MCP(Model Context Protocol)란?

MCP(Model Context Protocol)란?

Model Context Protocol"을 글자 그대로 해석하면 다음과 같다.

• Model (모델): 여기서는 주로 AI 모델, 특히 대규모 언어 모델(LLM)을 의미한다. 즉, 데이터를 처리하고 결과를 생성하는 시스템을 말한다.
• Context (컨텍스트): 모델이 작업을 수행하거나 응답을 생성할 때 참고하는 "상황"이나 "정보"를 뜻합니다. 예를 들어, 질문에 대한 배경 지식이나 추가 데이터 같은 것들이 컨텍스트가 될 수 있다.
• Protocol (프로토콜): 시스템 간의 통신이나 상호작용을 규정하는 "규칙"이나 "절차"를 의미한다. 컴퓨터나 네트워크에서 자주 쓰이는 용어로, 어떤 방식으로 데이터를 주고받을지 정해 놓은 표준과 같은거다.

글자 그대로 합치면 "Model Context Protocol"은 "모델이 컨텍스트를 다루기 위한 규칙" 또는 "모델이 상황 정보를 활용하도록 설계된 절차" 정도로 해석할 수 있다.

 

실제 AI 맥락에서 MCP는 단순히 단어 뜻 이상으로, 모델이 외부 환경(데이터 소스, 도구 등)에서 필요한 컨텍스트를 가져오거나 작업을 수행할 수 있게 해주는 "구체적인 연결 방식"을 의미한다. 하지만 순수하게 글자 그대로만 보면, "모델이 어떤 상황을 이해하고 처리하기 위한 규약" 정도로 자연스럽게 풀 수 있다.

 

다시 정리해보면, MCP는 AI 모델, 특히 대규모 언어 모델(LLM)이 외부 데이터 소스나 도구와 상호작용 할 수 있도록 설계된 표준화된 프로토콜로 Anthropic 에서 개발된 개념이다. MCP는 AI 모델이 단순히 학습된 데이터에 의존하지 않고 실시간으로 외부 환경에서 정보를 가져오거나 작업을 수행할 수 있게 해준다. 쉽게 말해, MCP는 모델에게 "외부 세계와 소통할 수 있는 문" 같은 역할을 제공한다.

MCP와 RAG 와 비교

RAG (Retrieval-Augmented Generation)

• 정의 : RAG는 AI(특히 언어 모델)가 자신의 내장된 지식만으로 부족할 때, 외부 데이터를 "검색"해서 모델에 "연결"해주는 기술이다.
• 특징
  • 사전에 준비된 데이터(문서, 데이터베이스 등)를 벡터화해서 저장해 놓고, 질문이 들어오면 그에 맞는 정보를 찾아서 모델에 추가 입력으로 제공
  • 모델은 그 정보를 바탕으로 더 정확하거나 풍부한 답변을 생성
• 수동적 : RAG는 미리 준비된 데이터 안에서만 작동하고, 모델이 스스로 뭔가를 "찾아 나서기"보다는 주어진 검색 결과를 활용하는 데 초점이 맞춰져 있다.
• 예시 : "2023년 AI 트렌드가 뭐야?"라고 물으면, RAG는 관련 문서를 검색해서 그 내용을 모델에 주고, 모델이 답변을 만드는 식이다.

MCP (Model Context Protocol)

• 정의: MCP는 AI가 외부 리소스(데이터베이스, API, 도구 등)와 상호작용할 수 있게 해주는 표준화된 프로토콜이에요.
• 특징
  • 모델이 실시간으로 필요한 리소스를 "능동적으로" 찾아서 호출하거나 활용
  • 단순히 데이터를 가져오는 데 그치지 않고, 필요하면 외부 시스템에 명령을 내리거나 작업을 수행할 수도 있음
  • 더 유연하고 범용적: 검색뿐 아니라 실시간 데이터 조회, 업데이트, 실행 등 다양한 작업 가능
• 능동적: MCP는 모델이 "자기가 필요한 걸 찾아서" 가져오는 능력을 갖추게 해준다. 즉, 모델이 상황을 판단하고 적절한 도구를 선택해서 사용하는 셈이다.
• 예시: "지금 서울 날씨가 어때?"라고 물으면, MCP를 통해 모델이 날씨 API를 직접 호출해서 최신 데이터를 가져오고, "현재 서울은 15도, 맑음" 같은 답변을 생성

비교 정리

• 데이터 연결
  • RAG: 정적인 데이터(미리 준비된 문서 등)를 연결.
  • MCP: 동적인 리소스(실시간 API, 도구 등)를 연결.
• 능동성
  • RAG: 수동적. 검색된 결과를 받아서 활용.
  • MCP: 능동적. 스스로 필요한 리소스를 찾아서 호출.
• 범위
  • RAG: 주로 정보 검색과 답변 생성에 초점.
  • MCP: 정보 검색뿐 아니라 작업 수행까지 확장 가능.

비유적으로 MCP와 RAG 

• RAG는 도서관 사서가 책을 찾아서 책상 위에 올려주는 느낌이다.
• MCP는 모델이 직접 도서관에 가서 책을 찾거나, 심지어 전화로 최신 정보를 물어보고 메모까지 할 수 있는 능력을 주는 느낌이다.

정리하자면, RAG는 "데이터를 연결해서 답변을 돕는" 데 초점이 맞춰져 있고, MCP는 "외부 리소스를 능동적으로 활용할 수 있게 해주는 프로토콜"이라는 점에서 차이가 크다.

MCP의 핵심 아이디어

1. 도구 활용
   • 모델이 데이터베이스, API, 파일 시스템, 검색 엔진 등 다양한 외부 도구를 호출할 수 있게 함.
   • 예: "최신 날씨를 알려줘"라고 하면 MCP를 통해 날씨 API를 호출해서 실시간 데이터를 가져옴.
2. 동적 컨텍스트 제공:
   • 질문에 따라 필요한 정보를 실시간으로 찾아서 모델의 응답에 반영.
   • RAG와 달리, 단순히 검색에 그치지 않고 필요하면 데이터를 수정하거나 작업을 실행할 수도 있음.
3. 표준화
   • 서로 다른 도구나 시스템을 모델이 일관되게 사용할 수 있도록 인터페이스를 제공
   • 비유하자면, MCP는 모델과 외부 도구 사이의 "통역사" 역할

MCP의 작동 방식

• 입력: 사용자가 질문을 던지면, 모델은 MCP를 통해 필요한 외부 리소스를 식별
• 호출: MCP가 해당 도구나 데이터를 호출하고 결과를 모델에 전달
• 출력: 모델이 그 정보를 바탕으로 더 정확하거나 풍부한 답변을 생성

예를 들어, "지금 주식 시장 상황이 어때?"라는 질문에 MCP를 사용하면

1. MCP가 주식 데이터 API를 호출
2. 실시간 주가 정보를 가져옴
3. 모델이 그 데이터를 분석해 "현재 다우존스 지수는 X포인트이고, Y% 상승 중입니다" 같은 답변을 생성

왜 중요한가?

MCP는 AI가 고정된 지식에 갇히지 않고, 끊임없이 변화하는 현실 세계와 연결될 수 있게 해준다. 특히 실시간 정보가 중요한 분야(금융, 의료, 뉴스 등)에서 유용하고 또한 모델이 더 자율적으로 문제를 해결할 수 있게 만들어 단순한 질문-답변을 넘어 복잡한 작업 수행까지 가능해질 수 있다.

결론

MCP(Model Context Protocol)는 AI 모델이 외부 도구와 데이터를 활용해 더 똑똑하고 유연하게 작동하도록 돕는 "연결 고리"라고 생각하면 된다. 단순히 정보를 찾는 데서 끝나는 게 아니라, 필요하면 행동까지 취할 수 있는 점이 특징이다.