🧩 MCP 학습
Anthropic’s Model Context Protocol (MCP): A Deep Dive for Developers
Introduction: Bridging the Gap — Understanding Anthropic’s Model Context Protocol (MCP)
medium.com
📌 요약정리
Anthropic의 Model Context Protocol(MCP)은 대형 언어 모델(LLM)과 외부 데이터 소스 및 도구를 표준화된 방식으로 연결하기 위한 개방형 프로토콜. 이를 통해 AI 애플리케이션이 다양한 데이터 소스와 도구에 일관되게 접근할 수 있어, 각 통합마다 별도의 코드를 작성해야 하는 번거로움을 해소.
MCP의 핵심 구성 요소:
호스트 프로세스: 사용자가 상호작용하는 AI 애플리케이션 또는 에이전트 환경, Claude 데스크톱 앱, IDE 플러그인 등이 해당.
MCP 클라이언트: 호스트가 관리, 각 클라이언트는 특정 MCP 서버와의 통신을 담당하여 보안과 샌드박싱을 보장.
MCP 서버: MCP 표준을 구현하고 특정 기능을 제공하는 프로그램. 데이터베이스나 클라우드 서비스와 같은 외부 데이터 소스와 인터페이스, 리소스(읽을 수 있는 데이터), 도구(실행 가능한 함수), 프롬프트(작업을 안내하는 사전 작성된 템플릿) 등의 기능 갖춤.
MCP와 OpenAI의 함수 호출 비교:
OpenAI의 함수 호출은 LLM이 사용자 입력에 기반하여 외부 함수나 API를 호출하고 그 인수를 구조화하는 기능에 초점을 맞춤. 반면, MCP는 이러한 기능을 넘어 AI 애플리케이션과 다양한 외부 시스템 간의 통합을 위한 포괄적인 표준을 제공. MCP는 클라이언트-서버 아키텍처를 통해 다양한 데이터 소스와 도구에 대한 일관된 접근 방식을 제공하며, 이는 AI 시스템의 확장성과 상호운용성을 향상시킴.
MCP의 도입 효과:
통합 간소화: AI 모델이 다양한 데이터 소스와 도구에 쉽게 연결될 수 있도록 하여, 각 통합마다 별도의 코드를 작성해야 하는 복잡성을 제거.
성능 및 효율성 향상: 데이터 소스에 직접 연결함으로써 AI 애플리케이션의 응답 속도와 정확도를 높임.
광범위한 적용성: 모든 AI 시스템과 데이터 소스에서 작동하도록 설계되어 다양한 AI 애플리케이션에 적용 가능.