MCP(Model Context Protocol)란 무엇인가?
- 7월 1일
- 3분 분량
MCP란 무엇인가: AI와 업무 시스템을 연결하는 새로운 표준
MCP(Model Context Protocol)는 AI 애플리케이션이 외부 시스템과 연결될 수 있도록 돕는 오픈 표준입니다. 공식 MCP 문서는 MCP를 AI 애플리케이션과 데이터 소스, 도구, 워크플로우를 연결하는 표준 방식으로 설명하며, AI 애플리케이션을 위한 USB-C 포트에 비유합니다. Anthropic 역시 MCP를 데이터 소스와 AI 기반 도구 사이에 안전한 양방향 연결을 만들 수 있게 하는 개방형 표준으로 소개했습니다.
기존 AI 연계는 서비스마다 별도 API를 개발하고, 각 시스템별 인증 방식과 데이터 접근 방식을 따로 구현해야 했습니다. MCP는 이 문제를 줄이기 위해 AI 애플리케이션이 다양한 데이터베이스, 파일, SaaS, 업무 시스템, 개발 도구와 표준화된 방식으로 연결되도록 합니다. 예를 들어 기업 챗봇이 여러 데이터베이스를 조회하거나, AI Agent가 업무 시스템의 정보를 참조해 작업을 수행하는 구조가 가능해집니다.
하지만 MCP가 기업 환경에 도입되려면 보안과 거버넌스가 반드시 필요합니다. AI Agent가 여러 MCP 서버와 연결되면 어떤 도구를 호출했는지, 어떤 데이터에 접근했는지, 어떤 권한으로 실행했는지를 관리해야 합니다. Kong은 MCP 서버 접근 인증, MCP 컨텍스트 최적화, MCP 트래픽 관측성, 도구 사용 패턴 추적, 지연 시간과 오류율 모니터링 같은 운영 요소를 강조하고 있습니다.
리티스 관점에서 MCP는 AI와 내부 업무 시스템을 연결하는 표준 인터페이스로 볼 수 있습니다. litis API Creator는 내부 시스템의 API를 생성·변환·Mash-up하고, Kong AI Gateway는 MCP와 LLM 트래픽을 통제하며, litis API Monitoring은 API 및 AI 호출의 처리 상태를 추적하는 역할을 수행할 수 있습니다. 리티스의 API Creator는 API 자동 생성, Mash-up, 프로토콜·데이터 변환, API 서비스 관리를 지원하며, API Monitoring은 System Metrics, Traces, Service Health를 통합 모니터링합니다.
MCP는 AI가 단순히 답변하는 단계를 넘어 실제 업무 시스템과 연결되어 행동하는 시대를 여는 기술입니다. 그러나 기업에서 MCP를 안정적으로 활용하려면 Gateway, Security, Monitoring을 함께 설계해야 합니다. MCP의 가치는 연결에 있고, MCP의 안정성은 운영 거버넌스에 달려 있습니다.
출처 및 참고자료
What Is MCP: A New Standard for Connecting AI and Enterprise Systems
MCP, or Model Context Protocol, is an open standard that helps AI applications connect to external systems. The official MCP documentation describes it as a standard way to connect AI applications with data sources, tools, and workflows, comparing it to a USB-C port for AI applications. Anthropic also introduces MCP as an open standard that enables secure, two-way connections between data sources and AI-powered tools.
Traditional AI integration often requires separate APIs for each service, along with different authentication methods and data access patterns. MCP reduces this complexity by allowing AI applications to connect with databases, files, SaaS platforms, business systems, and developer tools in a standardized way. For example, an enterprise chatbot can query multiple databases, or an AI agent can perform tasks by referencing enterprise systems.
However, MCP requires security and governance before it can be used safely in enterprise environments. When AI agents connect to multiple MCP servers, organizations must manage which tools were invoked, what data was accessed, and under which permissions the actions were executed. Kong highlights capabilities such as MCP server access control, context optimization, MCP traffic observability, tool usage tracking, latency monitoring, and error-rate visibility.
From the LITIS perspective, MCP can be viewed as a standard interface connecting AI with internal business systems. litis API Creator can generate, transform, and mash up internal APIs. Kong AI Gateway can govern MCP and LLM traffic. litis API Monitoring can trace API and AI request flows. LITIS API Creator supports API auto-generation, mash-up, protocol and data transformation, and API service management, while litis API Monitoring provides integrated monitoring for system metrics, traces, and service health.
MCP represents a shift from AI that simply answers questions to AI that connects with enterprise systems and performs actions. To use MCP reliably, enterprises must design Gateway, Security, and Monitoring together. MCP creates value through connectivity, but its stability depends on operational governance.
