Files
2nd/10_Wiki/Topics/Model_Context_Protocol.md
T

46 lines
3.2 KiB
Markdown

---
id: P-REINFORCE-WIKI-AI-MCP
title: "모델 컨텍스트 프로토콜 (Model Context Protocol, MCP)"
category: Dev
status: verified
canonical_id: ""
aliases: ["MCP", "Model Context Protocol", "AI 데이터 연결", "컨텍스트 표준"]
duplicate_of: ""
source_trust_level: A
confidence_score: 1.0
tags: ["AI_Standard", "Protocol", "Context_Management", "Tool_Use", "LLM_Integration"]
raw_sources: ["Datacollector_Export_2026-05-02"]
last_reinforced: 2026-05-02
github_commit: ""
---
# [[모델 컨텍스트 프로토콜 (Model Context Protocol, MCP)]]
## 1. 개요
Model Context Protocol (MCP)은 AI 어시스턴트(예: Claude)가 외부 도구 및 데이터 소스(GitHub, Jira, 로컬 파일 시스템 등)에 구조화된 방식으로 접근할 수 있도록 해주는 Anthropic의 개방형 표준 프로토콜이다. 개발자가 수동으로 데이터를 복사해 주입하는 대신, AI가 필요한 도구를 직접 호출하여 실시간 컨텍스트를 확보하게 함으로써 '데이터 사일로' 문제를 해결한다.
## 2. 작동 원리 (Server-Client Model)
- **MCP 서버**: 특정 데이터 소스(예: GitHub API)나 로컬 도구를 노출하는 서버. AI가 사용할 수 있는 '도구(Tools)' 목록과 실행 로직을 정의한다.
- **AI 클라이언트 (Host)**: 사용자의 질문을 분석하여 필요한 MCP 서버의 도구를 식별하고, 구조화된 매개변수(JSON)와 함께 호출을 요청한다.
- **도구 호출 (Tool Use)**: 서버는 요청받은 작업을 수행하고 결과를 JSON 형태로 반환하며, AI는 이를 바탕으로 최종 답변을 생성한다.
## 3. 엔지니어링 실무 적용
- **코드베이스 탐색**: AI가 저장소의 디렉토리 구조, 파일 내용, 커밋 이력을 직접 쿼리하여 시스템 아키텍처를 실시간으로 분석.
- **PR 및 이슈 통합**: 풀 리퀘스트의 변경 사항과 연결된 이슈 티켓의 맥락을 결합하여 설계 의도에 맞는 리뷰 수행.
- **동적 지식 연동**: 위키(Confluence), 문서, 데이터베이스 스키마 등 산재된 엔터프라이즈 데이터를 단일 대화 창에서 통합 조회.
## 4. 트레이드오프 및 주의사항
- **장점**: 문맥 상실 없는 연속적인 작업 가능, 도구 재사용성 및 모듈성 확보, 실시간 데이터 기반의 추론.
- **단점**: API 호출에 따른 속도 제한(Rate Limits) 발생 가능, 코드 실행(Execution)이 아닌 읽기(Read) 중심의 프로토콜 한계.
- **보안**: 프라이빗 데이터 접근 시 OAuth 스코프 관리 및 서버의 접근 권한 통제가 필수적임.
## 5. 지식 연결 (Related)
- [[Agentic_Workflows]]: MCP를 통해 손과 발을 얻은 자율형 에이전트의 업무 흐름.
- [[LLM_Context_Extraction]]: MCP를 통해 수집된 파편화된 정보를 유의미한 지식으로 구조화하는 기술.
- [[AI_Powered_Code_Review]]: MCP를 활용하여 고도화된 코드 리뷰를 수행하는 실전 사례.
## 🧪 검증 상태 (Validation)
- **정보 상태**: 검증 완료 (Verified)
- **출처 신뢰도**: A
- **검토 이유**: AI와 외부 데이터 간의 표준화된 연결 고리를 제공하여 지능형 개발 도구의 상호운용성을 확보하기 위한 핵심 프로토콜 정립.