본문으로 건너뛰기
AIDevOps
  • Learn
  • Learning Paths
  • Practice
  • Open Source
  • Books
  • Engineering

    AI DevOpsAI 서비스 개발·운영 전체 지도LLMOpsLLM 배포·평가·관측실전 프로젝트AI Agent 프로젝트 실습

    Knowledge

    Docs기술 문서 모음Blog엔지니어링 아티클Plogger개발 기록 피드

    Validate

    Certification3단계 역량 인증 · 준비 중
AI Models
LlamaMistralGemmaDeepSeekQwen
🤖 AI 실전 개발
AI 실전 입문 & 로드맵Hugging FaceLangChainLlamaIndexLLMOps|LangGraphMCPMulti-AgentAgent Evaluation
🧠 AI Core
AI 입문 & 로드맵ML FundamentalsLLM Fundamentals|Python AIC++|PyTorchTensorFlowJAX
🧠 AI Agent 개발
금융 AI AgentLLM API 서버주식 투자 AgentAIOps AI Agent교육 AI Agent코딩 AI Agent
🌱 Spring Cloud
Spring 입문 & 로드맵Spring Cloud GatewaySpring BootJava|Spring AISpring SecuritySpring BatchSpring JPA
🐳 DevOps
DevOps 입문 & 로드맵LinuxDockerCI/CD|Kubernetes 기본K8s 심화/실무PrometheusGrafana
🧱 인프라
인프라 입문 & 로드맵NginxRedis
☁️ 클라우드
클라우드 입문 & 로드맵AWSGCPAzureNCPCloudflare
🎨 Frontend
Frontend 입문 & 로드맵JavaScriptTypeScript|ReactNext.js|VueNuxt
📱 Mobile
Mobile 입문 & 로드맵KotlinAndroidFlutter
⚙️ Backend
Backend 입문 & 로드맵Python 기본FastAPIDjangoFlask|CGoGinNode.js
💾 Database
DB 입문 & 로드맵공통 SQLOracleMySQLPostgreSQL|MongoDB벡터 DB
🧪 검증
k6JMeternGrinder
AIDevOps

Engineering AI. From Code to Production.
AI와 AI Agent를 개발하고 운영하기 위한 엔지니어링 학습 플랫폼

Learn

  • 전체 가이드
  • Learning Paths
  • Practice
  • Books

Resources

  • AI DevOps
  • LLMOps
  • 실전 프로젝트
  • Docs
  • Blog
  • Plogger
  • Open Source
  • Certification (준비 중)

Start Here

  • AI Core 로드맵
  • AI 실전 개발 로드맵
  • Spring Cloud 로드맵
  • DevOps 로드맵
  • 인프라 로드맵

 

  • 클라우드 로드맵
  • Frontend 로드맵
  • Mobile 로드맵
  • Backend 로드맵
  • Database 로드맵
© 2026 AI DevOps Korea. All rights reserved.
이용약관개인정보처리방침Sitemaptestforge.kr
  1. Home
  2. Learn
  3. AI 실전 개발
  4. MCP
Model Context Protocol 가이드

🔌 MCP 완전 가이드

Visitors

MCP(Model Context Protocol)로 AI Agent가 표준화된 방식으로 외부 도구와 데이터 소스에 연결하도록 구성합니다. 매번 커스텀 통합을 짜는 대신, 재사용 가능한 MCP 서버·클라이언트 구조를 익힙니다.

  • Advanced · 심화
  • 업데이트 2026.09.06
  • 약 3분 읽기
  • 6개 섹션
  • 예제 코드 2개

포함된 Learning Path

이 가이드는 아래 경로의 한 단계입니다. 앞뒤 순서와 함께 학습해보세요.

  • AI Agent Engineer →
외부 도구/데이터 표준 연결MCP 서버 구축Agent 도구 확장재사용 가능한 통합

목차

0 / 8
  1. 가이드 사용법
  2. 구조 다이어그램
  3. MCP란?
  4. 아키텍처
  5. MCP 서버 만들기
  6. Resources / Tools / Prompts
  7. Agent에서 연결하기
  8. 보안 고려사항
목차 8개 섹션
  1. 가이드 사용법
  2. 구조 다이어그램
  3. MCP란?
  4. 아키텍처
  5. MCP 서버 만들기
  6. Resources / Tools / Prompts
  7. Agent에서 연결하기
  8. 보안 고려사항

가이드 사용법

읽는 방향

MCP를 실무 흐름으로 이해하기

MCP(Model Context Protocol)로 AI Agent가 표준화된 방식으로 외부 도구와 데이터 소스에 연결하도록 구성합니다. 매번 커스텀 통합을 짜는 대신, 재사용 가능한 MCP 서버·클라이언트 구조를 익힙니다. 이 가이드는 개념을 나열하기보다, 실제 프로젝트에서 판단해야 하는 순서대로 내용을 따라갈 수 있게 구성했습니다.

핵심 관점

AI / LLM 시스템

모델과 프롬프트만 보지 않고, 데이터 흐름, 평가, 배포 이후의 운영 지표까지 한 번에 연결해서 봅니다.

외부 도구/데이터 표준 연결MCP 서버 구축Agent 도구 확장재사용 가능한 통합

구조 다이어그램

글로 읽은 내용을 머릿속에 오래 남기려면 먼저 흐름을 그림으로 잡는 편이 좋습니다. 아래 두 그림은 MCP를 학습할 때 계속 되돌아볼 수 있는 기준 지도입니다.

학습 흐름

다이어그램 렌더링 중…

아키텍처 관점

다이어그램 렌더링 중…

MCP란?

MCP를 처음 펼칠 때는 세부 명령보다 큰 그림이 먼저입니다. 이 섹션에서는 앞으로 배울 개념들이 어떤 문제를 풀기 위해 등장했는지부터 잡아봅니다.

MCP는 AI 애플리케이션이 외부 도구·데이터 소스에 연결되는 방식을 표준화한 오픈 프로토콜입니다. USB-C가 기기마다 다른 케이블을 표준 포트 하나로 통일한 것처럼, MCP는 "LLM 애플리케이션마다 커스텀 통합을 새로 짜야 하는" 문제를 표준 인터페이스로 해결합니다.
방식통합 방법재사용성
커스텀 Tool CallingAgent 프레임워크마다 도구 스키마를 직접 정의프레임워크·프로젝트마다 다시 작성해야 함
MCP표준 프로토콜로 서버 하나만 구현MCP를 지원하는 모든 Agent/클라이언트에서 재사용

아키텍처

아키텍처은 선택지가 갈리는 지점입니다. 표를 기준으로 각 방법의 쓰임새와 운영상의 차이를 비교해두면 이후 판단이 훨씬 쉬워집니다.

MCP는 Host-Client-Server 3단 구조입니다.
구성요소역할
HostClaude Desktop, IDE 등 사용자가 실제로 쓰는 애플리케이션
ClientHost 내부에서 하나의 MCP 서버와 1:1로 연결을 관리
Server실제 도구·데이터·프롬프트를 제공하는 경량 프로그램 (로컬 또는 원격)

MCP 서버 만들기

여기서는 MCP 서버 만들기을 실제 코드와 함께 확인합니다. 예제를 그대로 따라 하기보다, 입력과 출력, 그리고 바뀌기 쉬운 부분이 어디인지 보면서 읽어보세요.

Python MCP SDK로 도구 하나를 노출하는 최소 서버를 만들어봅니다.
mcp_server.pyPYTHON
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("weather-server")

@mcp.tool()
def get_weather(city: str) -> str:
    """도시 이름으로 현재 날씨를 조회합니다."""
    # 실제로는 날씨 API 호출
    return f"{city}: 맑음, 22°C"

if __name__ == "__main__":
    mcp.run(transport="stdio")   # 로컬 프로세스 간 통신

Resources / Tools / Prompts

Resources / Tools / Prompts은 선택지가 갈리는 지점입니다. 표를 기준으로 각 방법의 쓰임새와 운영상의 차이를 비교해두면 이후 판단이 훨씬 쉬워집니다.

MCP 서버는 세 가지 종류의 기능을 노출할 수 있습니다.
종류성격예시
Resources읽기 전용 데이터 (GET과 유사)파일 내용, DB 레코드, API 응답
Tools부작용이 있는 실행 가능한 액션 (POST와 유사)이메일 발송, 티켓 생성, 계산 실행
Prompts재사용 가능한 프롬프트 템플릿"이 코드를 리뷰해줘" 같은 정형화된 요청

Agent에서 연결하기

여기서는 Agent에서 연결하기을 실제 코드와 함께 확인합니다. 예제를 그대로 따라 하기보다, 입력과 출력, 그리고 바뀌기 쉬운 부분이 어디인지 보면서 읽어보세요.

LangGraph 등 Agent 프레임워크에서 MCP 서버를 도구로 등록하면, Agent는 마치 로컬 함수를 호출하듯 MCP 서버의 도구를 사용할 수 있습니다.
mcp_client.pyPYTHON
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

server_params = StdioServerParameters(command="python", args=["mcp_server.py"])

async def use_mcp_tool():
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()
            tools = await session.list_tools()          # 서버가 노출한 도구 목록 조회
            result = await session.call_tool("get_weather", {"city": "서울"})
            return result

보안 고려사항

이 섹션은 보안 고려사항을 실무 관점에서 정리합니다. 개념을 외우기보다, 어떤 상황에서 이 기준을 꺼내 쓸지에 초점을 맞춰보세요.

MCP 서버는 실제 시스템(파일, DB, 외부 API)에 접근하는 경우가 많아 신뢰 경계를 명확히 해야 합니다.

Tip

  • 외부에서 받은 MCP 서버는 코드를 검토하기 전까지 프로덕션 자격 증명과 함께 실행하지 마세요.
  • Tool마다 필요한 최소 권한만 부여하고, 삭제·결제처럼 되돌릴 수 없는 액션은 Human-in-the-loop 승인을 거치도록 설계하세요 (langgraph 가이드 참고).
  • 다음 단계로 multi-agent 가이드에서 여러 Agent가 이런 도구들을 나눠 갖고 협업하는 구조를 다룹니다.
← 이전 가이드LangGraph다음 가이드 →Multi-Agent