20250411_양다영_MCPModel-Context-Protocol.pdf
- 1. MCP(Model Context Protocol) 발표자 : 양다영
- 2. MCP(Model Context Protocol)란 무 엇인가? 인공지능(AI) 기술의 발전과 함께, AI 시스템이 외부 데이터와 효과적으로 연동되 는 것이 중요한 이슈로 떠오름 "대규모 언어 모델이 외부 데이터와 시스템을 더 효과적으로 활용 할 수 있도록 설계된 일종의 연결 프로토콜" USB-C가 다양한 기기와 주변 장치를 표준화된 방식으로 연결하듯이, MCP는 AI 모 델이 다양한 데이터 소스와 도구에 표준화된 방식으로 연결될 수 있게 해줌줌
- 3. MCP의 정의와 특징 연결 프로토콜 대규모 언어 모델이 외부 데이터와 시스템을 더 효과적으로 활용할 수 있 도록 설계된 연결 프로토콜입니다. 개방형 표준 오픈소스로 공개되어 누구나 자유롭게 사용하고 개선할 수 있습니다. 양방향 연결 AI 모델과 데이터 소스 간의 양방향 통신을 지원합니다. 보안 및 신뢰성 AI 모델과 데이터 소스 간의 안전하고 신뢰할 수 있는 연결을 제공합니다. MCP는 AI 모델이 단순히 텍스트를 생성하는 것을 넘어서, 필요한 정보를 실시간으로 가져오고 다른 소프트웨어나 데이터 시스템과 협업할 수 있도록 만들어 주는 기 술. 이를 통해 AI 모델의 성능과 실제 활용도를 높이는 것이 MCP의 핵심 목표
- 4. MCP의 핵심 구성 요소 MCP 클라이언트(MCP Clients) 호스트에 의해 생성되며 서버와의 독립적 인 연결을 유지 서버당 하나의 상태 유지 세션을 설정 프로토콜 협상 및 기능 교환을 처리 양방향으로 프로토콜 메시지를 라우팅 구독 및 알림을 관리 서버 간 보안 경계를 유지
- 5. MCP의 핵심 구성 요소 호스트(Host) AI 애플리케이션의 컨테이너이자 조정자 역할 여러 클라이언트 인스턴스를 관리 클라이언트 연결 권한과 생명주기를 제어 보안 정책과 동의 요구사항을 시행 AI/LLM 통합 및 샘플링을 조정 클라이언트 간 컨텍스트 집계를 관리 ex) Claude App, IDEs, AI 도구들
- 6. MCP의 핵심 구성 요소 MCP 서버(MCP Servers) 특화된 컨텍스트와 기능을 제공 MCP 기본 요소를 통해 리소스, 도구 및 프롬프 트를 노출 독립적으로 작동하며 집중된 책임을 가짐 클라이언트 인터페이스를 통해 샘플링을 요청 보안 제약을 준수해야 함 로컬 프로세스 또는 원격 서비스일 수 있음음
- 7. MCP의 작동 방식 연결 설정 호스트 애플리케이션(예: Claude Desktop)이 MCP 클라이언트를 생성 클라이언트는 MCP 서버와 연결을 설정 연결 설정 과정에서 프로토콜 버전, 기능, 권한 등이 협상 컨텍스트 교환 서버는 클라이언트에게 데이터 소스의 컨텍스트 정보를 제공 클라이언트는 이 정보를 호스트 프로세스에 전달 호스트 프로세스는 여러 클라이언트로부터 받은 컨텍스트를 집계하여 AI 모델에 제공 도구 호출 AI 모델은 특정 작업을 수행하기 위해 도구 호출을 요청할 수 있음 호스트 프로세스는 이 요청을 적절한 클라이언트에 전달 클라이언트는 서버에 도구 호출 요청을 전송 서버는 요청된 작업을 수행하고 결과를 클라이언트에 반환 결과 처리 클라이언트는 서버로부터 받은 결과를 호스트 프로세스에 전달 호스트 프로세스는 이 결과를 AI 모델에 제공 AI 모델은 이 정보를 바탕으로 응답을 생성
- 8. MCP와 기존 API의 차이점 기존 API 방식 개별 통합의 필요성 단방향 통신 개발자 중심 설계 확장성 제한 컨텍스트 유지의 어려움 MCP 방식 표준화된 프로토콜 양방향 통신 사용자 친화적 설계 확장성 향상 컨텍스트 유지
- 9. 시나리오 1: 데이터 분석 시나리오 1: 데이터 분석 기존 API 방식: AI에게 데이터 분석을 요청합니다. 1. AI는 특정 데이터베이스에 접근하기 위한 API 호출을 생성합니다. 2. 개발자가 이 API 호출을 구현하고 실행합니다. 3. 데이터가 반환되면 AI는 이를 분석합니다. 4. 추가 데이터가 필요한 경우 새로운 API 호출을 생성하고 과정을 반복합니다. 5. MCP 방식: AI에게 데이터 분석을 요청합니다. 1. AI는 MCP를 통해 데이터베이스에 직접 연결됩니다. 2. AI는 필요한 데이터를 실시간으로 쿼리하고 분석합니다. 3. 추가 데이터가 필요한 경우 같은 연결을 통해 즉시 요청할 수 있습니다. 4. 분석 결과를 바탕으로 데이터베이스에 업데이트를 적용할 수도 있습니다. 5.
- 10. 시나리오 2: 문서 작성 기존 API 방식: AI에게 회사 정책에 기반한 문서 작성을 요청합니다. 1. AI는 정책 문서에 접근하기 위한 API 호출을 생성합니다. 2. 개발자가 이 API 호출을 구현하고 실행합니다. 3. 정책 문서가 반환되면 AI는 이를 기반으로 문서를 작성합니다. 4. 작성된 문서는 별도의 API 호출을 통해 저장해야 합니다. 5. MCP 방식: AI에게 회사 정책에 기반한 문서 작성을 요청합니다. 1. AI는 MCP를 통해 정책 문서 저장소에 직접 연결됩니다. 2. AI는 필요한 정책 문서를 실시간으로 검색하고 참조합니다. 3. 문서 작성 중 추가 정보가 필요한 경우 같은 연결을 통해 즉시 접근할 수 있습니다. 4. 작성된 문서는 MCP를 통해 직접 저장소에 저장할 수 있습니다. 5.
- 11. MCP가 최근 화제가 되는 이유 접근성과 사용 편의성 향상 오픈소스 생태계의 성장 다른 LLM과의 호환성 AI 에이전트 패러다임의 부상 실질적인 활용 사례의 증가 멀티턴 상호작용의 중요성 증가 등 이러한 요인들로 인해 MCP는 AI 커뮤니티에서 큰 관심을 받고 있으며, 실제 비즈니스 환경에서도 활용
- 12. MCP의 미래 전망 AI 에이전트의 발전 복잡한 작업을 자율적으로 수행하는 AI 에이전트가 더욱 발전할 것입니다. 생태계의 확장 더 많은 데이터 소스와 도구가 MCP를 지원하게 될 것입니다. 보안 강화 보안 및 개인정보 보호 기능이 더욱 강화될 것입니다.