Model Context Protocol (MCP): AI 시스템과 비즈니스 환경 연결을 위한 오픈 표준
카테고리
프로그래밍/소프트웨어 개발
서브카테고리
개발 툴
대상자
AI 모델 및 기업 시스템 통합을 담당하는 개발자, DevOps 엔지니어, 기업 IT 담당자
- 난이도: 중간~고급 (프레임워크 이해 필요)*
핵심 요약
- MCP는 LLM(대규모 언어 모델)과 기업 시스템 간 데이터/기능 공유를 표준화한 프로토콜
- MCP 구성 요소: MCP Server(백엔드 기능 제공), MCP Client(서버와 1:1 통신), MCP Host(LLM과 상호작용하는 앱)
- 운영 방식: JSON-RPC 2.0 기반, STDIO(로컬 환경), SSE(리모트 서버) 두 가지 전송 방식 지원
- 구현 예시: Spring AI를 활용한 AWS S3 서비스 연동 (버킷 목록 조회, 파일 업로드/다운로드 등 기능 제공)
섹션별 세부 요약
1. MCP 소개
- 문제 인식: LLM이 기업 데이터/기능에 접근하는 표준화된 방법 부재
- MCP 역할: LLM이 실제 시스템과 상호작용(예: 주문 처리, 데이터 분석) 가능하게 함
- 사용 사례: 자연어로 S3 버킷 조작, 비즈니스 프로세스 자동화
2. MCP 구성 요소
- MCP Server: 데이터베이스, API 등 외부 시스템 연결 가능
- MCP Client: 서버와 직접 통신(예: Cursor, Claude Desktop 등 MCP Host 앱 사용)
- MCP Host: LLM과 사용자 간 중개 역할, 예: OpenAI Agents SDK
3. 전송 프로토콜
- STDIO: 로컬 환경에 적합, 저지연, 간단한 설정
- SSE: HTTP 기반 리모트 서버 지원, 다중 사용자 처리 가능
- 차이점: STDIO는 클라이언트가 서버 시작/종료, SSE는 서버 자동 실행
4. MCP 기능 제공 요소
- Resources: 읽기 전용 데이터(예: 파일, 로그, API 응답)
- Prompts: 사용자 상호작용 템플릿(예: 워크플로우 구조화)
- Tools: 시스템 기능 실행(예: S3 버킷 조작, 데이터베이스 조작)
5. Spring AI 기반 구현 예시
- 목표: AWS S3 서비스를 자연어로 조작 가능한 LLM 도구 개발
- 기능: 버킷 목록 조회, 객체 업로드/다운로드, 메타데이터 확인
- 설정: AWS 액세스 키, 시크릿 키, 리전 정보 제공
- 구현 툴: Spring Initializr로 프로젝트 생성, MCP 서버 의존성 추가
결론
- 실무 적용 팁: Spring AI와 STDIO 전송 방식을 활용해 AWS S3 연동 구현 (Spring Initializr로 프로젝트 생성 후 MCP 서버 의존성 추가)
- 권장사항: MCP Host 앱(Cursor 등)과 연동하여 개발 환경에서 S3 조작 가능
- 추가 참고: 공식 문서