MCP란 무엇인가 — 기획자·PM이 알아야 할 AI 도구 연결

AI는 똑똑한데, 왜 우리 데이터엔 깜깜할까

챗봇에게 "이번 분기 매출 정리해줘"라고 하면 대개 이런 답이 돌아옵니다. "저는 귀사의 데이터에 접근할 수 없습니다." 모델은 똑똑한데, 정작 우리 회사의 문서·일정·고객 정보는 하나도 모릅니다. 그때마다 자료를 복사해 붙여넣어 본 경험, 기획자라면 익숙할 겁니다.

이 간극을 메우는 표준이 요즘 업계에서 가장 많이 언급됩니다. MCP란 AI 모델을 외부 도구와 데이터에 연결하는 공용 규격입니다. 이 글은 코드를 한 줄도 몰라도 되는 선에서, 기획자·PM이 MCP를 왜·언제 챙겨야 하는지 정리합니다. 목표는 "AI에게 뭘 연결할지 판단할 눈"을 갖는 것입니다.

MCP란 — AI에게 도구를 쥐여주는 표준 규격

MCP란 Model Context Protocol의 약자로, Anthropic이 2024년 11월에 공개한 오픈 표준입니다. 한 문장으로 줄이면 이렇습니다 — AI 모델이 외부 도구·데이터와 이야기하는 방식을 통일한 약속.

Anthropic은 이걸 "AI를 위한 USB-C"라고 부릅니다. 예전에는 기기마다 충전 단자가 제각각이라 케이블을 종류별로 들고 다녀야 했지만, USB-C가 하나로 정리해줬죠. MCP도 마찬가지입니다. AI가 구글 드라이브를 보든, 슬랙 메시지를 읽든, 사내 데이터베이스를 조회하든 — 연결 방식을 하나의 규격으로 통일한 것입니다.

여기서 기획자가 기억할 핵심은 딱 하나입니다. MCP는 AI를 더 똑똑하게 만드는 기술이 아니라, 똑똑한 AI를 우리 도구에 꽂는 방법입니다. 모델의 지능이 아니라 연결의 문제라는 것.

MCP 이전과 이후 — 무엇이 달라지나

MCP가 왜 화제인지는 "이전"과 비교하면 선명합니다.

MCP 이전에는, AI 서비스마다 그리고 연결할 도구마다 일대일로 연동을 따로 만들어야 했습니다. AI가 5개, 도구가 10개면 이론상 50가지 연결을 각각 개발해야 했죠. 기획 입장에서는 "그 연동 되나요?"라고 물을 때마다 "그건 아직 안 붙였습니다"라는 답을 듣던 시절입니다.

구분	MCP 이전	MCP 이후
연결 방식	도구마다 제각각 (일대일 개발)	표준 하나로 통일
새 도구 추가	매번 새로 개발	표준만 맞추면 바로 연결
기획자 체감	"그 연동은 아직…"	"표준 지원하면 됩니다"

MCP 이후에는, 도구가 MCP 규격만 맞춰 두면 그 규격을 지원하는 어떤 AI든 곧바로 연결됩니다. 도구를 만드는 쪽도 한 번만 맞추면 되고, AI를 쓰는 쪽도 새 도구를 손쉽게 붙입니다. "N×M 개의 개별 연동"이 "N+M 개의 표준 대응"으로 줄어드는 셈입니다.

MCP는 어떻게 생겼나 — 세 역할만 알면 된다

내부 구조를 코드로 팔 필요는 없습니다. 등장인물이 셋이라는 것만 알면 대화가 통합니다.

호스트와 클라이언트 — AI를 품은 쪽

호스트는 사용자가 실제로 쓰는 AI 앱입니다. 클로드 데스크톱, AI 기능이 붙은 IDE, 사내 AI 챗봇 같은 것들이죠. 이 호스트 안에서 클라이언트가 바깥 도구와의 연결선을 하나씩 관리합니다. 기획자는 이 둘을 묶어 "AI를 쓰는 우리 쪽"이라고 이해하면 충분합니다.

서버 — 도구를 내주는 쪽

MCP 서버는 특정 도구나 데이터를 AI가 쓸 수 있게 내주는 창구입니다. 구글 드라이브 서버, 슬랙 서버, 깃허브 서버처럼 도구별로 존재합니다. 서버가 "나는 이런 걸 할 수 있어요"라고 목록을 내밀면, AI가 그중 필요한 걸 골라 씁니다.

정리하면 흐름은 단순합니다. AI(호스트) → 연결선(클라이언트) → 도구 창구(서버) → 실제 도구·데이터. 기획자는 이 그림에서 "우리는 어떤 서버를 붙일 것인가"만 결정하면 됩니다.

실제로 뭘 연결하나 — MCP 서버의 예

추상적으로 들리니, 실제로 오가는 연결을 예로 보겠습니다. 이미 널리 쓰이는 MCP 서버들입니다.

MCP 서버	AI가 할 수 있게 되는 일
구글 드라이브·노션	사내 문서를 찾아 읽고 요약
슬랙	특정 채널 대화를 정리·검색
깃허브	이슈·코드 변경 내역 조회
데이터베이스	"이번 달 신규 가입자 수" 같은 질의
캘린더	일정 확인·회의 시간 제안

이제 서두의 "이번 분기 매출 정리해줘"로 돌아가 봅시다. 데이터베이스 MCP 서버가 붙어 있으면, AI는 더 이상 "접근할 수 없다"고 하지 않습니다. 필요한 수치를 직접 조회해 정리해 옵니다. 붙박이 지식만 읊던 AI가, 우리 실무 도구를 쓰는 조수로 바뀌는 지점입니다.

왜 지금 중요한가 — 업계 표준이 된 이유

한 회사의 실험으로 끝났다면 굳이 챙길 이유가 없습니다. MCP가 중요해진 건 경쟁하는 거대 기업들이 나란히 채택했기 때문입니다.

Anthropic이 2024년 11월에 공개한 뒤, OpenAI가 2025년 3월에 채택했고, 이어 구글·마이크로소프트·AWS 등이 지원에 합류했습니다. 2025년 12월에는 Anthropic이 MCP를 Linux Foundation 산하 중립 재단에 기부해, 이제는 특정 회사 소유가 아닌 공용 표준으로 운영됩니다. 업계 집계로는 출시 1년 만에 관련 서버 다운로드가 수백만 건을 넘길 만큼 빠르게 퍼졌습니다.

기획자·PM에게 이 흐름이 주는 신호는 분명합니다. "특정 AI 회사에 종속되는 연동"이 아니라, 한 번 표준을 맞춰 두면 여러 AI를 갈아 끼울 수 있는 방향으로 업계가 정리되고 있다는 뜻입니다.

기획자·PM이 판단해야 할 지점

MCP를 직접 구현하는 건 개발자 몫입니다. 하지만 무엇을 연결할지는 기획의 영역입니다. 아래 질문 몇 개만 던져도 판단의 질이 올라갑니다.

• 이 업무에서 AI가 못 하는 이유가 지능 문제인가, 연결 문제인가? 후자라면 MCP가 답일 수 있습니다.
• 어떤 도구를 붙일 것인가? 문서·메시지·DB 중 효용이 가장 큰 것부터.
• 연결하면 AI가 그 데이터를 어디까지 보게 되나? 권한·보안 범위를 먼저 정합니다.
• 민감 정보가 오간다면, 사람이 한 번 확인하는 단계를 끼울 것인가? (이 판단은 사람 검토를 끼운 자동화, 폐루프 이야기와 같은 맥락입니다.)

특히 세 번째, 권한 범위는 기획 단계에서 반드시 짚어야 합니다. 편하다고 모든 데이터를 열어주면, AI가 실수하거나 오남용될 여지가 함께 커집니다. "무엇을 연결하지 않을지"를 정하는 것도 기획입니다.

연결이 곧 경쟁력이 되는 시대

MCP란 결국 AI를 우리 실무 세계에 꽂는 표준 단자입니다. 모델이 아무리 똑똑해도 우리 데이터에 닿지 못하면 회의실 밖 훈수꾼일 뿐이고, 잘 연결되면 실무 조수가 됩니다. 그 차이를 가르는 게 MCP입니다.

앞으로 AI 도구 도입을 논의할 때, "이 모델이 얼마나 똑똑한가"만큼 "우리 도구에 어떻게 연결되는가"가 중요한 질문이 됩니다. 이건 온디바이스에서 하이브리드로 넘어가는 AI의 흐름과도 맞닿아 있습니다 — 결국 승부는 지능 그 자체보다, 그 지능을 어디에·어떻게 붙이느냐에서 갈립니다. 기획자·PM에게 필요한 건 프로토콜을 구현하는 손이 아니라, 무엇을 연결할지 고르는 눈입니다.