MCP 설명: MCP 서버란 무엇이며 어떻게 작동하나요?

MCP 서버는 Model Context Protocol을 통해 AI 애플리케이션에 도구, 데이터 또는 재사용 가능한 프롬프트를 제공하는 프로그램입니다. 기반 시스템이 문서 사이트, 파일 시스템, 업무용 API 중 무엇이든, 호환되는 애플리케이션은 공통된 방식으로 기능을 발견하고 사용할 수 있습니다.

이 가이드는 서버 연결부터 검증 가능한 AI 답변까지 하나의 예제를 따라갑니다. 먼저 Microsoft의 공개 문서 서버를 살펴보고 직접 검색합니다. 그런 다음 Quickchat AI 에이전트에 연결하고, 에이전트가 사용할 도구를 선택한 뒤 질문이 답변으로 이어지는 과정과 Inbox의 도구 호출 기록을 확인합니다.

연동의 양쪽을 확인합니다. 서버가 제공하는 도구와 에이전트가 질문에 답하기 위해 실제로 사용하는 도구입니다.

호스트, 클라이언트, 서버 설명을 읽거나, Inspector 실습을 시작하거나, Quickchat AI 대화 및 Inbox 실습으로 바로 이동하세요. Inspector에는 Node.js와 인터넷 연결이 필요합니다. Quickchat AI 실습에는 계정과 테스트 답변을 생성할 AI 크레딧이 필요합니다. Microsoft의 공개 서버에는 Microsoft 계정이나 API 키가 필요하지 않습니다.

MCP 서버란 무엇인가요?

MCP 서버는 호환되는 AI 애플리케이션에 도구를 사용하고 정보에 접근할 수 있는 인터페이스를 제공합니다. 서버라는 말은 위치가 아니라 역할을 나타냅니다. 노트북에서 실행되는 작은 프로그램일 수도 있고, URL로 접근하는 호스팅 서비스일 수도 있습니다.

예를 들어 파일 시스템 서버는 선택한 파일에 대한 접근을 제공할 수 있습니다. 기업 지식 서버는 승인된 문서로 질문에 답할 수 있습니다. SaaS 공급업체의 서버는 해당 서비스의 작업을 제공할 수 있습니다. 특정 호출자가 접근할 수 있는 범위는 구현과 권한에 따라 달라집니다.

MCP 아키텍처는 세 가지 책임을 구분합니다.

하나의 호스트는 여러 서버를 사용할 수 있습니다. 각 연결에는 별도의 클라이언트 구성 요소가 있습니다. 그림의 서비스는 MCP 서버가 AI 앱을 여러 API에 연결하는 방식을 보여 줍니다.

서버는 다음 세 가지 주요 기능을 제공할 수 있습니다.

서버는 이러한 기능을 하나 이상 제공할 수 있습니다. 이 가이드에서 문서 검색은 도구입니다. 쿼리를 보내고 결과를 받습니다. 리소스는 URI로 식별되는 데이터를 읽는 별도의 인터페이스입니다.

MCP는 프로토콜로서 어떻게 작동하나요?

프로토콜은 시스템 간 통신 방식을 정하는 규칙의 집합입니다. 엄격한 문법 규칙을 갖춘 공통 언어라고 생각하면 됩니다. 예를 들어 HTTP는 브라우저가 페이지를 요청하는 방식과 웹 서버가 응답하는 방식을 정의합니다. 실제 작업은 브라우저와 서버가 수행하고, 프로토콜은 둘 사이의 대화를 규정합니다.

MCP는 이 개념을 AI 애플리케이션이 사용하는 도구와 데이터에 적용합니다. 클라이언트가 서버의 제공 기능을 발견하고, 작업을 요청하며, 결과를 받는 방법을 정의합니다.

일반적인 도구 사용 애플리케이션에서는 MCP 클라이언트가 사용 가능한 도구를 발견합니다. 호스트는 필요한 정의를 모델에 제공합니다. 도구가 선택되면 클라이언트가 서버로 구조화된 요청을 보내고, 서버는 작업을 실행한 뒤 결과를 반환합니다. 호스트는 이 결과를 모델에 전달해 사용자에게 답하는 데 활용하게 합니다.

MCP 서버가 기반 시스템과의 통합을 처리합니다. 도구의 제공 범위, 실행 정책, 결과를 대화에 반영하는 방식은 여전히 호스트가 제어합니다.

아래 예제에는 두 가지 메서드 이름이 반복해서 등장합니다.

• tools/list는 입력 스키마를 포함해 서버가 호출자에게 제공하는 도구를 조회합니다.
• tools/call은 구조화된 인수와 함께 이름으로 특정 도구의 실행을 요청합니다.

메시지는 JSON-RPC 2.0을 사용합니다. 서버는 API 호출, 인덱스 검색, 로컬 파일 읽기 등을 통해 결과를 만들 수 있습니다. 예를 들어 Google Drive에 연결된 서버는 MCP 파일 검색 요청을 Google Drive API 호출로 변환하고 일치하는 파일을 반환할 수 있습니다. 이는 한쪽에서는 MCP로, 다른 쪽에서는 해당 서비스의 API로 통신하는 API 어댑터입니다.

로컬 MCP 서버와 원격 MCP 서버의 차이는 무엇인가요?

로컬 MCP 서버는 보통 컴퓨터의 프로세스로 실행됩니다. 원격 MCP 서버는 별도의 네트워크 서비스로 실행되며, 클라이언트가 엔드포인트 URL로 접근합니다.

위치에 따라 설정하고 운영해야 할 대상이 달라집니다. 원격 엔드포인트는 네트워크 주소이며, 로컬 설정은 프로그램을 실행합니다.

이것이 표준 MCP 전송 방식입니다. Streamable HTTP는 JSON 응답을 반환하거나 Server-Sent Events로 결과를 스트리밍할 수 있습니다.

공개 문서 서버는 자격 증명 없이 사용할 수 있습니다. 보호된 서비스는 보통 OAuth를 통한 로그인과 접근 승인을 요청합니다. 서버가 실행되는 위치와 접근하는 시스템을 모두 확인하세요. 노트북에서 실행되는 프로그램도 원격 API를 호출할 수 있습니다.

MCP 서버를 직접 사용해 보려면 어떻게 하나요?

MCP Inspector로 Microsoft의 공개 문서 서버를 직접 호출합니다. Inspector는 브라우저 인터페이스를 갖춘 디버깅 클라이언트입니다. 실험에 언어 모델을 추가하지 않고 도구, 입력, 반환 데이터를 확인할 수 있습니다.

Microsoft 문서에 따르면 이 엔드포인트는 공개되어 있으며 인증 없이 무료로 사용할 수 있습니다. 문서 검색, 페이지 가져오기, 코드 예제 검색을 제공합니다. 여기서는 문서 검색만 사용합니다.

1. npm을 포함하는 Node.js 22.19.0 이상을 설치합니다. node --version으로 설치된 버전을 확인하세요.
2. 터미널을 열고 실습 중에는 실행 상태를 유지합니다. Inspector 설치와 문서 서버 접근에는 인터넷 연결이 필요합니다.
3. 스크린샷과 일치하도록 아래에 지정한 Inspector 버전을 사용합니다. 설치하면 공식 Inspector 패키지가 컴퓨터에서 실행됩니다.

1단계: 문서 서버에 연결하기

Inspector가 올바른 서비스로 MCP 요청을 보낼 수 있도록 전송 방식과 엔드포인트를 설정합니다.

npx --yes @modelcontextprotocol/inspector@2.13.0

Inspector가 출력한 로컬 브라우저 URL을 엽니다. 시작 URL에는 세션 토큰이 포함될 수 있으므로 공개하지 마세요. 공식 Inspector 가이드는 브라우저와 명령줄 인터페이스를 설명합니다.

Inspector에서 Add Servers를 선택하고 + Add manually를 누릅니다. 다음 값을 입력하세요.

Add를 선택한 다음 서버 목록에서 microsoft-learn을 켭니다. 연결이 완료될 때까지 기다립니다.

Inspector는 공개 엔드포인트를 사용해 Microsoft가 호스팅하는 문서 서버에 연결합니다.

Inspector는 엔드포인트가 기대하는 프로토콜 메시지를 보냅니다. 같은 주소를 브라우저에서 열면 웹페이지 요청을 보내게 됩니다.

2단계: 도구와 입력 확인하기

실행 전에 도구 정의를 읽습니다. 이름은 작업을 식별하고, 설명은 언제 유용한지 알려 주며, 입력 스키마는 유효한 인수를 지정합니다.

Tools를 열고 Microsoft Docs Search를 선택합니다. 프로토콜 이름은 microsoft_docs_search입니다. 서버는 페이지 가져오기와 코드 예제 검색도 제공하지만, 이 예제에서는 문서 검색 도구를 사용합니다.

서버는 도구의 이름, 설명, 입력 필드를 제공합니다. Inspector는 그 정의를 바탕으로 양식을 만듭니다.

도구는 query 필드로 검색어를 받습니다. Inspector가 보내는 인수는 다음과 같습니다.

{
  "query": "What is Azure Blob Storage?"
}

Inspector는 이 인수를 MCP 요청에 담습니다.

도구를 발견하면 서버 주소에서 한 걸음 더 나아가, 실행 전에 내용을 살펴볼 수 있는 작업을 확인하게 됩니다.

AI 호스트에도 여기서 읽는 것과 같은 도구 정의가 전달됩니다. 호스트는 이를 사용해 모델에 도구를 제시할 수 있지만, 서버는 여전히 실제 요청을 검증하고 권한을 적용해야 합니다.

3단계: 도구를 호출하고 결과 검증하기

검색을 실행한 다음, 반환된 문장을 원본 출처와 비교합니다.

query에 다음 내용을 입력하고 Execute Tool을 선택합니다.

What is Azure Blob Storage?

테스트에서는 결과 열 개가 반환되었습니다. 첫 번째 제목은 What is Azure Blob storage?였으며, Microsoft의 객체 스토리지 서비스를 설명하는 내용과 해당 문서를 가리키는 contentUrl이 포함되었습니다. 결과에는 title, content, contentUrl 필드가 있었습니다.

검색은 각 결과에 대해 제목, 발췌문, 출처 URL을 반환했습니다.

반환된 Azure Blob Storage 개요를 열고 내용과 출처를 비교합니다. 같은 제품을 다루는 페이지인지, 답변에 넣으려는 주장을 뒷받침하는지 확인하세요.

첫 번째 결과의 원본 페이지입니다. MCP 응답에는 링크가 들어 있으며, 링크를 열면 앞뒤 맥락을 확인할 수 있습니다.

출처 페이지는 검색 결과와 그 결과를 바탕으로 한 AI 답변을 확인하는 데 필요한 맥락을 제공합니다.

이제 도구를 살펴보고 MCP를 통해 사용했습니다. 다음으로 에이전트에 이 도구를 제공해 검색할 시점을 선택하고 결과를 답변에 활용하도록 설정합니다.

완료하면 Inspector에서 연결을 끊고 Ctrl+C로 터미널 프로세스를 종료합니다.

호출이 실패하면 무엇을 확인해야 하나요?

Quickchat AI 대화에서 MCP 서버를 어떻게 사용하나요?

같은 Microsoft Learn 서버를 에이전트에 연결하고, 검색 도구로 질문에 답하게 한 다음, Inbox에서 기록된 호출을 확인합니다. 아래 스크린샷은 로컬에서 실행한 Quickchat AI App의 MCP Explorer 데모 에이전트로 촬영했습니다.

1단계: 에이전트를 만들고 지침 설정하기

언제 문서 검색을 사용해야 하는지 에이전트에 명확한 규칙을 제공합니다. 서버는 도구 정의를 제공하고, Main Prompt는 대화에서 도구를 사용하는 방법을 알려 줍니다.

1. Quickchat AI 계정을 만들거나 기존 계정에 로그인합니다. 가입 과정에서 생성된 에이전트를 사용하세요. 기존 계정에서는 에이전트 메뉴에 Add new AI Agent가 있습니다.
2. 초기 설정에서 Set up manually를 선택합니다. Name your AI Agent에 MCP Explorer를 입력하고, Describe what you want your agent to do에 Answer questions about Microsoft products using Microsoft Learn documentation.을 입력합니다.
3. Next를 선택합니다. 이 예제에서는 선택 사항인 Knowledge Base, 외부 앱, 배포 단계를 아무것도 추가하지 않고 진행할 수 있습니다. 요금제 선택 단계에서 Skip for now를 선택합니다.
4. Identity를 열고 Main Prompt를 찾은 뒤 Edit를 선택합니다. 다음 지침을 붙여 넣고 저장합니다. 기존 에이전트를 사용한다면 Name도 MCP Explorer로 설정합니다.

You are MCP Explorer, a Microsoft documentation assistant. For questions about Microsoft products, call microsoft_docs_search using the visitor's exact question as the query. Base your answer only on the returned documentation. Answer in two short sentences and include one Microsoft Learn URL from the search results. If the results do not support an answer, say so.

프롬프트는 검색 시점, 보낼 내용, 반환된 문서의 활용 방법을 에이전트에 알려 줍니다.

프롬프트는 대화를 이끌고, 도구 정의는 호출 방법을 알려 줍니다.

2단계: Microsoft Learn을 연결하고 도구 선택하기

Quickchat AI는 서버의 도구를 발견하고 각각의 스위치로 표시합니다. 이 에이전트의 업무에 필요한 작업을 선택하세요.

1. Actions & MCPs를 열고 Add Action, MCP를 차례로 선택합니다.
2. Enter a URL manually를 선택하고 MCP server URL에 https://learn.microsoft.com/api/mcp를 붙여 넣습니다.
3. Connect를 선택합니다. MCP action name을 Microsoft Learn으로 설정합니다.

Inspector에서 사용한 것과 같은 엔드포인트가 이제 에이전트에 연결됩니다.

서버는 세 가지 도구를 제공합니다. Tools에서 다음과 같이 스위치를 설정합니다.

Default tool activation을 끄면 서버가 나중에 추가하는 도구는 검토할 때까지 꺼진 상태로 유지됩니다. Save를 선택하고 Actions & MCPs에서 Microsoft Learn Action이 켜져 있는지 확인합니다.

발견된 도구 세 개 중 하나를 활성화했습니다. 에이전트의 업무가 바뀌면 이 패널에서 개별 도구를 켜거나 끌 수 있습니다.

이 스위치는 에이전트가 사용할 수 있는 도구를 제어합니다. 서버가 제공하는 모든 작업을 에이전트에 허용하지 않고도 서버를 연결할 수 있습니다.

3단계: 테스트 질문 실행하기

Testing을 사용하면 에이전트에서 동일한 대화를 반복 실행할 수 있습니다. 이 테스트에서는 문서 검색이 실행되고 Microsoft Learn 출처 링크가 포함된 답변이 나와야 합니다.

1. Testing을 열고 Create Dataset을 선택합니다.
2. 데이터셋 이름을 MCP lookup으로 지정하고 Paste messages를 선택한 다음, 아래 질문 하나를 입력합니다.

What is Azure Blob Storage?

3. Create, Run을 차례로 선택합니다. 실행 이름을 Documentation search only로 지정하고 Start Run을 선택합니다.
4. 대화가 완료될 때까지 기다립니다. 실행은 에이전트에 저장된 프롬프트와 활성화된 도구를 사용하며, AI 크레딧을 사용해 답변을 생성합니다.

프롬프트나 도구 선택을 변경한 뒤 같은 질문을 다시 실행할 수 있도록 이 데이터셋을 보관하세요.

첫 테스트에서는 정의와 사용 사례를 함께 요청했습니다. 에이전트가 이를 더 넓은 검색 쿼리로 바꾸면서, 첫 번째 결과가 질문에 덜 직접적으로 답했습니다. 테스트를 위의 질문으로 단순화하고 프롬프트에 using the visitor’s exact question as the query를 추가했습니다. 다음 실행에서는 그 문구 그대로 검색했고 Azure Blob Storage 개요가 첫 번째로 반환되었습니다. 복사할 수 있는 프롬프트에는 이 개선 사항이 이미 반영되어 있습니다.

4단계: Inbox에서 답변과 도구 호출 추적하기

완료된 실행에서 대화의 View 링크를 열면 Inbox 기록으로 이동합니다. 답변과 그 답변의 근거가 된 도구 호출을 함께 확인할 수 있습니다.

Inbox는 대화와 도구 활동을 함께 보관합니다. 아래 확대 화면에서 답변과 펼친 호출 내용을 확인할 수 있습니다.

저장된 대화에는 Simulation 표시가 있습니다. 에이전트는 Blob Storage를 설명하고 사용 예와 출처 링크를 제공합니다.

1 action called를 선택한 다음 Show full을 선택해 저장된 응답 미리보기를 펼칩니다. 이번 실행 기록에는 다음 내용이 표시됩니다.

Inbox는 답변을 도구 이름, 입력, 저장된 응답 미리보기와 연결합니다. 답변의 Microsoft Learn 링크를 열어 원본 페이지도 확인하세요.

질문에서 답변까지 전체 경로를 검증하세요. 도구가 정상 실행되어도, 반환된 자료에 따라 더 구체적인 쿼리나 개선된 프롬프트가 필요할 수 있습니다.

이제 대화에서 MCP 서버를 사용하는 에이전트와 저장된 테스트, 확인 가능한 호출 기록을 갖추었습니다. 다른 서버와 연결 옵션은 원격 MCP 설정 가이드에서 설명합니다.

원격 MCP 서버는 로그인과 권한을 어떻게 처리하나요?

인증은 누가 호출하는지 확인합니다. 인가는 그 호출자가 어떤 데이터나 작업을 이용할 수 있는지 결정합니다.

MCP 인가 명세는 보호된 HTTP 리소스에 사용하는 OAuth를 설명합니다. 클라이언트는 인가 정보를 탐색하고, MCP 서버용 액세스 토큰을 얻어 요청에 포함합니다. 공개 서버는 로그인 요구를 생략할 수 있습니다.

접근 검사는 리소스를 제어하는 시스템에서 수행해야 합니다. 채팅 메시지에서 관리자라고 주장한다고 신원이 확인되거나 권한이 부여되지는 않습니다.

업무 정보에 서버를 연결하기 전에 공급업체, 허용된 도구, 기반 계정의 접근 범위를 확인하세요. 하나의 공유 서비스 계정을 쓰는 서버가 각 채팅 사용자의 문서 권한을 자동으로 물려받지는 않습니다. 읽기 전용 도구와 메시지 전송 또는 레코드 갱신 도구에도 서로 다른 승인 정책이 필요합니다.

OAuth는 반환된 문서나 도구 출력의 프롬프트 인젝션을 없애지 않습니다. 호스트는 내용을 데이터로 취급하고 실행 정책을 별도로 적용해야 합니다. 공식 보안 지침은 이런 경계를 설명합니다. 허용과 거부를 비교하는 실제 연습은 MCP 인증 및 인가 튜토리얼을 참고하세요.

MCP는 API, 함수 호출, RAG와 어떻게 다른가요?

MCP는 AI 애플리케이션이 도구를 발견하고 호출하는 공통 방식을 제공합니다. API, 함수 호출, 검색은 애플리케이션의 서로 다른 지점에서 관련 문제를 해결합니다.

재사용되는 부분은 AI를 위한 인터페이스입니다. 기반 서비스와의 연결은 여전히 누군가 구현하고 유지 관리해야 합니다.

기존 애플리케이션에서 간단한 작업 하나가 필요하다면 API를 직접 호출하는 편이 더 단순할 수 있습니다. Quickchat AI HTTP Action은 에이전트를 문서화된 API에 연결하는 한 가지 방법입니다. MCP는 여러 호환 AI 애플리케이션이 같은 연동을 재사용해야 할 때 유용합니다. 예를 들어 회사는 하나의 MCP 서버로 사내 위키를 제공하고, 여러 어시스턴트가 그 검색 도구를 사용하도록 할 수 있습니다. 서버 유지관리자는 기반 위키 API의 변경 사항을 처리합니다.

도구 사용 문서에서 설명하듯, 함수 호출은 모델이 애플리케이션에 도구 실행을 요청하는 방식입니다. MCP 클라이언트는 도구 정의를 발견하고 해당 요청을 서버로 보내 실행할 수 있습니다. 도구가 RAG 워크플로를 위한 문서를 검색할 수도 있습니다. 원래 RAG 논문에서 설명하는 RAG는 검색한 정보를 활용해 답변의 근거를 마련합니다.

자세한 구현 선택지는 MCP와 HTTP 비교, MCP 도구와 사용자 정의 API 엔드포인트 비교를 참고하세요.

업무용 MCP 서버를 마련하려면 어떻게 하나요?

제공하려는 기능과 운영 주체를 기준으로 서버를 선택합니다.

연결 방향에 따라 필요한 설정이 결정됩니다. 위 예제에서는 에이전트가 Microsoft 서버를 호출합니다. 호스팅된 에이전트 서버에서는 다른 AI 애플리케이션이 에이전트를 호출합니다.

설정 가이드를 고르기 전에 화살표 방향을 확인하세요. 외부 서버를 추가하면 Agent에 도구가 생기고, Agent를 공개하면 다른 애플리케이션의 도구가 됩니다.

MCP 채널 문서는 에이전트를 외부에 제공하고 접근을 제어하는 방법을 다룹니다. 에이전트가 외부 서버를 사용하는 다른 예제로는 Calendly 일정 관리 어시스턴트와 Notion 도움말 센터 챗봇이 있습니다.

별도의 계정 관리 연결을 사용하면 어시스턴트가 Quickchat AI 계정 설정을 도울 수 있습니다. ChatGPT와 Claude용 설정 가이드가 제공됩니다. 이 계정 인터페이스는 에이전트 자체의 질문 도구와 용도가 다릅니다.

MCP 서버는 어디에서 찾을 수 있나요?

다음 디렉터리에서 서버를 찾은 뒤, 제공자의 설정 지침과 요청 권한을 확인하세요.

디렉터리 목록은 출발점입니다. 제공자의 문서에서 지원 클라이언트와 연결 방법을 확인할 수 있습니다.

선택적인 연결 점검: 공개 샘플 연결 확인을 사용하면 Microsoft Learn 또는 Cloudflare 문서 엔드포인트를 초기화하고 도구 목록만 조회하며, 도구를 실행하지 않습니다. 공개 URL과 사용 목적을 지정해 연결 방향 확인도 할 수 있습니다. 이 점검은 자격 증명을 받거나 계정을 변경하지 않습니다.

자주 묻는 질문

MCP 서버를 쉽게 설명하면 무엇인가요?

MCP 서버는 AI 애플리케이션이 도구, 데이터 또는 재사용 가능한 프롬프트에 표준 방식으로 접근하도록 하는 프로그램입니다. 예를 들어 문서 서버는 관련 내용과 링크를 반환하는 검색 도구를 제공할 수 있습니다. 결과를 어떻게 사용할지는 AI 애플리케이션이 결정합니다.

AI에서 MCP는 무엇의 약자인가요?

MCP는 Model Context Protocol의 약자입니다. AI 애플리케이션과 서버가 기능을 발견하고, 정보를 요청하고, 도구를 호출할 때 사용하는 메시지를 정의합니다. 서버는 프로토콜을 구현하며, MCP 자체는 통신 표준입니다.

MCP 서버와 API의 차이는 무엇인가요?

API는 소프트웨어에 인터페이스를 제공합니다. MCP 서버는 도구 탐색과 구조화된 호출을 포함해 AI 애플리케이션용으로 설계된 공통 인터페이스로 기능을 제공합니다. 많은 MCP 서버가 내부적으로 기존 API를 호출하므로, 둘은 같은 통합의 일부가 될 수 있습니다.

원격 MCP 서버란 무엇인가요?

원격 MCP 서버는 클라이언트 프로세스 밖에서 실행되며, 보통 Streamable HTTP 엔드포인트를 통해 네트워크로 접근합니다. 일부 원격 서버는 로그인 없이 공개 데이터를 제공합니다. 보호된 서버는 OAuth 또는 지원되는 다른 인증 방식을 요구할 수 있습니다.

MCP 서버는 플러그인이나 커넥터와 같은 것인가요?

플러그인이나 커넥터는 제품 기능 또는 패키지이며, MCP 서버는 프로토콜 구현입니다. 제품의 커넥터 뒤에서 MCP 서버를 사용할 수도 있고, 플러그인에 다른 기능과 함께 MCP 연결이 포함될 수도 있습니다. 해당 제품과 통합 방식을 확인하세요.

MCP 서버를 사용하려면 코드를 작성해야 하나요?

호환되는 애플리케이션을 사용하면 서버 코드를 작성하지 않고 기존 MCP 서버에 연결할 수 있습니다. 이 가이드에서는 Inspector로 공개 문서를 검색한 다음, Quickchat AI에서 에이전트와 대화합니다. Inspector에는 Node.js가 필요하고, Quickchat AI 단계에는 계정과 AI 크레딧이 필요합니다.

MCP는 Claude 전용인가요?

MCP는 공개 프로토콜이며, 하나의 AI 애플리케이션이나 모델에 제한된 기능이 아닙니다. 전송 방식, 프로토콜 버전, 인증, 기능이 지원되면 호환되는 호스트가 서버에 연결할 수 있습니다. 원하는 통합에 관한 호스트 문서를 확인하세요.

MCP가 함수 호출이나 RAG를 대체하나요?

MCP는 함수 호출 워크플로에 도구를 제공하고 RAG 파이프라인에 검색 기능을 제공할 수 있습니다. 함수 호출은 모델이 작업을 요청하는 방식이며, RAG는 생성을 지원하는 정보를 검색합니다. MCP는 해당 기능을 제공하는 서버와의 통신을 표준화합니다.

MCP 서버는 안전하게 사용할 수 있나요?

안전성은 서버 코드, 제공하는 데이터와 작업, 호스트 및 서버가 적용하는 권한에 따라 달라집니다. 신뢰할 수 있는 공급업체를 선택하고, 필요한 접근만 허용하며, 영향이 큰 작업을 검토하세요. OAuth 로그인은 도구 출력을 프롬프트 인젝션으로부터 보호해 주지 않습니다.