MCP 개요: "MCP는 정말로 USB-C에 비유될만 한가?"

MCP에 대해 드디어 정리한다

이게 3월에 갑자기 엄청 뜨겁길래 이때 나온 줄 알았는데,
24년 11월에 발표를 했고, 3월엔 OpenAI가 이걸 채택해서 그런거였다

---

MCP (Model Context Protocol)이란?

• 지능형 에이전트(LLM 기반 앱)가 외부 tool에 표준화된 방식으로 접근할 수 있게 해주는 개방형 프로토콜이다.

표준화된 방식 때문에 USB-C 포트에 비유되기도 함.
‘혁명이다..!‘ 라길래, 나는 API 스키마도 MCP가 써주는 건 줄 알았는데, 그건 아니었음.

---

내가 이해한 바로는

LLM이 외부 정보, 즉 지식베이스나 파일, Function calling을 사용하려면
그 모든 함수 호출 표현을 통일해서 정의하고,
프롬프트에 몇십 개씩 넣어주고,
그걸 다 학습해야 한다.

근데 MCP를 쓰면,
여기서 쓰던 API, 저기서 쓰던 API 포맷을 굳이 맞출 필요 없이,
MCP 서버에서 자체적으로 표준 포맷(JSON-RPC 2.0) 으로 바꿔서 뱉어줌.

그럼 LLM은 그걸 보고 출력 생성하면 됨.
즉, LLM 프롬프트에 그 긴 몇십개의 함수 명세가 들어갈 필요가 없고,
그때그때 MCP가 LLM한테 보여준다.

함수가 늘어나도 부담 없음.

내가 34개의 API에 대한 JSON 스키마 작성하는 노가다 해봤는데, (gpt가 해줌)
진짜 고려해야 할 게 많더라.
이 부분의 부담이 좀 줄어드나..? 좀 더 뇌빼고 써도 되지않을까

---

그리고,

LLM task들에 대한 각각의 프롬프트도 MCP가 갖고 있음.
이 말은 즉, 멀티 에이전트 구성과 워크플로우 전략까지 MCP 서버 내부로 옮길 수 있다는 것이다.

그래서 이제 복잡한 다단계 에이전트 흐름도,
LLM이 아니라 MCP 서버들이 주도할 수 있게 됨.

---

또 하나,

에러 코드나 예외 처리 같은 것도 API로 만든다.
→ 답변 일관성 생기고, 환각도 줄어듦...!

---

근데 어차피

이게 제대로 되려면,
일단 LLM 성능이 좋아야 하고,
결국 Function callings 출력은 학습을 시켜야 얘가 유연하게 뱉을 수 있다는 거.

---

그래도 확실한 장점은 있다

• Agent 개발이 깔끔해진다!
• 프롬프트 작아짐
• 에이전트 구성 자체도 MCP 서버로 모듈화 가능
• 워크플로우(LangGraph 정의)가 코드가 아니고 메시지로 바뀜 → 시각화가 쉬워질지도?

---

정리하자면

✅ MCP는 "LLM 바깥을 깔끔하게 만들고"
🧠 함수 호출 능력 자체는 "LLM 안에서 계속 학습"되어야 함