저는 16년 동안 클라우드 및 플랫폼 엔지니어링 분야에서 일해 왔습니다. 제가 처음 "에이전트형 AI (agentic AI)"와 "MCP"라는 말을 들었을 때, 그것은 매우 복잡하게 들렸습니다. 하지만 그렇지 않습니다. 이 포스트는 모든 것을 쉬운 단어로 설명합니다. MCP를 이해하기 위해 다른 어떤 것을 읽을 필요도 없습니다. 생소한 단어가 있다면 하단에 용어 사전이 있습니다.

MCP가 해결하는 문제

Claude나 ChatGPT와 같은 AI 도구들은 똑똑하지만, 상자 안에 갇혀 있습니다. 그들은 당신의 파일을 볼 수 없습니다. 당신의 데이터베이스를 읽을 수 없습니다. 당신의 회사 도구들을 사용할 수 없습니다.

MCP 이전에는 AI 앱을 시스템에 연결하고 싶다면, 각 쌍마다 맞춤형 코드 (custom code)를 작성해야 했습니다. 10개의 AI 앱과 10개의 시스템이 있다면 100개의 맞춤형 통합 (custom integrations)이 필요하다는 뜻입니다. 이는 확장성 (scale)이 없습니다. 저는 대기업에서 정확히 이 문제 때문에 AI 프로젝트가 막히는 것을 보았습니다.

MCP란 무엇인가?

MCP는 **Model Context Protocol (모델 컨텍스트 프로토콜)**의 약자입니다. 이것은 개방형 표준 (open standard)입니다. AI를 위한 USB-C 포트라고 생각하면 됩니다.

USB-C가 나오기 전에는 모든 장치마다 각자의 케이블이 필요했습니다. 이제는 하나의 케이블로 모든 것이 작동합니다. MCP도 AI를 위해 똑같은 일을 합니다. 당신의 시스템을 위한 하나의 MCP 서버를 구축하면, 모든 AI 앱이 그것을 사용할 수 있습니다. MCP를 지원하는 하나의 AI 앱을 구축하면, 모든 시스템에 연결할 수 있습니다.

MCP는 Anthropic에 의해 만들어졌으며, 현재는 Linux Foundation의 일부인 Agentic AI Foundation (AAIF) 산하의 오픈 프로젝트입니다. 이는 어떤 단일 기업도 이를 소유하지 않음을 의미합니다. 누구나 무료로 사용할 수 있습니다.

아키텍처 (The architecture)

그림을 위에서 아래로 읽어보세요:

레이어 1 — AI 애플리케이션 (AI applications). 이것들은 사람들이 사용하는 앱들입니다: Claude, ChatGPT, VS Code, Cursor, 또는 당신의 회사 챗봇입니다. MCP 언어에서는 이것들을 "호스트 (hosts)"라고 부릅니다.

계층 2 — MCP 프로토콜 (protocol). 이것은 공유 언어입니다. 모든 연결은 동일한 규칙을 사용합니다. MCP 서버는 세 가지를 제공할 수 있습니다: 도구 (tools) (AI가 수행할 수 있는 동작), 리소스 (resources) (AI가 읽을 수 있는 데이터), 그리고 프롬프트 (prompts) (미리 만들어진 지침)입니다.

계층 3 — MCP 서버 (servers). 이것들은 작은 프로그램들입니다. 각 서버는 하나의 시스템에 연결됩니다: 당신의 파일, 데이터베이스, Slack, GitHub, 또는 당신만의 커스텀 도구입니다. 한 번 작성하면 모든 AI 앱이 이를 사용할 수 있습니다.

계층 4 — 당신의 시스템 (systems). 당신의 데이터는 원래 위치에 그대로 머뭅니다. MCP는 데이터를 이동시키지 않습니다. MCP는 단지 AI가 데이터에 접근할 수 있는 안전하고 통제된 방법을 제공할 뿐입니다.

핵심 아이디어: MCP가 없다면, 모든 AI 앱이 모든 시스템에 연결하기 위해 매번 맞춤형 작업을 해야 함을 의미합니다. MCP가 있다면, 각 측면을 한 번만 구축하여 모든 것을 연결할 수 있습니다.

20분 만에 첫 번째 MCP 서버 구축하기

이제 재미있는 부분입니다. 우리는 Python으로 작은 MCP 서버를 구축할 것입니다. 간단한 Python 함수를 작성할 수 있다면, 당신도 할 수 있습니다.

우리의 서버는 "커뮤니티 툴킷 (Community Toolkit)"입니다. 이 서버는 AI에게 세 가지 간단한 도구를 제공합니다: 이벤트까지 남은 일수 계산하기, 모임 공지사항 작성하기, 그리고 감사 편지 작성하기입니다.

1단계 — SDK 설치 (1분)

pip install "mcp[cli]"

2단계 — 서버 작성 (10분)

server.py라는 파일을 생성합니다:

from datetime import date
from mcp.server.fastmcp import FastMCP

...

이것이 완전한 MCP 서버입니다. 얼마나 간단한지 보세요. @mcp.tool() 라인은 일반적인 Python 함수를 AI가 사용할 수 있는 도구로 변환합니다. 독스트링 (docstring, 삼중 따옴표 안의 텍스트)은 매우 중요합니다. AI는 당신의 도구를 언제 사용할지 결정하기 위해 이 내용을 읽습니다.

3단계 — 테스트 (5분)

mcp dev server.py

이렇게 하면 브라우저에 MCP Inspector라고 불리는 테스트 페이지가 열립니다. 도구를 수동으로 호출하고 결과를 확인할 수 있습니다. 아직 AI는 필요하지 않습니다. 이것이 작업 내용을 확인하는 가장 빠른 방법입니다.

4단계 — Claude Desktop에 연결하기 (5분)

claude_desktop_config.json 파일(Claude Desktop의 Settings → Developer → Edit Config에서 확인 가능)을 열고 다음을 추가합니다:

{
  "mcpServers": {
    "community-toolkit": {
...

Claude Desktop을 재시작하세요. 그런 다음 다음과 같이 질문해 보세요: "2026-09-15에 예정된 내 미팅까지 며칠 남았지?" Claude는 사용자의 도구를 찾아 호출하고 답변을 제공할 것입니다. 이것이 처음 작동하는 모습을 보는 것은 마치 마법처럼 느껴집니다.

전체 코드는 여기에서 확인할 수 있습니다: github.com/jaykuma007/mcp-first-server

피해야 할 세 가지 실수

제가 이 실수들을 모두 경험했으니, 여러분은 그러지 않으시길 바랍니다:

1. 전체 파일 경로를 사용하지 않는 것. Claude Desktop 설정에서 server.py와 같은 짧은 경로는 조용히 실패합니다. /Users/you/code/server.py와 같이 전체 경로를 사용하세요.
2. 앱을 재시작하지 않는 것. Claude Desktop은 시작할 때만 설정을 읽습니다. 서버가 나타나지 않는다면 앱을 재시작하세요.
3. 명확한 독스트링 (docstrings)을 작성하지 않는 것. AI는 코드가 아니라 여러분이 작성한 설명을 바탕으로 도구를 선택합니다. 모호한 독스트링은 여러분의 도구가 결코 사용되지 않음을 의미합니다.

기업 독자를 위한 참고 사항

대기업에서 근무하신다면, MCP가 왜 중요한지 알려드리겠습니다. 여러분의 AI 전략에는 데이터 웨어하우스 (data warehouses), 내부 API (internal APIs), ID 시스템 (identity systems), 모니터링 (monitoring) 등 많은 연결이 필요할 것입니다. 표준이 없다면 각 연결은 일회성 프로젝트가 되고 보안 검토의 악몽이 됩니다. MCP를 사용하면 구축하기 위한 하나의 패턴, 보안을 위한 하나의 패턴, 그리고 감사를 위한 하나의 패턴을 갖게 됩니다. MCP 서버를 기존의 액세스 제어 (access controls) 뒤에 배치할 수 있으며, 데이터는 시스템을 절대 벗어나지 않습니다.

AAIF란 무엇인가?

**Agentic AI Foundation (AAIF)**는 Linux Foundation 산하의 에이전트형 AI (agentic AI) 프로젝트를 위한 개방형 홈입니다. 이곳에서는 다음을 호스팅합니다:

• MCP — 방금 배운 프로토콜 (protocol)
• Goose — 개발자를 위한 오픈 소스 AI 에이전트 (AI agent)
• AGENTS.md — AI 코딩 에이전트에게 프로젝트와 협업하는 방법을 알려주는 간단한 표준 파일
• agentgateway — 에이전트 트래픽 (agent traffic) 관리를 위한 게이트웨이 (gateway)

AAIF는 또한 Ambassador Program을 운영합니다. 앰배서더들은 매월 개발자들이 이러한 프로젝트를 활용하는 데 도움이 되는 튜토리얼, 강연, 비디오 또는 블로그 게시물 등 하나의 공개 기여를 합니다. 이 글이 제가 그 경로로 한 첫 번째 기여입니다. 신청은 연중 내내 aaif.io/ambassadors에서 가능하며, 코호트는 6월과 1월에 선정됩니다.

다음 내용은 무엇인가요

이 글은 시리즈의 첫 번째 포스팅입니다. 다음에는 MCP 서버를 실제 API에 연결하는 방법을 다룰 것이며, 나중에는 프로덕션 환경에서 MCP 서버를 실행하는 방법(배포, 보안 및 모니터링)을 다룰 것입니다. 이는 대부분의 튜토리얼이 건너뛰는 플랫폼 엔지니어링 측면입니다.

만약 이 글이 도움이 되었다면 repo에 별점을 주시고, 자신만의 워크플로우를 위해 작은 도구를 만들어 보는 것을 시도해 보세요. 오후 시간 반 정도면 충분합니다.

용어 정리

Agent / Agentic AI — 단순히 질문에 답하는 것이 아니라 행동을 할 수 있는 AI입니다. 도구를 호출하고, 데이터를 읽고, 다단계 작업을 완료할 수 있습니다.

AAIF (Agentic AI Foundation) — MCP, Goose, AGENTS.md와 같은 에이전트 AI 프로젝트를 위한 개방적이고 중립적인 허브입니다. Linux Foundation의 일부입니다.

Anthropic — Claude를 만들고 원래 MCP를 개발한 AI 회사입니다.

Claude / Claude Desktop — Anthropic의 AI 비서입니다. 데스크톱 앱은 MCP 서버에 연결할 수 있습니다.

Docstring — 파이썬 함수 내부에 작성되는 설명 텍스트로, 세 개의 따옴표(triple quotes)를 사용합니다. MCP에서 AI는 이 Docstring을 읽고 도구를 사용할지 결정합니다.

Host — 사용자가 대화하는 AI 애플리케이션입니다 (Claude Desktop, ChatGPT, VS Code). Host에는 MCP 클라이언트가 포함되어 있습니다.

JSON-RPC — MCP가 내부적으로 사용하는 간단한 메시지 형식입니다. 신경 쓸 필요는 없으며, SDK가 처리합니다.

Linux Foundation — 주요 오픈 소스 프로젝트(Linux, Kubernetes, 그리고 이제 AAIF)를 호스팅하는 비영리 재단입니다.

MCP (Model Context Protocol) — AI 애플리케이션을 외부 시스템에 연결하는 개방 표준입니다.

MCP Inspector — AI 없이도 MCP 서버를 테스트할 수 있는 브라우저 도구 (mcp dev server.py)입니다.

MCP Server (MCP 서버) — MCP를 통해 하나의 시스템(파일, 데이터베이스, API)을 AI 애플리케이션에 노출하는 작은 프로그램입니다.

Open standard (개방 표준) — 누구나 무료로 사용하고 구현할 수 있는 공개 사양입니다. 특정 기업이 이를 독점하지 않습니다.

Prompt (프롬프트, MCP 내) — MCP 서버가 AI 애플리케이션에 제공할 수 있는 재사용 가능한 지침 템플릿입니다.

Resource (리소스, MCP 내) — 파일이나 데이터베이스 레코드와 같이 MCP 서버가 AI가 읽을 수 있도록 허용하는 데이터입니다.

SDK (Software Development Kit, 소프트웨어 개발 키트) — 복잡한 작업을 대신 처리해 주는 코드 라이브러리입니다. MCP Python SDK는 pip install "mcp[cli]" 명령어로 설치할 수 있습니다.

Tool (도구, MCP 내) — "메시지 전송" 또는 "날짜 계산"과 같이 AI가 귀하의 MCP 서버를 통해 수행할 수 있는 동작입니다.

저는 도쿄에서 활동하는 플랫폼 아키텍트이며, 일본 및 APAC 지역의 개발자들을 위해 쉽고 간단한 MCP 및 에이전트형 AI (agentic AI) 튜토리얼을 작성하고 있습니다. 이 시리즈의 다음 게시물을 위해 저를 팔로우해 주세요.