MCP는 정확히 뭘까?

알겠는데 모르겠는 MCP, 도대체 어떻게 쓰는 걸까?
— USB-C? 비유 보다 진짜 작동 원리부터 활용까지

"MCP는 USB-C 같은 거예요"라는 말의 함정

요즘 MCP를 설명할 때 가장 자주 등장하는 말이 있어요.

"MCP는 AI의 USB-C 같은 거예요."

처음엔 저도 그냥 그런가 보다 하며 고개를 끄덕였습니다. 그런데 누군가에게 다시 설명하려 하니 쉽지 않더군요. USB-C가 뭔지부터 사람마다 떠올리는 장면이 다 다르기 때문이였어요 누구는 충전, 누구는 외장하드, 누구는 마우스. 결국 우리는 USB 비유 덕분에 MCP를 이해하는게 더 어려워졌는지도 모릅니다.

그래서 오늘은 비유가 아닌 진짜 MCP가 어떻게 동작하는지를 이해해보려고 합니다. 원리를 그 목적에 따라 하나 둘 살펴보다보면 어느 순간 MCP가 왜 필요한지 손에 잡히게 되기 때문이죠.

LLM은 자체는 사실 굉장히 불완전합니다

과거 GPT-3.5 시절 ChatGPT한테 "오늘 서울 날씨 어때?" 물어보신 적 있으시죠. 당시의 GPT는 그리 똑똑하지 못했죠. 그저 "저는 실시간 정보에 접근할 수 없어서…"라는 그 답답한 답변이 돌아오곤 했습니다.

사실 지금의 LLM 역시 마찬가지 입니다. 그 모델 그 자체로는 본인이 미리 학습한 정보만 알 뿐 검색만 하면 바로 나오는 오늘의 날씨 조차 알지 못하죠. 날것 그대로의 LLM은 생각보다 많은것을 모릅니다.

• 최신 정보를 모르고
• 우리 회사 자료를 모르고
• 단순한 계산도 가끔 잘 모르죠…

그래서 사람들은 일찍부터 두 가지 도구를 추가했습니다. 코드 실행기와 인터넷 검색. 이 두 개만 있어도 LLM은 한층 똑똑해 보였죠.

그런데 우리 정보는 여기저기 흩어져 있어요

문제는 우리의 일상이 인터넷 검색과 계산만으로 굴러가지 않는다는 거예요.

생각해보세요.

• 어제 팀과 나눈 대화는 Slack에
• 분기 보고서는 Google Drive에
• 회의록과 기획안은 Notion에
• 오늘 할 일은 또 다른 할 일 앱에
• 떠오른 아이디어는 또 다른 노트 앱에

ChatGPT한테 "어제 김 대표님과 한 회의 정리해줘"라고 하면 안 되죠. 회의록이 어디 있는지 LLM은 모르니까요.

그래서 우리가 매일 하는 행동은 복붙입니다. 그러다 여기저기 우리의 전문 영역인 Copy & Paste를 반복하다보면 손이 뻐근해지죠. 그러다보니 귀찮아지고 때론 "그냥 내가 하지 뭐." 라고 생각하며 AI에게 일을 시키는게 귀찮아지기까지 하죠.

오해 - LLM이 진짜 잘하는 것

하지만 사실 LLM에 대한 오해가 있습니다. LLM이 가장 잘하는 건 '자유롭고 창의적인 글쓰기'가 아니에요.

진짜 잘하는 건 정형화된 텍스트—코드, JSON, 표 같은 구조화된 형식입니다. Claude에게 "JSON 형식으로 정리해줘"라고 한 번이라도 시켜보신 분이라면 알 거예요. 풀어서 쓸 때보다 훨씬 정확하게 결과를 내준다는 걸요.