MCP는 AI 애플리케이션이 외부 데이터와 도구에 연결할 때 따르는 공개 프로토콜입니다. Model Context Protocol의 약자로, 사용할 기능을 확인하고 요청과 결과를 주고받는 방법을 정합니다.
AI 앱마다 데이터베이스, 문서 저장소, 업무 도구를 제각기 연동하면 같은 기능도 앱에 맞춰 다시 개발해야 합니다. MCP는 앱과 외부 시스템이 지원 기능을 확인하고 메시지를 주고받는 방식을 통일해 이런 연동 작업을 줄입니다.
호스트, 클라이언트와 서버의 역할
- 호스트: 사용자가 쓰는 AI 애플리케이션입니다. 서버 연결과 사용자 승인, 모델에 전달할 정보를 관리합니다.
- 클라이언트: 호스트 안에서 특정 MCP 서버와 메시지를 주고받습니다. 여러 서버에 연결하면 서버별 클라이언트를 둡니다.
- 서버: 외부 데이터나 실행할 기능을 MCP 규격으로 제공합니다. 같은 컴퓨터에서 실행할 수도 있고 원격 서비스로 운영할 수도 있습니다.
서버가 제공하는 항목은 크게 세 가지입니다. 도구(tools)는 데이터 조회처럼 실행할 기능, 리소스(resources)는 파일 내용처럼 읽을 데이터, 프롬프트(prompts)는 모델과의 대화에 재사용할 템플릿입니다. 모든 서버가 세 항목을 전부 제공하는 것은 아닙니다.
요청부터 도구 실행까지
Search Console 조회 도구가 있는 MCP 서버를 연결하고 조회 권한을 부여했다면, “이번 달 클릭을 지난달과 비교해 줘”라는 요청을 다음과 같이 처리할 수 있습니다.
- 호스트가 클라이언트를 이용해 서버의 도구 목록을 확인합니다.
- 모델이 요청에 맞는 조회 도구와 기간 값을 선택합니다.
- 승인이 필요하면 호스트가 실행 내용과 권한을 사용자에게 보여 줍니다.
- 클라이언트가 서버에 도구 호출을 보냅니다.
- 서버가 조회 결과를 반환합니다.
- 호스트가 조회 결과를 모델에 전달하고, 모델이 그 내용을 바탕으로 답합니다.
이때 MCP는 도구 목록, 호출 인자와 결과를 주고받는 규격을 제공합니다. 어떤 기간을 조회할지 정하는 일은 모델과 앱의 몫이며, 서버는 실제 데이터 접근 권한을 검사하고 조회를 실행합니다. 연결이 정상이어도 기간이나 집계 기준을 잘못 선택하면 비교 결과는 틀릴 수 있습니다.
함수 호출과 무엇이 다른가
함수 호출은 모델이 실행할 기능과 인자를 구조화된 요청으로 출력하는 방식입니다. MCP는 앱과 서버가 제공 기능을 확인하고 요청과 결과를 교환할 때 따르는 규격입니다.
모델이 함수 호출로 도구와 인자를 정하고 MCP 클라이언트가 이를 서버로 전달할 수 있으므로 두 방식은 함께 쓰입니다. 반대로 외부 기능을 앱의 자체 API 연동으로 실행한다면 MCP를 거치지 않을 수도 있습니다.
권한과 보안 책임
MCP는 사용자 동의와 접근 통제 원칙을 제시하고, HTTP 연결에는 인증 방식을 연계할 수 있습니다. 그러나 규격을 지원한다는 사실만으로 서버가 안전하거나 모든 작업이 승인된 것은 아닙니다. 호스트와 서버가 실제 권한 검사와 승인 절차를 구현해야 합니다.
조회만 필요한 연결에 쓰기나 삭제 권한까지 부여하지 않고, 승인 화면에는 실행할 작업과 대상 데이터를 보여 줍니다. 실행 기록에는 호출한 도구, 입력값, 반환 결과와 오류를 남겨 잘못된 요청을 추적할 수 있어야 합니다. 사용하지 않는 서버 연결과 권한도 해제합니다.
지원 범위 확인 방법
- 서버가 같은 컴퓨터에서 실행되는지 원격으로 연결되는지 확인하고, AI 제품이 그 연결 방식을 지원하는지 대조합니다.
- 필요한 도구, 리소스나 프롬프트가 서버에 있는지 확인합니다. 제품이 MCP를 지원해도 서버의 모든 기능을 이용할 수 있다고 단정할 수는 없습니다.
- 제품과 서버가 지원하는 명세 버전, 인증 방식과 승인 절차를 맞춥니다.
- 결과를 미리 아는 조회 작업을 실행해 반환값을 원본과 대조하고, 실행 기록에 같은 요청이 남았는지 확인합니다.
MCP 명세는 날짜를 붙인 버전으로 공개되며, 버전에 따라 지원 기능을 확인하는 절차도 달라집니다. 오래된 구현 예제를 그대로 적용하기 전에 연결할 양쪽이 어느 버전을 지원하는지 확인해야 합니다.
공개와 지원 확대 과정
Anthropic은 2024년 11월 MCP를 공개했습니다. 이후 Google의 Agent Development Kit는 MCP 도구를, OpenAI의 Responses API는 원격 MCP 서버 연결을 지원했습니다.
2025년 12월에는 리눅스 재단 산하 에이전틱 AI 재단(AAIF)에 기증됐습니다. 재단이 중립적인 운영 기반을 제공하며, MCP 유지관리자들이 기술 방향과 일상 운영을 계속 결정합니다.
SEO 업무에서 MCP를 쓰는 경우
SEO 업무에서는 에이전트가 검색 실적이나 사내 자료를 조회하고 분석하는 연결 수단으로 쓸 수 있습니다. 앞선 Search Console 예시처럼 데이터 조회 기능을 연결하는 일과, 공개 웹페이지를 크롤링하고 색인하는 일은 다릅니다. MCP 서버를 만들었다고 그 데이터가 일반 검색결과나 AI 답변의 공개 출처로 자동 등록되지는 않습니다.
자주 묻는 질문
MCP는 Anthropic 제품인가요?
Anthropic이 시작한 공개 규격으로, 현재 AAIF 산하에서 MCP 유지관리자들이 개발을 이끕니다. 여러 회사가 각자의 앱과 서버에 구현할 수 있습니다.
함수 호출이 있는데 MCP가 왜 필요한가요?
함수 호출은 모델의 도구 요청 형식을 정합니다. MCP는 앱과 서버 사이에서 도구 목록을 확인하고 요청과 결과를 교환하는 절차를 정하므로 두 방식을 함께 쓸 수 있습니다.
우리 회사도 MCP 서버를 만들어야 하나요?
에이전트에 예약, 재고, 문서 조회 같은 기능을 제공할 때 검토합니다. 이미 쓰는 서비스에 필요한 MCP 서버가 있다면 새로 만들지 않고 연결할 수 있습니다. 공개 콘텐츠의 검색 노출이 목적이라면 서버 구축보다 페이지의 수집과 색인 상태를 먼저 점검해야 합니다.
함께 알아두면 좋은 용어
- AI 에이전트: 외부 도구를 사용해 여러 단계를 수행하는 AI 시스템
- 함수 호출: 모델이 도구 사용 요청을 구조화하는 방식
- 에이전틱 검색: 에이전트가 목표에 맞춰 정보를 찾는 방식
- AI 크롤러: AI 학습, 검색이나 사용자 요청을 위해 웹 콘텐츠를 가져오는 프로그램