
MCP Tool: 통합의 혼돈에서 하나의 깔끔한 연결로
요약
Model Context Protocol(MCP)의 개념과 Oracle AI Agent Studio를 활용한 MCP Tool 구성 방법을 설명합니다. MCP는 AI 에이전트가 별도의 맞춤형 통합 코드 없이도 다양한 외부 도구 및 API와 표준화된 방식으로 통신할 수 있게 돕는 프로토콜입니다.
핵심 포인트
- MCP는 AI 에이전트와 외부 도구 간의 표준화된 연결 프로토콜 역할을 함
- 맞춤형 REST 래퍼나 플러그인 로직 구축 비용을 획기적으로 절감
- Oracle AI Agent Studio에서 SSE 및 Streamable HTTP 전송 유형 지원
- 에이전트 생태계의 파편화된 통합 문제를 해결하는 블루투스와 같은 역할
모든 기업은 도구, API, 서비스가 널리 퍼져 있는 생태계를 가지고 있습니다. 꿈꿔왔던 모습은 AI 에이전트가 모든 엔드포인트에 대해 맞춤형 통합 (custom integration)을 작성하지 않고도, 이 모든 것과 통신할 수 있는 단일하고 깔끔한 방법이었습니다. 그 꿈에 이제 이름이 생겼습니다: Model Context Protocol (MCP).
이 포스트에서는 MCP가 무엇인지, Oracle AI Agent Studio 내에서 어떻게 구성하는지, 그리고 프로덕션급 (production-grade) AI 에이전트를 구축하는 모든 사람에게 왜 중요한지에 대해 살펴보겠습니다.
MCP란 무엇인가 — 그리고 왜 관심을 가져야 하는가?
Oracle의 공식 문서에 따르면, MCP Tool을 사용하면 추가적인 REST 래퍼 (REST wrappers)나 플러그인 로직 (plugin logic)을 구축할 필요 없이, 외부 MCP 서버에 안전하게 연결하고 에이전트 및 노드 내에서 그 기능을 사용할 수 있습니다.
여전히 추상적으로 들린다면, 가장 솔직한 비유를 들어보겠습니다.
- AI = 당신의 스마트폰
- MCP = Bluetooth
- Tools = 헤드폰, 키보드, 스피커, 마우스
당신의 스마트폰은 만나는 모든 Bluetooth 기기마다 맞춤형 펌웨어를 가질 필요가 없습니다. 하나의 프로토콜로 무한한 기기에 연결됩니다. MCP도 같은 방식으로 작동합니다. 당신의 AI 에이전트가 표준화된 프로토콜에 연결되면, 갑자기 외부 도구의 방대한 세계를 사용할 수 있게 됩니다. 글루 코드 (glue code)가 필요 없습니다.
Oracle AI Agent Studio에서 MCP Tool 구성하기
직접 해봅시다. 이 가이드에서는 mcpdemo.tools를 MCP 서버로 사용하겠습니다. 이는 실제 환경에 적용하기 전에 MCP 연결성을 테스트하기 위한 유용한 샌드박스 (sandbox)입니다.
1단계: MCP Tool 생성하기
Oracle AI Agent Studio 내부에서 새로운 도구를 생성하고 Tool Type을 MCP로 설정합니다. 의미 있는 이름을 부여하세요. 에이전트 팀이 6개월 후에도 실제로 알아볼 수 있는 이름이어야 합니다 (절대로 Halton_MCP_Tool 같은 이름은 안 됩니다 😄).
2단계: 인증 및 인스턴스 URL 구성하기
Instance URL을 MCP 서버 엔드포인트로 설정합니다. 이 데모의 경우:
3단계: 전송 유형 (Transport Type) 선택하기
여기서부터 흥미로워집니다. Oracle AI Agent Studio는 두 가지 전송 (Transport) 옵션을 지원하며, 선택은 사용 사례 (use case)에 따라 달라집니다:
| 전송 유형 (Transport Type) | 동작 (Behaviour) | 최적의 용도 |
|---|---|---|
| SSE (Server-Sent Events) | 지속적이고 단방향인 스트리밍 연결 | 실시간 업데이트, 장시간 실행되는 작업 |
| Streamable HTTP | 표준 HTTP POST/GET을 통한 독립적인 요청/응답 | 상태가 없는 (Stateless) 작업, 확장 가능한 멀티 클라이언트 시나리오 |
어떤 것을 선택해야 할지 여전히 모르겠나요? 이렇게 생각해보세요:
SSE는 전화 통화입니다. 전화를 걸어 연결을 유지하면, 서버가 하나의 연속적인 스트림을 통해 "지금 확인 중입니다... 찾았습니다... 결과를 보내는 중입니다..." 라고 계속해서 말을 이어갑니다.
Streamable HTTP는 문자 메시지 스레드입니다. 요청을 보내고, 답장을 받고, 다시 다른 요청을 보냅니다. 표준 인프라를 통해 깔끔하고 독립적인 교환이 이루어집니다.
탐색적 테스트 (exploratory testing)를 위해서는 두 전송 유형을 모두 선택하는 것도 매우 합리적입니다. 프로덕션 (production) 환경에서는 에이전트의 예상 상호작용 패턴에 맞춰 선택을 조정하세요.
4단계: 사용 가능한 도구 (Tools) 선택하기
연결이 완료되면 MCP 서버가 노출하는 도구들을 볼 수 있습니다. 데모를 위해 사용 가능한 모든 도구를 선택하세요. 다음 단계에서 에이전트를 구축하는 데 이 도구들을 사용할 것입니다.
MCP 기반 에이전트 구축하기
MCP Tool 설정이 완료되면, Oracle AI Agent Studio에서 AI 에이전트를 생성하고 해당 도구를 연결합니다. 여기서 핵심적인 작업은 시스템 프롬프트 (system prompt) 입니다. 이는 에이전트에게 각 MCP 도구를 언제, 어떻게 호출해야 하는지 정확하게 알려줍니다.
다음은 제가 고객 서비스 에이전트 데모를 위해 사용한 프롬프트입니다:
당신은 친절한 이커머스 고객 서비스 에이전트입니다. 당신의 임무는 고객의 주문, 배송, 반품 및 제품 관련 질문을 친절하고 효율적이며 전문적인 방식으로 지원하는 것입니다.
당신은 다음 도구들에 접근할 수 있습니다. 다음 규칙에 따라 도구를 사용하십시오:
...
이 프롬프트 설계에서 주목할 만한 몇 가지 사항은 다음과 같습니다:
- 명시적 도구 라우팅 (Explicit tool routing) — 각 고객의 의도(intent)가 특정 도구에 매핑됩니다. LLM(대규모 언어 모델)이 추측하도록 내버려 두지 않습니다.
- 환각 방지 정책 (No hallucination policy) — 에이전트에게 데이터를 절대 조작하지 말라고 명시적으로 지시합니다. 항상 도구로부터 데이터를 가져와야 합니다.
- 우아한 폴백 (Graceful fallback) — 도구 세트 범위를 벗어나는 모든 것은
contact_support로 라우팅됩니다. 막다른 길은 없습니다.
이러한 구조화된 프롬프팅(prompting)이야말로 신뢰할 수 있는 엔터프라이즈 에이전트와, 지켜보고 있을 때만 작동하는 데모용 에이전트를 구분 짓는 요소입니다.
MCP 에이전트 테스트하기
실제로 작동하는 모습을 볼 시간입니다. 두 가지 빠른 시나리오를 살펴보겠습니다:
시나리오 1 — 반품 정책 문의
고객: "반품 정책이 어떻게 되나요?"
에이전트는 의도를 정확하게 식별하고, return_policy MCP 도구를 호출하며, 도구의 실제 출력값에 근거한 응답을 생성합니다. 추측이나 환각(hallucination)은 없습니다.
시나리오 2 — 상담원 연결 요청
고객: "상담원과 대화하고 싶습니다."
에이전트는 이를 contact_support로 라우팅하여 적절한 MCP 도구를 트리거하고 올바른 정보를 노출합니다. LLM은 대화를 처리하고, MCP 도구는 데이터를 처리합니다. 관심사의 명확한 분리(separation of concerns)가 이루어집니다.
이 아키텍처가 중요한 이유
여기서 보고 계신 것은 단순한 데모용 기술이 아니라 하나의 패턴입니다. MCP는 에이전트(agent)의 추론 계층(reasoning layer)을 도구 통합(tool integrations)으로부터 분리(decouple)합니다. 즉, 다음과 같은 의미를 갖습니다:
- 도구 교체가 가능합니다. 에이전트 로직을 다시 작성할 필요 없이 MCP 서버를 교체할 수 있습니다.
- 거버넌스(Governance)가 더 깔끔해집니다. 도구 접근 권한이 프로토콜 수준에서 중앙 집중화되고 감사(auditable) 가능해집니다.
- 확장이 더 간단합니다. MCP 서버에 새로운 도구를 추가하면, 에이전트가 이를 자동으로 인식합니다.
통합 환경이 문서화 속도보다 빠르게 늘어나는 엔터프라이즈 환경에서, 이 아키텍처는 진정으로 가치가 있습니다. 여러분의 IT 팀이 고마워할 것입니다. (아마도 말이죠.)
마무리하며
MCP는 다른 모든 것들이 누수 없이 작동하게 만드는 핵심 이유라는 것을 깨닫기 전까지는 마치 단순한 배관 작업(plumbing)처럼 들릴 수 있는 기능 중 하나입니다. Oracle AI Agent Studio의 MCP Tool은 이 프로토콜을 실용적이고, 설정 가능하며, 프로덕션 환경에 즉시 적용 가능한(production-ready) 방식으로 에이전트 구축 워크플로우에 도입합니다.
만약 여러분이 Oracle AI Agent Studio에서 에이전트 팀을 구축하고 있으며, 도구가 에이전트에 연결되는 방식을 더 폭넓게 이해하고 싶다면, 이 시리즈의 이전 포스트들을 확인해 보세요. 특히 에이전트가 실시간 비즈니스 데이터와 상호작용하고 실제 동작을 트리거하는 방법을 다룬 Business Object Tool 및 Deep Link Tool 게시물을 추천합니다.
더 많은 도구와 포스트가 이어집니다. 계속 지켜봐 주세요.
AI 자동 생성 콘텐츠
본 콘텐츠는 Dev.to AI tag의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기




