MCP(Model Context Protocol)란? 기업 AI 도입의 새로운 표준

하나의 프로토콜이 바꾼 것

2024년 11월 25일, Anthropic은 오픈소스 프로젝트 하나를 공개했다. 이름은 MCP — Model Context Protocol. 발표 직후 반응은 조용했다. AI 커뮤니티에서조차 "또 하나의 프로토콜"이라는 평이 많았다.

6개월이 지나자 상황이 달라졌다. 2025년 3월, OpenAI가 자사 에이전트에 MCP 지원을 추가했다. Google Cloud, Microsoft, Amazon Web Services가 뒤따랐다. 12월 9일에는 Anthropic이 MCP를 Linux Foundation 산하 Agentic AI Foundation(AAIF)에 기부하면서, 경쟁사가 만든 프로토콜을 업계 전체가 공동 표준으로 채택하는 이례적인 장면이 연출되었다.

왜 이 프로토콜에 모두가 모여들었는지, 기업은 무엇을 준비해야 하는지 풀어본다.

AI 연동의 고질적 문제: N:N의 늪

기업이 AI를 업무에 활용하려면, AI 모델이 사내 시스템에 접근할 수 있어야 한다. ERP에서 데이터를 읽고, CRM에 기록을 남기고, 이메일을 보내고, 문서를 생성할 수 있어야 "일하는 AI"가 된다.

MCP 이전에는 이 연결이 모두 1:1 커스텀이었다. Claude에서 Slack을 쓰려면 Slack 전용 통합을 만들어야 하고, GPT에서 Slack을 쓰려면 또 다른 통합을 만들어야 했다. AI 모델이 3개이고 연결할 도구가 10개라면,30개의 개별 통합을 개발하고 유지해야 했다.

MCP는 이 문제를 해결하기 위해 만들어졌다. USB가 프린터, 키보드, 마우스를 하나의 포트로 연결한 것처럼, MCP는 AI와 외부 도구를 하나의 프로토콜로 연결한다. 한번 MCP 서버를 만들면, MCP를 지원하는 어떤 AI 모델에서든 그 도구를 사용할 수 있다. M×N이 M+N으로 줄어든다.

MCP는 어떻게 작동하는가

Host · Client · Server

MCP의 아키텍처는 세 가지 역할로 구성된다.

• Host: AI 애플리케이션. Claude Desktop, Cursor, IDE 등 사용자와 상호작용하는 최상위 프로그램이다.
• Client: Host 내부에서 MCP Server와 1:1로 연결되는 커넥터. 하나의 Host가 여러 Client를 가질 수 있다.
• Server: 외부 도구나 데이터를 표준 인터페이스로 노출하는 프로그램. Google Drive MCP Server, Slack MCP Server, 사내 ERP MCP Server 등.

통신은 JSON-RPC 2.0 기반이다. 클라이언트가 서버에 요청을 보내면, 서버가 처리 결과를 JSON으로 응답한다. 전송 방식은 2025년 업데이트된 Streamable HTTP가 권장된다. 기존 SSE(Server-Sent Events) 방식보다 방화벽 친화적이고, 상태 관리가 단순하다.

Tools · Resources · Prompts

MCP Server가 노출하는 기능은 세 가지로 분류된다.

• Tools: AI가 호출할 수 있는 함수. 파일 읽기, API 호출, DB 쿼리, 이메일 발송 등. 모델이 언제 사용할지 결정한다.
• Resources: AI가 참조할 수 있는 데이터. 문서, 데이터베이스 레코드, API 응답 등. 애플리케이션이 언제 데이터를 가져올지 결정한다.
• Prompts: 재사용 가능한 프롬프트 템플릿. 사용자가 어떤 템플릿을 선택할지 결정한다.

이 구분이 중요한 이유가 있다. Tools는 모델에게 "행동 능력"을 부여한다. Resources는 "맥락"을 제공한다. Prompts는 "시작점"을 표준화한다. 세 가지가 결합되면, AI는 단순한 텍스트 생성기에서 업무 시스템의 일원이 된다.

누가 MCP를 쓰고 있는가

MCP의 첫 번째 물결은 개발 도구에서 시작되었다. AI 코딩 에디터 Cursor는 MCP를 통해 GitHub, 데이터베이스, 문서 시스템을 연결한다. Replit은 에이전트가 개발 환경을 제어할 때 MCP를 사용한다. 코드 검색 도구 Sourcegraph는 Cody AI에 MCP를 통합하여 코드베이스 전체를 맥락으로 활용한다.

Block: 12,000명이 MCP를 쓰는 기업

Block(구 Square)은 MCP의 가장 대규모 엔터프라이즈 도입 사례다. 오픈소스 AI 에이전트 Goose와 MCP를 결합하여, 12,000명의 직원이 15개 직무에서 활용하고 있다.

Block이 주목받는 이유는 규모만이 아니다. 엔지니어뿐 아니라 마케팅, 재무, HR 등 비기술 직무에서도 MCP 기반 도구를 사용하고 있다는 점이다. 결제 시스템, 재고 관리, 고객 데이터를 MCP Server로 노출하여 AI Agent가 종합적인 비즈니스 분석을 수행할 수 있게 했다.

출처: Block, "MCP in the Enterprise" (2025.04) 원문 / The New Stack, "How Block Got 12,000 Employees Using AI Agents" 원문

국내에서도 MCP 기반 엔터프라이즈 AI가 확산되고 있다. QANDA AX는 기획, 디자인, 개발, 데이터, 마케팅, 인프라, 콘텐츠 7개 도메인에 걸쳐 60개 이상의 AI Skills를 MCP 기반으로 운영한다. 도메인별 MCP 서버를 분리하고, Cast(기획)→Spell(구현) 워크플로우로 다단계 AI 업무를 체계적으로 관리하는 구조다.

빅테크의 합류와 AAIF

2025년 3월, OpenAI가 MCP 지원을 발표하면서 전환점이 왔다. Sam Altman은 "사람들이 MCP를 좋아하고, 우리는 우리 제품 전체에 지원을 추가하게 되어 기쁘다"고 말했다. Google, Microsoft, AWS가 뒤따랐다.

12월 9일, Anthropic이 MCP를 Linux Foundation 산하 Agentic AI Foundation(AAIF)에 기부했다. 공동 설립자로 Anthropic, Block, OpenAI가 참여했고, Google, Microsoft, AWS, Cloudflare, Bloomberg가 지원을 표명했다.

경쟁사가 만든 프로토콜을 모두가 채택한다는 것은, 그만큼 N:N 문제가 심각했다는 방증이다. MCP는 특정 기업의 프로토콜이 아닌업계 공동 표준이 되었다.

MCP vs 전통적 API 연동

"기존 REST API로도 연동할 수 있는데, 왜 MCP가 필요하냐"는 가장 흔한 질문이다.

가장 핵심적인 차이는 "도구 발견"이다. 전통 API에서는 개발자가 API 문서를 읽고, 인증 방식을 파악하고, 클라이언트 코드를 작성해야 AI가 도구를 쓸 수 있었다. MCP에서는 AI가 MCP Server에 연결되면 사용 가능한 도구 목록과 스키마를 자동으로 발견한다. 개발자의 중간 작업이 사라진다.

한계와 리스크

MCP가 만능은 아니다. 도입 전 반드시 고려해야 할 제약이 있다.

Autodesk는 이 문제를 인식하고, MCP의 엔터프라이즈 보안 표준을 함께 만들었다. CIMD(Client ID Management) 명세를 기여하여, 어떤 클라이언트가 어떤 서버에 접근하는지를 추적할 수 있게 했다. 보안이 프로토콜 레벨에서 해결되기 시작한 것이다.

기업에서 MCP, 어떻게 시작할 것인가

MCP는 AI Agent가 실제로 업무를 수행하기 위한 핵심 인프라다. 도입은 다음 4단계로 진행한다.

사내 개발 역량이 부족하다면, QANDA AX의 AI 업무 통합 서비스를 활용할 수 있다. QANDA AX는 7개 도메인, 60+ AI Skills를 MCP 기반으로 운영하며, 다양한 산업의 사내 시스템 연동 경험을 보유하고 있다.

MCP 기반 AI 도구를 효과적으로 활용하려면, AI Literacy 교육을 병행하는 것이 좋다. 임직원이 AI의 강점과 한계를 이해해야 MCP로 연결된 도구를 올바르게 사용할 수 있다.