😎 AI 에이전트란?

MCP에 대해 이야기하기 전에 먼저 AI 에이전트가 무엇이고 현재 이를 사용하는데 어떤 문제가 있는지 살펴보겠습니다.
우선 최근 대형 언어 모델 (Large Language Model, LLM)이 엄청나게 발전하며 큰 혁신을 가져왔습니다. 하지만 현재 LLM은 아래와 같은 부족한 점들이 있습니다.
- 실시간 정보 접근 불가: 학습 시점 이후 데이터는 모름 (최신성 반영 불가)
- 환각 현상 (Hallucination): 잘 모르는 내용에 대해서도 확신을 가지고 대답하는 현상 발생
- 복잡한 문제 해결 어려움: 여러 추론 단계를 거쳐야 하는 문제에 약함
- 외부 시스템 연동 불가: 직접 API를 호출하거나 외부 도구를 사용하는 능력이 없음
이와 같은 LLM의 한계점들을 개선하기 위해 AI 에이전트에 대한 연구가 활발하게 일어나고 있습니다.
- AI 에이전트는 단순히 질문에 대한 답만 하는 것이 아니라 스스로 계획하고 판단하며 적절한 도구를 사용하여 더욱 사용자의 요청에 대해 적절한 응답을 할 수 있습니다.
  - 에이전트의 응답 도출 과정 예시: 문제를 이해 (지각) → 상황을 파악 (추론) → 필요한 행동을 계획 → 행동을 수행 → 결과 응답
- 이때 행동에는 외부 도구 사용 (예시: 웹 검색, 외부 API 사용), 코드 실행, 로컬 파일 사용 등이 포함될 수 있습니다.
AI 에이전트가 추론하는 과정에 대한 예시는 다음과 같습니다.
- 사용자의 질문: "오늘 서울 날씨 알려줘."
- 에이전트의 추론
  - 지각: 사용자가 오늘 서울의 날씨를 알고 싶어하는구나.
  - 추론: 나는 현재 서울의 날씨를 알 수 없으니까 외부 날씨 API를 써야겠다.
  - 행동: 날씨 서버에 '서울' 날씨를 요청.
  - 결과: "오늘 서울은 흐림, 18°C"라는 정보를 받고 이 정보를 참고한 응답을 사용자에게 전달
또한 에이전트는 이렇게 하나의 도구만을 사용하는 것이 아니라 복잡한 문제에 대해 여러 도구를 사용하여 충분한 정보를 얻고 이를 모두 활용하여 정확한 응답을 할수도 있습니다.
종합적으로 AI 에이전트는 다음과 같은 장점을 가집니다 💪
- 복잡한 작업 처리: 단순한 질문, 응답을 넘어 여러 단계를 통한 문제 해결 가능
- 자율성: 매번 사람이 규칙으로 정할 필요 없이 스스로 계획하고 필요한 행동을 수행
- 유연성: 새로운 도구가 추가되거나 기존 도구가 제거 되어도 유연하게 사용 가능
하지만 이런 AI 에이전트도 개선해야 할 부분이 있습니다.
- 예를 들어 에이전트가 “웹 검색”, “수학 연산”, “날씨 불러오기”, “메일 확인”과 같이 다양한 도구를 사용할 수 있게 구현한다고 가정해보겠습니다.
- 이때 각각의 도구마다 다른 방식의 입력과 출력 형식, 다른 호출 방법을 가진다면, 사용자가 에이전트를 구축할때 각각의 도구들을 따로 관리해야 됩니다.
- 이렇게 되면 새로운 도구가 추가되거나 기존 도구가 제거될 때마다 에이전트 코드를 복잡하게 수정해야 하고, 도구 간 호환성 문제나 예외 상황도 직접 처리해야 하므로 전체 시스템이 쉽게 복잡해지고 불안정해질 수 있습니다.
위와 같은 문제를 해결하기 위해 등장한 것이 바로 MCP입니다! 🚀

👋 MCP란?

MCP (Model Context Protocol)는 Claude를 개발한 회사인 Anthropic에서 처음 제안했으며 AI 에이전트가 외부의 다양한 도구를 일관된 방식으로 사용할 수 있도록 표준화한 통신 규약입니다.
- 조금 더 쉬운 이해를 위해 AI 에이전트가 사용하는 도구들을 전자레인지, TV, 선풍기와 같은 가전제품으로 생각하여 비유적으로 설명해보겠습니다.
  - 만약 이 모든 가전 제품들이 어떤 것은 220V 콘센트를 쓰고, 어떤 것은 110V 콘센트를 쓰고, 어떤 것은 127V 콘센트를 사용하고 있다면 각각의 가전 제품마다 콘센트를 다 다르게 만들어야하고, 사용할때마다 변압기를 쓰거나 연결 방식을 사용자가 모두 관리해야 되므로 사용이 복잡하고 불편해집니다.
  - 그런데 만약 “모든 가전 제품이 이제부터 다 같이 220V와 같은 모양의 콘센트를 쓰자!”라고 규격을 표준화한다면 어떤 가전제품이든지 코드를 꽂기만 하면 바로 사용할 수 있을 것입니다! 🔌
- MCP도 이 비유의 내용과 동일한 역할을 통해 문제를 해결했습니다.
  - AI 에이전트가 다양한 외부 도구(검색, 수학, 날씨 조회 등)를 사용할 때 도구마다 요청 형식과 호출 방법이 다르면 사용이 복잡하고 불편해집니다.
  - 이에 따라 “모든 AI 에이전트의 도구들은 같은 규약 (MCP 프로토콜)을 따라야해!”라고 규격을 표준화 한 것으로 생각하면 됩니다.
  - 이에 따라 MCP 프로토콜을 사용하면 새로운 도구가 추가되거나 제거되어도 간단한 수정만으로 에이전트에 적용이 가능합니다! 😳
- 이렇게 비유적으로 표현한 내용을 GPT를 통해 정리 및 그림 생성한 결과가 다음과 같습니다!

MCP의 구성 요소
- MCP는 크게 3가지의 요소로 구성되어있습니다!
  - MCP 서버 (Server)
  - MCP 클라이언트 (Client)
  - 통신 방법 (Transport)
- 각각의 구성 요소에 대해 자세히 한번 알아보겠습니다 🔎
  - MCP 서버
    - 역할: 외부 도구를 제공 → 실제 “검색”, “계산” 등을 수행하는 역할
      - 이 도구들은 모두 MCP 표준 형식으로 등록되고 사용됨
    - MCP 서버가 하는 일
      - 사용 가능한 도구 목록을 제공
      - 요청을 받아 도구 실행
      - 결과를 표준 형식으로 반환
  - MCP 클라이언트
    - 역할: 에이전트가 필요한 도구를 선택해서 요청을 보내고 결과를 받아옴
    - MCP 클라이언트가 하는 일
      - 도구 목록 가져오기
      - 도구 요청 생성 및 전송
      - 결과 수신 및 응답 수행
  - Transport
    - 역할: 서버와 클라이언트 사이의 통신 방식
    - 여기에는 표준 입출력 통신인 stdio 방식과 HTTP 스트리밍 방식인 sse가 있지만 이는 추후에 직접 서버와 클라이언트 코드를 구성하면서 설명하겠습니다.

🔚 결론

AI 에이전트는 여러 도구를 사용하는데 이때 각 도구들이 서로 입출력 방식이나 통신 방식이 모두 다르다면 사용이 어렵습니다.
이를 해결하기 위해 고안된 MCP는 AI 에이전트가 여러가지 도구를 사용할 때 이 도구들을 일관된 방식으로 사용할 수 있도록 표준화한 통신 규약입니다.
현재 MCP에는 단순한 검색, 날씨 등의 도구를 넘어서 구글 맵, Adobe, Figma 등 다양한 실서비스 도구들을 적용할 수 있으며 AI 에이전트를 통해 이런 도구들을 자동으로 사용하고 생산성을 크게 향상 시킬 수 있을 것으로 기대되고 있습니다 🤩
다음 내용에서는 실제 MCP 서버와 클라이언트를 구성하고 stdio 방식으로 통신하여 에이전트가 실제로 도구를 사용하는 코드를 작성해보겠습니다.

참고 자료
- https://modelcontextprotocol.io/introduction
- https://www.anthropic.com/news/model-context-protocol

박사개구리의 블로그

[MCP Study] 0. MCP 개요

😎 AI 에이전트란?

👋 MCP란?

🔚 결론

티스토리툴바