대부분의 사람들에게 또 다른 AI 챗봇은 필요하지 않습니다.

우리는 이미 전기 요금 고지서를 설명해주거나, 불만 사항을 작성하거나, 보험 약관을 요약하거나, 비자 신청에 어떤 서류가 필요한지 알려줄 수 있는 챗봇을 가지고 있습니다.

문제는 설명이 끝난 직후에 시작됩니다.

AI는 당신의 이메일과 클라우드 드라이브 곳곳에 저장된 전기 요금 고지서를 찾을 수 없습니다. 그것들을 당신의 계약서와 안정적으로 비교할 수도 없습니다. 제공업체로부터 현재 요금 체계를 가져올 수도 없습니다. 예상 연간 비용을 계산하고, PDF 비교 문서를 준비하며, 바로 보낼 수 있는 해지 서신을 작성할 수도 없습니다.

AI는 당신에게 무엇을 해야 할지는 말해줄 수 있습니다.

하지만 대개 그 주변의 지루한 작업들은 수행할 수 없습니다.

이 지점이 바로 Model Context Protocol (MCP)가 소프트웨어 개발 외적인 영역에서 흥미로워지는 부분입니다.

MCP는 AI 애플리케이션이 외부 데이터에 접근하고 명확하게 정의된 도구(tools)를 호출할 수 있게 하는 개방형 표준(open standard)입니다. MCP 서버는 AI가 읽을 수 있는 리소스(resources), 반복 가능한 워크플로우를 위한 프롬프트(prompts), 그리고 API 쿼리, 파일 검색 또는 계산 실행과 같은 작업을 수행하기 위한 도구(tools)를 노출할 수 있습니다.

기술적인 내용이라 기술적으로 들릴 것입니다. 하지만 그 결과물까지 기술적으로 느껴질 필요는 없습니다.

일반적인 사람은 다음과 같이 말할 필요가 없어야 합니다:

“원격 MCP 서버를 구성해야 해.”

대신 다음과 같이 말할 수 있어야 합니다:

“내 전기 요금이 왜 올랐는지 알아내고, 공급업체를 변경하는 데 필요한 모든 것을 준비해줘.”

MCP 서버는 단순히 해당 요청을 완료하는 데 필요한 정보와 작업에 대해 AI에게 통제된 접근 권한을 부여하는 계층(layer)일 뿐입니다.

채팅만으로는 충분하지 않습니다

언어 모델(Language model)은 불분명한 요청을 이해하는 데 능숙합니다.

코드(Code)는 반복 가능한 계산을 생성하는 데 능숙합니다.

API는 외부 시스템의 정보를 검색하거나 변경하는 데 능숙합니다.

파일(Files)은 답변을 개인화하는 세부 정보를 담고 있습니다.

대부분의 유용한 실생활 작업은 이 네 가지 모두를 필요로 합니다.

비교적 평범한 문제를 생각해 봅시다:

“세탁기가 작동을 멈췄어. 아직 보증 기간 내에 있는지 확인하고 내가 무엇을 해야 할지 알려줘.”

채팅 전용 어시스턴트(chat-only assistant)는 일반적인 문제 해결 지침을 제공할 수 있습니다. 필터, 전원 공급 장치, 급수 상태 및 에러 코드를 확인하라고 말할 수 있습니다.

개인용 MCP 서버에 연결된 AI는 훨씬 더 많은 일을 할 수 있습니다:

1. 세탁기 구매 영수증 검색
2. 정확한 모델명 및 일련번호(serial number) 찾기
3. 제품 매뉴얼(manual) 가져오기
4. 보증 기간 확인
5. 이전 유지보수 기록 검색
6. 표시된 에러 코드 해석
7. 제조사의 고객 지원 엔드포인트(endpoint) 찾기
8. 필요한 세부 정보가 포함된 지원 요청서 준비
9. 전송 전 확인 요청

모델은 여전히 대화와 추론(reasoning)을 담당합니다. MCP 서버는 모델에게 당신의 나머지 삶에 접근할 수 있는 통제된 인터페이스(interface)를 제공합니다.

가장 좋은 대상은 번거로운 부분들입니다

가장 가치 있는 가계 자동화(household automation)가 휴머노이드 로봇으로 시작될 가능성은 낮습니다.

그것은 양식(forms), 송장(invoices), 보증서(warranties), 영수증(receipts), 구독(subscriptions), 예약(appointments), 갱신(renewals), 그리고 아무도 관리하는 것을 즐기지 않는 문서들로부터 시작될 것입니다.

이러한 작업들은 몇 가지 공통된 특성을 공유합니다:

• 정보가 서로 다른 시스템에 흩어져 있습니다.
• 일부 단계는 해석(interpretation)을 필요로 합니다.
• 다른 단계는 정확한 계산(calculations)을 필요로 합니다.
• 최종 결과물은 종종 특정 형식(format)으로 제출되어야 합니다.
• 작업이 반복되지만, 전용 애플리케이션을 만들 만큼 자주 발생하지는 않습니다.
• 실수가 발생하면 비용이 들거나 추가적인 서류 작업이 생길 수 있습니다.

이는 정교하게 설계된 MCP 도구(tools) 세트에 연결된 AI 클라이언트(client)에게 거의 완벽한 환경입니다.

개인 행정 서버

가계 행정(household administration)을 위한 개인용 MCP 서버를 유지 관리한다고 상상해 보십시오.

이 서버는 다음과 같은 리소스(resources)를 노출할 수 있습니다:

• 공공요금 계약서
• 임대 또는 담보 대출(mortgage) 문서
• 보험 증권
• 가전제품 매뉴얼
• 영수증 및 보증서
• 차량 정비 기록
• 학교 문서
• 여행 문서
• 이전 편지 및 신청서

또한 다음과 같은 도구(tools)를 노출할 수도 있습니다:

{
  "name": "search_household_documents",
  "description": "주제, 날짜 및 문서 유형별로 개인 가정 기록을 검색합니다.",
...

또 다른 도구는 공개적으로 사용 가능한 정보를 검색할 수 있습니다:

{
  "name": "get_current_utility_tariffs",
  "description": "지원되는 유틸리티 제공업체로부터 현재 요금제를 가져옵니다.",
...

언어 모델(Language Model)은 어떤 도구가 관련이 있는지를 결정합니다. 서버는 각 도구가 무엇을 할 수 있는지 결정합니다.

이러한 구분은 매우 중요합니다.

모델이 사용자의 이메일 계정, 파일 시스템, 은행 계좌 및 브라우저에 제한 없는 접근 권한을 가져서는 안 됩니다. 모델은 명시적인 입력(inputs), 예측 가능한 출력(outputs), 인증 규칙(authentication rules) 및 로그(logs)를 갖춘 좁은 범위의 기능만을 부여받아야 합니다.

코드 도구(Code tools)는 빠져 있던 중간 단계입니다

모든 문제를 언어 모델에게 "더 깊이 추론하라"고 요청함으로써 해결해서는 안 됩니다.

많은 일상적인 작업에는 결정론적 연산(deterministic operations)이 포함되어 있습니다:

• 송장 합계 계산
• 요금제 비교
• 통화 변환
• 마감일 계산
• 지출 항목 그룹화
• 날짜 정규화 (Normalizing dates)
• 표에서 행 추출
• 누락된 문서 감지
• 차트 생성
• 보고서를 위한 구조화된 데이터 (Structured data) 생성

이러한 작업들은 코드의 영역에 속합니다.

만약 AI가 여러 전기 요금제를 비교해야 한다고 가정해 봅시다. 모델은 요금제 설명을 이해할 수 있지만, 최종 비용은 결정론적 함수(deterministic function)에 의해 계산되어야 합니다:

function estimateAnnualCost(plan, annualUsageKwh) {
  const energyCost = annualUsageKwh * plan.pricePerKwh;
  const fixedCost = plan.monthlyFee * 12;
...

모델은 어떤 요금제를 비교할지 선택하고 결과를 설명할 수 있습니다. 코드 도구가 산술 연산을 수행합니다.

이러한 조합은 언어 모델에게 큰 표를 읽고 응답 내에서 모든 것을 계산하도록 요청하는 것보다 훨씬 안전합니다.

모델은 모호함(ambiguity)을 처리합니다.

코드는 정밀함(precision)을 처리합니다.

PDF 생성은 화려하지 않지만, 중요합니다

평범한 삶의 수많은 결과물은 여전히 PDF로 끝납니다.

정부 기관은 PDF 신청서를 요청합니다. 보험 회사는 PDF 증빙 자료를 요구합니다. 학교는 PDF 양식을 배포합니다. 회계사는 PDF 보고서를 교환합니다. 임대인은 서명된 문서를 원합니다. 서비스 제공업체는 PDF 인보이스 (invoice)를 첨부합니다.

당신의 서류에 대해 논의할 수는 있지만 필요한 파일을 생성할 수 없는 AI는 문제의 절반만 해결한 것입니다.

유용한 MCP 워크플로우 (workflow)는 다음과 같은 도구를 노출할 수 있습니다:

{
  "name": "create_pdf_document",
  "description": "승인된 구조화된 콘텐츠와 선택된 템플릿으로부터 PDF 생성",
...

구현 시 문서 생성 API (document-generation API)를 사용할 수 있습니다. 코드 도구 (code tool)가 먼저 모델의 출력을 검증된 구조화된 데이터 (structured data)로 변환할 수 있습니다. 그러면 PDF 서비스가 제어된 템플릿을 사용하여 이를 렌더링 (render)합니다.

모델은 폰트 임베딩 (font embedding), 페이지 여백 (page margins), HTML 렌더링 (HTML rendering), 저장소 (storage) 또는 PDF 내부 구조 (internals)를 이해할 필요가 없습니다.

모델에게 필요한 것은 명확한 계약 (contract)을 가진 도구입니다.

무엇이 더 쉬워질 수 있을까요?

가계 고지서 및 구독 서비스

AI는 가격 인상, 사용하지 않는 구독, 다가오는 갱신, 비정상적인 소비 또는 중복 서비스를 식별할 수 있습니다.

AI는 월간 보고서를 준비하고 해지 요청 초안을 작성할 수 있습니다. 실제 해지는 여전히 사용자의 확인이 필요해야 합니다.

보증 및 주택 유지보수

오래된 이메일을 뒤지는 대신, AI는 영수증을 찾아내고, 제품과 매뉴얼을 매칭하며, 보증 만료일을 계산하고, 지원 요청서를 준비할 수 있습니다.

또한 수리 이력을 관리하고 필터, 배터리, 점검 또는 유지보수 작업 시기가 되면 알림을 줄 수 있습니다.

가족 서류 작업

학교 신청서, 여행 동의서, 활동 등록, 비용 상환 요청 및 문서 체크리스트는 종종 동일한 정보를 재사용합니다.

가족용 MCP 서버는 승인된 데이터를 검색하고, 템플릿을 채우며, 누락된 문서를 감지하고, 검토 가능한 패키지를 생성할 수 있습니다.

민감한 개인 데이터는 모든 AI 대화에 영구적으로 추가되는 것이 아니라, 좁은 범위로 제한된 도구 (narrowly scoped tools)에만 노출되어야 합니다.

개인 재무 관리 (Personal finance administration)

이것은 AI가 자유롭게 돈을 움직이도록 허용한다는 의미가 아닙니다.

대신 송장을 수집하거나, 지출 내역을 분류하고, 누락된 영수증을 찾으며, 회계사 제출용 내역을 준비하거나, 반복되는 비용의 변동 사항을 설명하는 것을 의미할 수 있습니다.

작업을 준비하는 것(preparing an action)과 실행하는 것(executing it) 사이의 구분은 매우 중요합니다.

여행 행정 (Travel bureaucracy)

여행 계획 그 자체는 이미 일반적인 AI 도구들로 충분히 잘 수행되고 있습니다.

정작 짜증 나는 부분은 종종 그 주변의 모든 것들입니다:

• 보험 서류
• 비자 요구 사항
• 예약 파일
• 입국 양식
• 동의서
• 지출 보고서
• 지연 발생 후의 보상 청구

MCP가 연결된 어시스턴트는 관련 기록을 수집하고, 체크리스트를 만들며, 필요한 서류를 준비할 수 있습니다.

의료 행정 (Healthcare administration)

의학적 진단은 느슨하게 제어되는 도구들의 집합에 위임해서는 안 됩니다.

행정 업무는 별개의 문제입니다.

어시스턴트는 검토를 위해 송장, 예약 서류, 소견서(referrals), 보험 관련 서신, 약물 목록을 정리할 수 있습니다. 의사를 대체하려 들지 않으면서 의사에게 물어볼 질문을 준비하는 것을 도울 수 있습니다.

부동산 관리 (Property management)

주택 소유자나 임대인은 계약서, 세입자와의 서신, 가전제품 기록, 송장, 계량기 수치, 그리고 유지보수 API를 연결할 수 있습니다.

AI는 지출 보고서를 작성하고, 해결되지 않은 문제를 식별하며, 커뮤니케이션 내용을 요약하고, 수리 요청을 생성할 수 있습니다.

다시 강조하지만, 가치 있는 부분은 대화가 아닙니다. 파편화된 정보와 시스템 간의 조정(coordination)입니다.

현실적인 워크플로 (A realistic workflow)

다음 요청을 생각해 보십시오:

“현재 내 주택 보험 정책을 갱신해야 하는지 확인해 줘.”

잘 설계된 에이전트는 다음과 같은 시퀀스를 수행할 수 있습니다:

1. 현재 보험 증권을 찾기 위해 개인 문서를 검색합니다.
2. 보장 범위, 제외 사항, 가격 및 갱신 날짜를 추출합니다.
3. 가격 변동을 확인하기 위해 이전 두 개의 보험 증권을 검색합니다.
...

모델은 워크플로를 조정하고 있지만, 각각의 중요한 기능에는 경계(boundary)가 존재합니다.

파일 검색 (file-search) 도구는 승인된 문서를 읽을 수 있습니다.

API 도구는 승인된 도메인에 접속할 수 있습니다.

코드 (code) 도구는 계산을 수행할 수 있지만, 관련 없는 데이터에는 접근할 수 없습니다.

PDF 도구는 파일을 생성할 수 있지만, 이를 전송할 수는 없습니다.

통신 (communication) 도구는 초안을 작성할 수 있지만, 전송 전에는 확인이 필요합니다.

이것이 바로 유용한 AI 자동화가 지향해야 할 모습입니다. 즉, 무제한적인 접근 권한이 아니라, 작고 이해 가능한 권한들의 체인 (chain)입니다.

Vectoralix가 위치한 곳

저는 Vectoralix를 구축하고 있으므로, 이는 중립적인 제품 언급이 아닙니다.

제가 이러한 개인용 워크플로 (workflows)에 관심을 갖는 이유는, 이를 배포하는 데 여전히 너무 많은 인프라 (infrastructure)가 필요하기 때문입니다.

개발자는 MCP 전송 (transport)을 구현하고, 도구 (tools)를 등록하며, 인증 (authentication)을 관리하고, 입력을 검증하며, 콘텐츠를 저장하고, 버전 관리 (versioning)를 도입하고, 로그를 생성하고, API 호출을 보호하며, 서버를 운영해야 할 수도 있습니다.

Vectoralix는 이러한 인프라를 개별 프로젝트 외부로 옮기는 것을 목표로 합니다.

Vectoralix는 업로드된 문서, 리포지토리 (repositories), API 호출, 파일 검색 기능, 그리고 샌드박스 (sandboxed) 처리된 JavaScript 도구들을 호스팅되는 MCP 엔드포인트 (endpoint)로 변환할 수 있습니다. 도구들은 플레이그라운드 (playground)에서 테스트될 수 있고, 버전이 지정된 릴리스 (releases)로 게시될 수 있으며, OAuth 또는 베어러 (bearer) 액세스로 보호되고, 요청 로그 (request logs)를 통해 관찰될 수 있습니다. 또한 API 도구에는 안전하지 않은 외부 요청을 줄이기 위한 제한 사항이 포함되어 있습니다.

보험 예시의 경우, 서버는 다음과 같은 내용을 포함할 수 있습니다:

• 사용자의 보험 증권을 비공개 콘텐츠로 포함
• 관련 섹션을 검색하기 위한 파일 검색 (File Search) 도구
• 승인된 보험 서비스를 위한 API URL 도구
• 가격과 보장 범위를 정규화하기 위한 코드 실행 (Code Execute) 도구
• 또 다른 도구로 노출된 PDF 생성 API
• AI가 무엇에 접근할 수 있는지 정확히 정의하는 버전 관리된 릴리스

사용자는 AI 클라이언트 (client)와 상호작용하게 됩니다.

Vectoralix는 그 뒤에서 MCP 계층 (layer)을 운영합니다.

보안 모델은 데모보다 중요합니다

AI에게 모든 것에 대한 접근 권한을 부여함으로써 인상적인 데모를 만드는 것은 쉽습니다.

하지만 일상생활에서 신뢰할 수 있는 무언가를 만드는 것은 훨씬 더 어렵습니다.

개인용 MCP 서버는 몇 가지 규칙을 따라야 합니다.

읽기(Reading)와 쓰기(Writing)의 분리

송장을 검색하는 것과 계약을 취소하는 것이 결코 동일한 권한을 가져서는 안 됩니다.

읽기 전용(Read-only) 도구는 종종 더 적은 감독 하에 작동할 수 있습니다. 외부 시스템을 변경하는 도구는 별도로 취급되어야 합니다.

되돌릴 수 없는 작업에 대한 확인 요구

메시지 전송, 양식 제출, 서비스 취소, 물품 구매 또는 레코드 삭제와 같은 작업은 명시적인 승인을 요구해야 합니다.

AI는 작업을 준비할 수 있습니다. 사용자가 최종 단계를 승인해야 합니다.

좁게 범위가 지정된 자격 증명(Credentials) 사용

전기 요금을 조회하는 도구가 사용자의 전체 이메일 계정에 대한 자격 증명(Credentials)을 보유해서는 안 됩니다.