다. AI 에이전트가 ‘결제’를 할 수 있게 된다는 건, 온라인 쇼핑의 새로운 지평이 열린다는 의미거든요.
(참고: AI 에이전트는 정말로 이커머스의 지형도를 바꿀까?)
결론적으로, IT 기업 입장에서 MCP란 매의 눈으로 새로운 사업 기회를 찾고 기민하게 대응해야만 하는 새로운 파도라고 볼 수 있습니다. 어떤 판이 펼쳐질지 기대되네요.
(채널톡도 열심히 시장 상황을 주시하고, 엄청난 것들 준비하고 있습니다 )
전반적으로, MCP에 대해서는 장밋빛 전망이 지배적입니다. 이제 AI를 둘러싼 앱 생태계가 무한히 커질 것이고, 모바일 앱 스토어가 처음 등장했을 때처럼 ‘빨리 뛰어드는 사람들에게 기회’가 열리는 판이 될 거라는 이야기까지 나오고 있는데요. AI가 단순 답변만 하는 것을 넘어 실제 동작으로 사람에게 도움을 주는 ‘AI 에이전트’가 주목받는 요즘, MCP는 시대적 흐름에 아주 잘 들어맞는 조각이기는 합니다.
하지만 부정적인 시각 또한 존재합니다. 지금까지 나와있는 MCP 서버 중에 당장 쓸만한 것은 별로 없고, 해당 기업에서 공식적으로 지원하는 서버가 아닌 경우에는 품질을 보장할 수가 없다는 거죠. 지금의 MCP 열풍이 그저 한때 지나갈 ‘하이프’에 불과할 수도 있고요. 이제 5개월 된 프로토콜이 표준으로 자리잡으려면 아직 시간이 많이 필요하기는 합니다.
그럼에도 불구하고 생성형 AI 분야에 이렇게 산업 표준이 필요해졌다는 것은, 그만큼 산업이 성숙해졌다는 의미이기도 합니다. 생성형 AI는 이제 ‘그걸로 돈을 벌 수 있나요?’라는 질문이 팽배하던 시기를 지나, 이제 정말로 과거의 산업 지형도를 바꾸고 독자적인 생태계를 형성할 수준이 된 것 같은데요. 과거의 프로토콜들이 지금의 온라인 세계를 가능하게 했다면, 새로이 나타난 AI 프로토콜은 무엇을 가능하게 할까요? MCP라는 표준(후보)는 새로운 시스템의 시작을 위한 기반에 불과합니다.
저희 채널톡 역시 AI가 미래라고 믿고 다같이 달려가고 있습니다.
채널톡의 AI 에이전트, 'ALF'가 궁금하시다면 아래 콘텐츠들을 읽어주세요!