MCP 서버란? AI 도구가 외부 일을 하는 방식

원문 링크: WordPress 원문

EN · English KO · 한국어

AI NOTES · TOOL GUIDES

MCP 서버란 무엇인가: AI 도구가 외부 일을 하는 방식

MCP는 모델 이름이 아니라, AI 도구가 외부 파일·데이터·업무 앱을 만날 때 쓰는 연결 규칙입니다. 연결보다 먼저 봐야 할 것은 권한, 범위, 기록, 승인입니다.

TOOLS

연결할 도구를 먼저 고릅니다.

SCOPE

범위는 작게 시작합니다.

LOGS

실행 기록을 남깁니다.

APPROVAL

중요 작업은 승인 뒤 실행합니다.

AI 도구를 쓰다 보면 어느 순간부터 이런 말이 자주 보입니다.

“MCP를 연결하면 됩니다.”

“이 도구는 MCP 서버를 지원합니다.”

“Claude Code나 에이전트가 MCP를 통해 외부 도구를 씁니다.”

처음 보면 MCP가 또 하나의 AI 모델 이름처럼 느껴질 수 있습니다. 하지만 MCP는 모델이 아닙니다. 성능을 올려주는 마법 버튼도 아닙니다. 더 정확히 말하면, MCP는 AI 도구가 외부 파일, 데이터베이스, 검색 도구, 업무 앱 같은 시스템을 만날 때 쓰는 연결 규칙에 가깝습니다.

공식 문서는 MCP를 AI 애플리케이션을 외부 시스템에 연결하기 위한 open-source standard라고 설명합니다. Anthropic의 소개도 비슷합니다. 여러 데이터 소스와 업무 도구를 각각 따로 붙이는 대신, 하나의 공통 규칙으로 연결하자는 것입니다.

이 글은 MCP 서버를 개발자 문서처럼 깊게 파고들기보다, 실제로 AI 도구를 쓰는 사람이 먼저 알아야 할 기준을 정리합니다.

MCP는 AI 모델 이름이 아니다

MCP는 Model Context Protocol의 줄임말입니다. 이름에 model이 들어가지만, 새로운 모델이나 챗봇 제품은 아닙니다.

AI 모델은 기본적으로 자기 안에 이미 학습된 지식과, 현재 대화창에 들어온 정보만 보고 답합니다. 그런데 실제 업무는 대화창 안에서 끝나지 않습니다. 파일을 열어야 하고, 데이터베이스를 확인해야 하고, 캘린더나 문서 도구를 읽어야 하며, 때로는 검색이나 계산도 해야 합니다.

MCP는 이 지점에서 등장합니다. AI가 외부 시스템을 무작정 직접 만지는 것이 아니라, 정해진 방식으로 “어떤 도구를 쓸 수 있는지”, “어떤 데이터를 읽을 수 있는지”, “어떤 요청을 보낼 수 있는지”를 주고받게 합니다.

쉽게 말하면 MCP는 AI용 USB-C 포트 같은 역할을 합니다. USB-C가 기기마다 다른 케이블 문제를 줄이듯, MCP는 AI 도구마다 제각각 붙이던 외부 연결 방식을 표준화하려는 시도입니다.

MCP 서버는 무엇을 하는가

MCP에서는 요청하는 쪽과 기능을 제공하는 쪽을 나누어 생각해야 합니다.

MCP를 이해할 때 가장 먼저 나누어야 할 것은 클라이언트와 서버입니다.

MCP 클라이언트는 AI를 쓰는 앱 쪽입니다. 예를 들면 Claude Desktop, Claude Code, IDE 안의 AI 도구, 에이전트 앱 같은 쪽입니다. 사용자가 질문하거나 작업을 요청하는 화면에 가까운 곳입니다.

MCP 서버는 외부 기능을 제공하는 쪽입니다. 파일을 읽는 서버, 데이터베이스를 조회하는 서버, 검색을 수행하는 서버, 사내 업무 도구와 연결되는 서버가 여기에 들어갑니다.

사용자가 “이 폴더 안의 문서를 정리해줘”라고 말했을 때, AI가 아무 권한 없이 모든 파일을 볼 수 있는 것은 아닙니다. MCP 서버가 어떤 파일 접근 기능을 제공하고, 클라이언트가 그것을 호출할 수 있을 때에만 외부 작업이 가능합니다.

그래서 MCP 서버를 만든다는 말은 단순히 “AI 기능을 켠다”는 뜻이 아닙니다. AI에게 보여줄 도구의 목록과 범위를 정하는 일입니다.

왜 AI 도구들이 MCP를 말하는가

AI 도구가 많아질수록 연결 문제가 커집니다. 한 도구는 Google Drive를 따로 붙이고, 다른 도구는 Slack을 따로 붙이고, 또 다른 도구는 로컬 파일 연결 방식을 따로 만들면 유지보수가 복잡해집니다.

MCP의 방향은 이 복잡함을 줄이는 것입니다. AI 도구는 표준화된 방식으로 외부 도구를 발견하고 호출합니다. 외부 시스템은 MCP 서버 형태로 자신이 제공할 수 있는 기능을 설명합니다.

이 흐름이 중요한 이유는 단순합니다. AI가 채팅창 안의 답변 도구에서 실제 업무 도구로 이동하고 있기 때문입니다. 글을 쓰는 것에서 끝나지 않고, 파일을 찾고, 코드를 고치고, 일정을 확인하고, 문서를 정리하고, 내부 데이터를 조회하는 쪽으로 확장되고 있습니다.

MCP는 그 확장의 연결 방식입니다.

MCP 서버 만들기 전에 정할 것

“MCP 서버 만들기”라는 검색어는 앞으로 더 많이 늘어날 가능성이 큽니다. 하지만 만들기 전에 먼저 정해야 할 것이 있습니다.

첫째, 어떤 데이터까지 읽게 할 것인가입니다. 전체 홈 폴더를 열어줄 것인지, 특정 프로젝트 폴더만 열어줄 것인지에 따라 위험이 완전히 달라집니다.

둘째, 쓰기 권한을 줄 것인지입니다. 읽기 전용 서버와 파일을 수정할 수 있는 서버는 다릅니다. 처음에는 읽기 전용으로 시작하는 편이 안전합니다.

셋째, 실행 전에 사람 확인을 둘 것인지입니다. 문서 요약은 바로 실행해도 되지만, 파일 삭제, DB 수정, 외부 전송 같은 작업은 승인 단계가 필요합니다.

넷째, 실행 기록을 남길 것인지입니다. AI가 어떤 도구를 호출했고, 어떤 결과를 받았는지 확인할 수 있어야 나중에 문제를 찾을 수 있습니다.

이 네 가지가 정해지지 않은 MCP 연결은 편리해 보이지만 위험합니다.

MCP가 위험해지는 순간

MCP 자체가 위험한 기술이라는 뜻은 아닙니다. 문제는 권한을 너무 크게 주는 순간 생깁니다.

로컬 파일 전체를 읽게 하거나, 브라우저 로그인 세션에 접근하게 하거나, 데이터베이스 쓰기 권한을 주거나, 비밀키가 들어 있는 폴더를 범위에 넣으면 위험이 커집니다.

AI 도구는 사용자가 의도한 작업을 돕기 위해 외부 도구를 부릅니다. 하지만 잘못된 프롬프트, 모호한 요청, 취약한 서버 설정, 과도한 권한이 겹치면 원하지 않는 작업이 실행될 수 있습니다.

그래서 MCP를 볼 때 중요한 질문은 “무엇을 연결할 수 있나”가 아닙니다. 더 중요한 질문은 “어디까지 연결해도 되는가”입니다.

처음 시작하는 안전한 기준

처음 연결할 때는 권한을 작게 두고, 기록과 승인을 남기는 편이 안전합니다.

처음 MCP를 도입한다면 네 가지 기준으로 시작하는 것이 좋습니다.

• 읽기 전용으로 시작한다.

• 연결 범위를 작은 폴더나 작은 도구로 제한한다.

• 실행 기록을 남긴다.

• 삭제, 수정, 전송에는 사람 승인을 둔다.

이 기준은 느려 보일 수 있습니다. 하지만 AI 도구가 실제 파일과 업무 시스템에 접근하기 시작하면, 느린 시작이 오히려 더 빠른 길이 됩니다. 한 번 신뢰를 잃으면 자동화는 더 이상 확장되기 어렵기 때문입니다.

실제로 말하는 MCP 서버 예시

정확히 말하면 GitHub, Slack, 데이터베이스 자체가 MCP인 것은 아닙니다. 그 도구의 API나 기능을 MCP 규칙으로 감싼 작은 연결 프로그램이 MCP 서버입니다. 그래서 “GitHub를 MCP로 붙인다”는 말은 보통 GitHub API를 직접 설명하는 것이 아니라, GitHub 작업을 MCP 클라이언트가 호출할 수 있는 도구 목록으로 노출한다는 뜻입니다.

공식 MCP servers 저장소의 reference server와 registry·커뮤니티에서 자주 보이는 예시를 독자 입장에서 풀면 다음과 같습니다.

REFERENCE

Filesystem MCP Server

허용한 폴더 안에서 파일 읽기, 쓰기, 검색, 메타데이터 확인을 제공하는 서버입니다. MCP의 “범위를 정해 연결한다”는 감각을 가장 잘 보여줍니다.

REFERENCE

Git MCP Server

로컬 Git 저장소의 변경 사항, 로그, diff, 검색을 AI 도구가 읽을 수 있게 해줍니다. 코드 에이전트가 프로젝트 맥락을 잡을 때 쓰기 좋은 형태입니다.

REPOSITORY

GitHub MCP Server

이슈, PR, 파일, 커밋, 저장소 API를 MCP 도구로 노출합니다. 여기서 MCP는 GitHub 자체가 아니라 GitHub를 AI 클라이언트에 연결하는 서버 계층입니다.

DATABASE

PostgreSQL·SQLite MCP Server

스키마를 확인하고 쿼리를 실행해 데이터베이스 내용을 읽게 하는 서버입니다. 실무에서는 읽기 전용, 제한된 테이블, 감사 로그가 중요합니다.

WEB

Fetch·Brave Search MCP Server

웹 문서를 가져오거나 검색 결과를 AI가 읽을 수 있는 형태로 바꿔주는 서버입니다. “검색했다”가 아니라 어떤 출처를 읽었는지 남기는 설계가 중요합니다.

BROWSER

Puppeteer MCP Server

브라우저를 열고 페이지를 읽거나 자동화하는 기능을 MCP 도구로 제공합니다. 로그인, 결제, 삭제 같은 동작은 별도 승인 장치가 필요합니다.

DOCS

Google Drive MCP Server

Drive 파일 검색과 문서 접근을 MCP 서버가 맡는 방식입니다. “AI가 내 Drive를 본다”가 아니라, 허용한 기능과 범위만 서버가 제공합니다.

TEAM

Slack MCP Server

채널 목록, 메시지, 스레드, 팀 협업 정보를 MCP 도구로 제공할 수 있습니다. 읽기와 전송 권한을 반드시 분리해서 봐야 합니다.

MEMORY

Memory·Time MCP Server

간단한 지식 그래프 메모리나 시간대 변환처럼, 외부 앱이 아니어도 AI가 반복해서 호출할 수 있는 기능을 MCP 서버로 만들 수 있습니다.

PRACTICAL RULE

그래서 MCP를 볼 때는 “어떤 앱을 붙였나”보다 “그 앱을 감싼 MCP 서버가 어떤 tools, resources, prompts를 노출하나”를 봐야 합니다. 파일 서버라면 어느 폴더까지인지, GitHub 서버라면 PR을 읽기만 하는지 수정도 하는지, DB 서버라면 어떤 테이블을 조회할 수 있는지가 핵심입니다.

Claude Code 같은 AI 코딩 도구에서는 이런 MCP 서버를 통해 파일, Git, GitHub, 테스트 실행 맥락을 가져올 수 있습니다. 에이전트형 도구에서는 Fetch, Search, Database, Slack 같은 서버를 조합해 백그라운드 조사나 업무 자동화를 만들 수 있습니다. AI 에이전트 글에서 “무엇을 맡길 것인가”가 핵심이라면, MCP 글에서는 “어떤 서버가 어떤 도구를 노출하고, 그 권한을 어디까지 허용할 것인가”가 핵심입니다.

따라서 MCP를 이해한다는 것은 단지 개발자 용어 하나를 외우는 일이 아닙니다. 앞으로 AI 도구가 내 파일과 앱, 업무 시스템을 다루게 될 때 필요한 기본 안전 언어를 배우는 일입니다.

짧게 정리하면

MCP 서버는 AI가 외부 일을 할 수 있게 해주는 연결 지점입니다. 하지만 연결이 가능하다는 것과 연결해도 된다는 것은 다릅니다.

처음에는 작게 연결하고, 읽기 전용으로 시작하고, 실행 기록을 남기고, 중요한 작업에는 사람 확인을 둬야 합니다.

AI 도구가 더 강력해질수록 좋은 질문은 “이 도구가 얼마나 똑똑한가”에서 “이 도구가 어디까지 접근해도 되는가”로 바뀝니다. MCP는 바로 그 질문을 피하지 않게 만드는 기술입니다.

레퍼런스

• Model Context Protocol 공식 문서 — https://modelcontextprotocol.io/introduction

• Model Context Protocol specification — https://modelcontextprotocol.io/specification/2025-06-18

• Anthropic, Introducing the Model Context Protocol — https://www.anthropic.com/news/model-context-protocol

다음에 같이 읽기

• Google AI Managed Agents explained: background agents and MCP tool connections

• Google AI Managed Agents란? 백그라운드 AI 에이전트와 MCP 연결 흐름

• AI 도구 비교

Model Context Protocol servers reference repository — https://github.com/modelcontextprotocol/servers