한국어
MCP 서버 vs 툴 vs 에이전트 스킬
MCP 서버, 툴 사용, 그리고 에이전트 스킬: 현대 AI 개발의 계층 구조 이해하기
Guamian
Product & Design
Product & Design
MCP 서버, 툴 사용, 그리고 에이전트 스킬: 현대 AI 개발의 계층 구조 이해하기
AI-기반 개발이 가속화되면서 더 많은 엔지니어들이 Claude, Cursor, VS Code AI 확장과 같은 도구를 워크플로우에 통합하고 있다. 하지만 혼동도 흔하다:
이 글은 세 개념의 경계와 차이, 그리고 다음 세대 소프트웨어 개발을 어떻게 바꾸는지 명확하고 실용적으로 설명한다.
Anthropic이 만든 MCP (Model Context Protocol)은 AI 모델이 외부 리소스, API, 도구, 데이터베이스, 내부 시스템에 표준화된 방식으로 접근할 수 있게 하는 방법이다.
핵심 요소는 세 가지다:
그리고 MCP 외부이지만 자주 혼동되는 것:
이 계층을 이해하면 더 나은 AI 워크플로우를 설계할 수 있다.
MCP 도구나 Claude 코드 스킬을 논의하기 전에 AI 분야에서 "도구(tools)"가 무엇을 의미하는지 이해하는 것이 도움이 된다.
최신 LLM 시스템에서 도구란:
AI 모델이 텍스트 생성 외에 실제 세상에서 무언가를 할 수 있도록 호출할 수 있는 외부 연산이다.
모델에 주체성을 부여한다. 도구는 거의 무엇이든 될 수 있다:
모델이 도구를 호출하기로 결정할 때, 순수한 언어 영역을 벗어나 실제 효과가 있는 액션을 수행하게 된다.
도구가 필요한 이유는 텍스트만 다루는 모델은 매우 빠르게 한계에 부딪히기 때문이다.
모델은 설명하고, 문제를 추론하거나, 코드를 초안으로 작성할 수 있지만 실제로 너의 시스템을 건드릴 수는 없다. 데이터베이스를 쿼리하거나, 파일을 변경하거나, API를 호출하거나, 클라우드에 무언가를 배포하거나, 여러 단계를 거치는 긴 작업을 실행하는 방법을 모른다.
모델에 도구 세트를 제공하면 이러한 간극이 사라진다. 모델은 실제 인프라와 상호작용할 수 있는 통제된 방법을 얻고, 너는 모델이 할 수 있는 것과 그 방법에 대해 엄격한 경계선을 유지한다. 도구는 구조, 안전성, 그리고 텍스트 전용 모델이 근본적으로 결여한 실행 계층을 제공한다.
도구는 계약(컨트랙트)으로 정의된다:
모델이 이 정의를 보면:
도구는 LLM을 오케스트레이터로 바꾼다.
도구는 종종 과대평가된다. 그 자체로 지능을 갖고 있는 것도, 비즈니스 규칙, 권한, 워크플로우 로직을 포함한 것도 아니다. 도구는 모델이 호출할 수 있는 작고 잘 정의된 연산일 뿐이다. 복잡한 행동, 예를 들어 여러 단계의 워크플로우나 의사 결정은 도구 자체가 아니라 모델이 여러 도구를 자신의 추론으로 연결시킬 때 나온다.
최신 에이전트 프레임워크들: OpenAI Functions, Claude Tools, MCP, LangChain 모두 동일한 원리에 기반한다: LLM이 실제로 유용하려면 행동할 방법이 필요하다. 언어만으로는 충분하지 않으며, 모델에게 현실 세계로 연결되는 방법이 필요하다.
도구는 이걸 가능하게 하는 계층이다. 모델의 추론을 너의 시스템이 가진 실제 기능에 연결하며, 이는 통제되고 권한이 부여된 환경에서 이루어진다. 이 다리가 생기면서, AI는 수동적인 텍스트 생성기를 넘어 데이터를 가져오고, 파일을 수정하거나, 워크플로우를 조정하거나, 백엔드 프로세스를 트리거할 수 있는 오퍼레이터로 진화했다.
이 결과, 도구 사용은 오늘날 IDE 어시스턴트와 백엔드 자동화, DevOps 코파일럿, IAM 자동화, 데이터 에이전트, 엔터프라이즈 워크플로우 엔진 등 거의 모든 진지한 AI 애플리케이션의 근간이 되었다. MCP는 이런 진화를 기반으로 모델이 실제 시스템 기능을 발견하고 상호작용하는 방식을 표준화하는 일관된 프로토콜을 제공한다.
MCP 서버는 AI 어시스턴트에게 신중하게 범위가 제한된 기능을 노출하는 백엔드 서비스로 생각할 수 있다. 모델에 시스템 전체 접근권을 주는 대신, 사용할 부분만 감싼다: 내부 API, 인증 로직, 데이터베이스 조작, 비즈니스 워크플로우, 권한 체크 등.
실제로, Logto 같은 IAM 플랫폼은 다음과 같은 액션을 제공할 수 있다:
MCP 서버의 강점은 이 기능들에 구조를 부여한다는 점이다.
통합이 여러 클라이언트에 분산되지 않고, 모두 하나의 명확한 인터페이스 뒤에 위치한다. 여기서 얻는 실질적 이점은:
이 때문에 MCP 서버는 정밀성과 접근 제어가 중요한 환경—신원 시스템, 결제, CRM, DevOps, 내부 관리툴 등에 자연스럽게 맞는다.
앞선 섹션에서 언급했듯, 도구는 서버가 아니라 서버 내의 개별 액션이다.
도구 예시:
create_organizationinvite_memberlist_applicationsgenerate_backend_snippetinspect_user_access도구의 특징:
도구는 그 자체로 컨텍스트나 보안 정책을 유지하지 않는다. MCP를 통해 노출된 “함수”일 뿐이다.
Claude 코드 스킬은 MCP의 일부가 아니다.
이는 다음과 같은 환경 내에서 Claude의 내장 능력을 의미한다:
코드 스킬 예시:
Claude 코드 스킬이 할 수 없는 것: Claude 코드 스킬은 조직 권한 관리, 테넌트 데이터 접근, 보안 비즈니스 워크플로우 실행, 내부 인프라 직접 호출, 보호된 프로덕션 자원 수정 등은 할 수 없다. 이러한 한계 때문에 MCP가 필요하다.
간단히 요약:
서로 대체하는 것이 아니라 보완 관계다.
MCP 서버는 AI 개발에서 근본적인 문제 중 하나를 해결한다: 모델은 내부 시스템을 구조적, 안전하게 노출하지 않으면 너의 시스템을 이해하지 못한다. 이 계층 없이 모델은 추측, 패턴 매칭, 실행할 수 없는 명령 생성에 머무른다.
MCP 서버는 그 잃어버린 다리다. 내부 기능을 네 방식대로, 보안 경계를 유지하면서 노출할 수 있는 통제된 공간을 제공한다. 이 구조 덕분에 모델은 네 인프라나 권한 모델을 우회하지 않고 실제 기능에 접근할 수 있다. 실제로 MCP 서버는 다음을 할 수 있게 해준다:
이런 이유로 Logto 같은 IAM 플랫폼은 MCP와 자연스럽게 어울린다.
권한, 토큰, 조직, 범위, M2M 플로우 등의 개념이 곧 MCP 서버가 시행하는 보안 보장으로 바뀐다. 신원이 안전한 AI 실행의 뼈대가 된다.
| 시나리오 | 최적 선택 |
|---|---|
| 여러 파일 코드 편집 | Claude 코드 스킬 |
| 단순 액션 실행 | MCP 도구 |
| 보안 엔터프라이즈 워크플로우 공개 | MCP 서버 |
| 내부 백엔드 기능 통합 | MCP 서버 |
| AI 기반 제품 기능 구축 | MCP 서버 + 도구 |
| 개발자가 IDE에서 인프라 접근 | Claude 코드 스킬 + MCP 서버 |
| 신원/접근 제어 작업 수행 | MCP 서버 |
가장 강력한 AI 시스템은 세 가지를 모두 조합하게 된다:
함께하면 다음을 가능하게 한다:
이 스택은 AI를 “유용한 챗봇”에서 다음으로 바꾼다:
그리고 Logto 같은 플랫폼에선 신원과 권한의 자연적 분배 계층이 된다.
MCP 서버
AI에 안전한 시스템 기능을 노출하는 백엔드 서비스.
MCP 도구
서버가 제공하는 원자적 액션. 호출 가능한 함수라고 생각하면 된다.
Claude 코드 스킬
코드 이해와 고차원 수정이 가능한 IDE 인텔리전스이지만, 그 자체로 보안 시스템에 접근할 수 없다.
결합 시: AI가 너의 코드를 이해(Claude 코드), 정확한 액션 실행(도구), 내부 시스템을 활용한 안전한 워크플로우(MCP 서버)를 수행한다.
이것이 차세대 AI 중심 개발의 기반이다.