첫 번째 MCP 서버 만들기 (빠른 시작)

분야

프로그래밍/소프트웨어 개발

MCP 기반 AI 애플리케이션 개발에 관심 있는 개발자, LLM과 외부 도구 연동을 원하는 개발자

난이도: 초보자 및 중급 개발자에게 적합한 실습 가이드

* MCP(Model Context Protocol)은 LLM이 외부 도구와 상호작용하는 오픈 스탠다드 프로토콜로, LLMs가 다양한 데이터 소스에서 컨텍스트를 얻고 작업을 대행할 수 있도록 합니다.
*Python SDK를 활용해 간단한 웨더 도구를 구현해 MCP 서버를 빌드하고, ollmcp** 클라이언트로 테스트할 수 있습니다.
*plug-and-play** 방식으로 3단계(프로젝트 생성, 코드 작성, 구성 파일 설정)으로 빠르게 서버를 구동할 수 있습니다.
*FastMCP, uv, urllib** 등 핵심 라이브러리와 도구를 코드 형식으로 강조합니다.

- MCP(Model Context Protocol)는 Anthropic이 발표한 LLM과 외부 도구 연동을 위한 표준 프로토콜로, 커뮤니티가 공통된 방식으로 AI 앱을 연결할 수 있도록 설계되었습니다.

- LLMs가 데이터 소스에서 컨텍스트를 추출하고, 작업을 대행할 수 있도록 하는 오픈 스탠다드로, 모든 도구가 plug-and-play 방식으로 활용 가능합니다.

- 단순성과 표준화가 MCP의 주요 강점으로, 다양한 AI 애플리케이션 간 통합을 용이하게 합니다.

- 도구 선택: 간단한 예시로 도시별 날씨 정보를 제공하는 웹 서버를 구축합니다.

- SDK 선택: Python SDK를 사용해 MCP 서버를 개발하며, uv를 프로젝트 관리 도구로 활용합니다.

- 코드 구조: FastMCP를 기반으로 get_weather() 함수를 정의하고, urllib을 사용해 wttr.in API를 호출합니다.

- 코드 예시:

```python

from mcp.server.fastmcp import FastMCP

import urllib

mcp = FastMCP("Weather")

@mcp.tool()

def get_weather(city: str) -> str:

...

```

- MCP 서버 구성 파일: mcp-servers-config.json을 생성해 클라이언트가 서버 위치와 명령어를 인식할 수 있도록 설정합니다.

- ollmcp 클라이언트: Ollama 기반의 오픈소스 클라이언트로 MCP 서버와의 상호작용을 테스트합니다.

- 실행 명령어:

```bash

ollmcp --servers-json mcp-servers-config.json --model qwen2.5:7b

```

- 테스트 결과: LLM이 MCP 서버를 통해 날씨 정보를 요청하고, 응답을 기반으로 완성된 답변을 생성합니다.

- 간편한 통합: MCP 서버는 다른 AI 애플리케이션과의 연동을 쉽게 지원하며, API 공유가 가능합니다.

- 확장성: 기존 MCP 서버를 기반으로 다양한 도구를 추가하거나, 새로운 클라이언트를 개발할 수 있습니다.

- 커뮤니티 자원: 공식 및 커뮤니티에서 제공하는 MCP 서버 목록을 활용해 다양한 도구와 연동할 수 있습니다.

MCP는 LLM과 외부 도구 간의 상호작용을 단순화하는 오픈 스탠다드로, Python 기반 서버 구축을 통해 쉽게 활용할 수 있습니다.

추가로, 공식 문서와 커뮤니티 리포지토리를 참고해 더 많은 기능을 탐구해 보세요.