MCP 이해: AI 모델과 외부 데이터 간의 연결 고리
MCP는 ChatGPT 또는 Claude와 같은 대규모 언어 모델(LLM)과 외부 데이터 소스 또는 애플리케이션 간의 중요한 연결 역할을 하는 표준화된 API로 개념화할 수 있습니다. 이러한 프로토콜을 통해 AI 모델은 여행 웹사이트의 실시간 데이터에 액세스하고, 일정을 관리하며, 컴퓨터에서 파일을 조작할 수도 있습니다.
Claude, Cursor 및 OpenAI와 같은 일부 AI 도구는 이미 사용자 정의 통합 기능을 사용하고 있지만 MCP는 이러한 모든 상호 작용에 대한 보편적이고 표준화된 형식을 제공하여 다양성을 크게 향상시킵니다.
MCP는 주로 클라이언트 (예: ChatGPT)와 서버 (예: 항공편 예약 웹사이트)의 두 가지 구성 요소로 구성됩니다. 함께 사용하면 AI 모델은 실시간 데이터에 액세스하고 온라인에서 작업을 수행하며 정적 챗봇보다 능동적인 에이전트처럼 작동할 수 있습니다.
현재 두 가지 주요 유형의 MCP가 주목을 받고 있습니다. 첫 번째 유형은 랩톱과 같은 장치에서 파일을 관리하고 스크립트를 실행할 수 있는 Cursor 또는 Claude Code와 같은 도구로 대표되는 개발자를 대상으로 합니다. 두 번째 유형은 제품 검색, 도메인 등록, 이벤트 예약 또는 이메일 보내기와 같은 활동에 중점을 두고 실제 애플리케이션을 대상으로 합니다.
실질적인 영향을 탐구하기 위해 두 가지 뚜렷한 유형의 MCP가 개발되었습니다. 첫 번째는 GPT Learner라는 개발자 서버로, 사용자가 Cursor에서 오류를 기억하고 반복을 피하도록 안내하는 데 도움이 되도록 설계되었습니다. Claude 또는 Cursor가 코드를 잘못 덮어쓰는 경우 사용자는 실수로부터 기록하고 학습하여 향후 참조를 위해 올바른 접근 방식을 저장할 수 있습니다.
두 번째 프로젝트는 대규모 언어 모델을 betsee.xyz 웹사이트에 연결하는 예측 시장 MCP입니다. 이 웹사이트는 실시간 예측 시장을 집계합니다. 사용자가 Claude에게 “트럼프의 관세 중단의 이차적 효과는 무엇이며 사람들은 무엇에 베팅하고 있습니까?”와 같은 질문을 하면 MCP는 Polymarket 또는 Kalshi의 관련 시장과 실시간 배당률을 반환합니다.
MCP가 아직 초기 단계인 이유
이 두 MCP를 구축하면서 얻은 몇 가지 주요 통찰력은 MCP가 아직 광범위한 채택을 위한 준비가 되지 않았다는 것입니다.
현재 MCP의 사용자 경험은 이상적이지 않습니다. ChatGPT와 같은 대부분의 챗봇은 아직 MCP 서버를 지원하지 않습니다. 지원하는 챗봇 중에서도 설치하려면 JSON을 수동으로 편집해야 하는 경우가 많으며 이는 사용자 친화적이지 않습니다. Cursor 및 Claude와 같은 챗봇은 모든 요청에 대해 사용자에게 프롬프트를 표시하고 불완전한 정보 또는 원시 JSON 출력을 자주 반환하여 경험을 번거롭고 불만족스럽게 만듭니다.
Claude의 데스크톱 버전을 사용하여 예측 시장 MCP를 쿼리하면 명시적으로 요청하지 않는 한 링크나 가격을 제공하지 못하는 경우가 많았고 서버를 전혀 호출하지 않는 경우도 있었습니다. MCP를 사용할 때 Claude의 지속적인 팝업 프롬프트는 사용자 관심을 더욱 감소시켰습니다. MCP의 원활한 처리와 의미 있는 응답이 미래에 예상되지만 기술은 아직 그 단계에 도달하지 못했습니다.
보안은 또 다른 중요한 문제입니다. 외부 작업을 수행하고 실시간 시스템에 액세스하는 기능이 주어지면 MCP는 수많은 보안 문제에 직면합니다. 프롬프트 주입, 악성 도구 설치, 무단 액세스 및 트로이 목마 공격은 매우 현실적인 위협입니다. 현재 샌드박싱, 검증 계층 및 이러한 에지 케이스를 처리할 수 있는 성숙한 생태계가 부족합니다.
이러한 문제는 MCP가 여전히 실험적인 기술임을 분명히 합니다.
클라이언트의 결정적인 역할
이러한 서버를 구축하면서 배운 중요한 교훈은 서버가 아닌 클라이언트가 궁극적으로 MCP의 미래를 결정한다는 것입니다.
대규모 모델과의 상호 작용을 제어하는 사람들은 사용자에게 표시되는 도구, 트리거되는 도구 및 표시되는 응답도 제어합니다. 세상에서 가장 유용한 MCP 서버를 만들 수 있지만 클라이언트가 호출하지 않거나 출력의 절반만 표시하거나 설치를 허용하지 않을 수도 있습니다.
MCP와 게이트키퍼의 등장
클라이언트의 중요한 힘은 MCP가 궁극적으로 검색 엔진 및 앱 스토어처럼 관리됨을 의미합니다. OpenAI 및 Anthropic과 같은 주요 대규모 모델 애플리케이션 제공업체는 새로운 “게이트키퍼”가 되어 어떤 MCP를 나열할 수 있는지 결정하고 추천 알고리즘을 통해 검색 가능성을 큐레이팅합니다.
1990년대 후반에 시작된 이래 Google은 사용자에게 제공되는 콘텐츠를 제어하여 매우 수익성이 높은 비즈니스를 구축하는 데 도움이 되었습니다. 챗봇은 이제 기존 검색 엔진의 “10개의 파란색 링크”를 직접 답변으로 대체하여 이러한 능력을 얻고 있습니다. 그들은 어떤 콘텐츠를 표시하고, 어떤 콘텐츠를 제외하고, 형식을 지정할지 결정할 수 있습니다.
MCP 설치 프로세스는 앱 스토어 모델과 유사할 가능성이 높습니다. Apple과 Google이 어떤 앱을 추천, 사전 설치 또는 승인할지 결정하여 모바일 생태계를 형성한 것처럼 대규모 모델 클라이언트는 어떤 MCP 서버를 선보이고, 홍보하고, 플랫폼에서 허용할지 결정합니다. 이러한 역학 관계는 회사 간의 경쟁으로 이어질 가능성이 높으며 새로운 생태계에서 추천 및 노출을 위해 모델 제공업체에 대한 지불을 포함할 수 있으며 고수익 MCP 배포 플랫폼의 생성을 촉진합니다.
사용자는 신중하게 큐레이팅된 “MCP 스토어”에서 MCP 또는 “AI 채팅 애플리케이션”을 설치합니다. Gmail, HubSpot, Uber 및 Kayak과 같은 도구는 채팅 기반 워크플로에 직접 통합되어 MCP 엔드포인트를 추가합니다. 사용자는 이론적으로 원하는 MCP를 설치하도록 선택할 수 있지만 대부분은 ChatGPT와 같은 클라이언트 제공 추천에 의존할 가능성이 높습니다. 이러한 추천은 임의적이지 않지만 쇼핑, 여행, 도메인 검색 또는 서비스 검색 범주에서 기본 옵션이 되기 위해 대기업이 지불하는 수익성 있는 파트너십에서 비롯됩니다. 이 수준의 가시성은 수백만 명의 사용자로 이어져 막대한 노출, 데이터 및 상업적 가치를 제공합니다.
일부 클라이언트 측 MCP 앱 스토어(MAS)는 보다 관대하고 개방적인 MCP 선택을 제공하여 더 광범위한 실험 및 커뮤니티 개발 MCP를 허용합니다. 다른 앱 스토어는 품질, 보안 및 수익 창출을 우선시하는 엄격한 승인 프로세스를 갖습니다. 어떤 경우든 클라이언트는 참여 조건을 설정하고 성공 규칙을 설정합니다.
OpenAI 및 Claude와 같은 MCP 클라이언트는 iOS 및 Android 플랫폼이 되고 MCP 서버는 앱 역할을 합니다. 아이콘 대신 이러한 애플리케이션은 사용자 명령을 통해 호출되어 언어 상호 작용을 통해 사용자 요구에 대한 풍부하고 구조화된 대화형 응답을 제공합니다.
시간이 지남에 따라 특정 산업 또는 도메인에 맞춘 특수 클라이언트가 등장할 수 있습니다. 항공사, 호텔 체인 및 여행사의 서비스를 원활하게 통합하여 사용자에게 포괄적인 여행 계획 경험을 제공하는 여행 계획에 중점을 둔 AI 채팅 도우미를 상상해 보십시오. 또는 법률 데이터, 직원 기록 및 조직 도구에 대한 통합 액세스를 제공하여 비즈니스 관리 방식을 혁신하는 인적 자원에 중점을 둔 MCP 클라이언트를 상상해 보십시오.
대부분의 사용자는 주류 클라이언트를 고수하지만 일부 오픈 소스 AI 챗봇이 등장합니다. 이러한 챗봇은 게이트키퍼가 부과하는 제한 없이 설치하는 MCP를 완전히 제어하려는 전문가에게 매력적입니다. 그러나 Linux 데스크톱 시스템과 마찬가지로 이러한 오픈 소스 제품은 틈새 시장으로 남을 가능성이 높습니다.
떠오르는 생태계의 새로운 기회
진화하는 MCP 환경을 지원하기 위해 다음과 같은 여러 유형의 비즈니스와 도구가 등장할 것으로 예상됩니다.
MCP 래퍼 및 서버 팩: 여러 관련 MCP를 단일 설치 패키지로 묶어 설정을 간소화합니다. 구성 없이 사용할 수 있는 달력, 이메일, 고객 관계 관리 및 파일 저장소 MCP를 제공하는 단일 패키지를 상상해 보십시오. 이러한 패키지는 인적 프로세스를 단순화하고 수직 시장에서 특히 유용합니다. 또한 패키징 도구(“달력 설정 및 이메일 보내기”)를 포함할 수도 있습니다.
MCP 쇼핑 엔진: 일부 MCP 서버는 다양한 공급업체의 실시간 가격과 제품 목록을 제공하는 AI 기반 비교 엔진 역할을 합니다. 그들은 제휴 링크를 통해 수익을 창출하고 추천 수수료를 얻습니다. 이 접근 방식은 초기 검색 엔진 최적화 및 제휴 마케팅을 반영합니다.
MCP 우선 콘텐츠 앱: 이러한 서비스는 사람 시청자를 위한 웹사이트를 디자인하는 대신 MCP 서버를 통해 대규모 언어 모델을 위한 콘텐츠 제공을 최적화합니다. MCP 호출을 통해 반환되는 풍부하고 구조화된 데이터와 의미론적 태그를 상상해 보십시오. 수익은 페이지 조회수가 아닌 구독 또는 임베디드 스폰서십 및 제품 배치에서 발생합니다.
API-MCP 제공업체: 많은 기존 API 제공업체가 이 새로운 생태계에 참여하기를 원하지만 그렇게 할 리소스가 부족합니다. 이로 인해 기존 REST API를 규정을 준수하고 검색 가능한 MCP 서버로 자동 변환하여 SaaS 플랫폼이 쉽게 참여할 수 있도록 하는 미들웨어 도구가 등장할 것입니다.
MCP용 Cloudflare: 보안은 주요 관심사입니다. 이러한 도구는 클라이언트와 서버 사이에 위치하여 입력을 정리하고, 요청을 기록하고, 공격을 차단하고, 이상을 모니터링합니다. Cloudflare가 현대 웹을 더 안전하게 만든 것처럼 이러한 유형의 서비스는 MCP 생태계에서 유사한 역할을 할 것입니다.
엔터프라이즈 ‘비공개’ MCP 솔루션: 대기업은 내부 서비스를 비공개 MCP 서버에 연결하고 오픈 소스 AI 제품을 사용하기 시작합니다. 이러한 내부 설정은 방화벽 뒤에 있는 AI 워크플로의 일부가 되어 회사에 제어를 제공합니다.
수직적 집중 MCP 클라이언트: 많은 챗봇이 일반적인 사용자 요구를 충족할 수 있지만 산업 조달 및 규정 준수 작업과 같은 특정 시나리오에는 특정 사용자 인터페이스와 비즈니스 논리가 필요합니다. 수직적 집중 MCP 클라이언트는 이러한 고유한 요구 사항을 충족하기 위해 사용자 정의된 작업, 언어 및 레이아웃과 함께 등장할 것입니다.