LLM(대규모 언어 모델)의 사회적 구현이 급속도로 진행되는 가운데, AI를 단순한 '도구'가 아니라 외부 시스템과 상호작용하는 '에코시스템 (Ecosystem)'으로 파악하는 시점이 필수적이 되고 있습니다. Anthropic이 제창하는 「Model Context Protocol (MCP)」은 LLM과 외부 데이터 소스 및 도구를 심리스(Seamless)하게 연결하는 오픈 규격으로서 빠르게 지지를 얻고 있습니다.

하지만 개발 현장에서는 하나의 큰 설계 판단에 직면하게 됩니다. 그것은 바로 **"작성한 MCP 서버를 기존의 Claude Desktop에 통합할 것인가, 아니면 독자적인 Client UI를 구축할 것인가"**라는 질문입니다.

본 기사에서는 이 MCP 오케스트레이션 (Orchestration) 계층에서의 아키텍처 선택지와 각각의 트레이드오프 (Trade-off)를 심층적으로 분석합니다.

MCP의 핵심은 JSON-RPC 2.0을 기반으로 한 프로토콜 (Protocol) 계층에 있습니다. Client와 Server 사이에서 어떤 상호작용이 이루어지고 있는지, 그 내부 시퀀스 (Sequence)를 이해하는 것이 설계 판단의 첫걸음입니다.

프로토콜의 동작은 크게 다음과 같은 두 가지 페이즈 (Phase)로 분류됩니다.

Client가 기동되면 지정된 Server 프로세스를 기동하고, 양방향 스트림 (Stream, 표준 입출력 등)을 확립합니다. 그 후, Client는 initialize 리퀘스트 (Request)를 송신하며, Server는 자신이 제공 가능한 「Tools (도구)」 및 「Resources (리소스)」 목록을 반환합니다. 이를 통해 Client는 Server의 「능력」을 사전에 파악합니다.

사용자가 메시지를 입력하면, Client(또는 배후의 LLM)는 어떤 도구를 호출해야 할지 판단합니다. Client는 tools/call 메서드 (Method)를 사용하여 필요한 인자 (Argument)와 함께 Server로 리퀘스트를 송신합니다. Server는 처리를 실행하고 결과를 Client에 반환합니다.

이 일련의 흐름(오케스트레이션 계층)을 기존의 「Claude Desktop」에 맡길 것인지, 아니면 「자체 제작 Client」로 완전히 제어할 것인지가 아키텍처의 분기점이 됩니다.

개발자가 선택할 수 있는 접근 방식은 크게 두 가지로 나뉩니다.

기존의 「Claude Desktop」을 호스트 (Host) 계층으로 이용할 경우, 개발자는 독자적인 UI를 준비할 필요가 없습니다. 설정 파일을 기술하는 것만으로 강력한 LLM 추론과 세련된 UI를 즉시 이용할 수 있습니다.

Windows (%APPDATA%/Claude/claude_desktop_config.json) 또는 macOS (~/Library/Application Support/Claude/claude_desktop_config.json)에 다음과 같이 서버 기동 파라미터 (Parameter)를 지정합니다.

{
"mcpServers": {
"my-custom-tool": {
...

이 설정을 통해 Claude Desktop 기동 시 자동으로 MCP 서버가 실행되며, 채팅 화면에서 도구를 직접 호출할 수 있게 됩니다.

비즈니스 요구사항에 따라 기밀 데이터의 로컬 처리나 독자적인 업무 시스템에 특화된 UI가 필요할 수 있습니다. 이 경우, MCP SDK를 사용하여 클라이언트 (Client) 계층을 직접 구축합니다.

다음은 Python용 mcp SDK를 사용하여 MCP 서버와 대화하는 최소한의 커스텀 클라이언트 구현 예시입니다.

import asyncio
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
...

이 코드를 실행함으로써 프로그램에서 직접 MCP 서버를 제어하고, 결과를 독자적인 시스템에 통합하는 것이 가능해집니다.

이 두 가지 접근 방식의 선택 기준은 단순한 「개발 속도」가 아니라, 시스템이 지향하는 **「자율성의 스코프 (Scope)」**에 있습니다.

• Claude Desktop 연동

  • 장점: UI 개발 비용이 완전히 제로(0). Anthropic이 제공하는 고도의 UX, 컨텍스트 (Context) 관리, 안전 설계 등을 그대로 누릴 수 있습니다.
  • 단점: 화면 레이아웃 커스터마이징이 불가능합니다. 또한 자사의 핵심 시스템이나 특정 사내 포털에 AI를 임베딩 (Embedding)하고 싶은 경우, 이 방법은 채택할 수 없습니다.

• 장점 (Merits): UI/UX의 완전한 제어. LangChain이나 LlamaIndex와 같은 외부 오케스트레이션 프레임워크 (Orchestration Framework)와 용이하게 결합할 수 있으며, 프롬프트 인젝션 (Prompt Injection)에 대한 독자적인 필터링 계층을 삽입하는 것도 가능합니다.

• 단점 (Demerits): 채팅 UI, 대화 이력 관리, LLM으로의 컨텍스트 주입 (Context Injection), 에러 핸들링 (Error Handling) 등 애플리케이션으로서 동작시키기 위한 개발 비용이 대폭 증가합니다.

시스템 설계의 고전 명저인 『맨먼스 미신 (The Mythical Man-Month)』에서도 언급되었듯이, 소프트웨어 개발에 있어서는 "개념의 일관성"이 가장 중요합니다.

새로운 아이디어를 빠르게 검증하고 싶은 단계 (PoC)에서는, Claude Desktop 연동을 선택하여 검증 사이클을 최단 시간 내에 돌려야 합니다.

반면, 보안 정책에 의해 외부 클라우드로의 데이터 노출이 제한되어 있거나, 특정 업무 흐름에 최적화된 전용 워크플로우 (에이전트)를 사내에 널리 전개하고 싶은 경우에는, 초기 비용을 지불하더라도 자체 Client UI를 구축하는 것이 중장기적인 비즈니스 가치 극대화로 이어집니다.