MCP를 통해 다양한 AI 에이전트와 협업하기

질의를 통해 AI 챗봇으로부터 결과물을 도출할 뿐만 아니라, 이제는 AI 에이전트와 시스템을 연결하거나 에이전트끼리의 소통을 통하여 AI가 스스로 행동하고 사용자의 목표를 달성할 수 있는 수준에 이르렀습니다. 단순히 답변을 얻어내는 행위에서 그치지 않고 태스크를 완수하는 과정까지 AI가 함께하게 된 것입니다.

여기서 에이전트, 특히 LLM Agent가 다른 시스템과 협업하기 위해서는 MCP라는 프로토콜이 필요합니다.

1. MCP란?

MCP(Model Context Protocol)는 애플리케이션이 LLM에 컨텍스트를 제공하는 방식을 표준화한 프로토콜로, Claude를 개발한 Anthropic(앤트로픽)이 2024년 11월 공개했습니다. MCP는 AI 모델을 다양한 데이터 소스 및 도구에 연결할 수 있도록 표준화된 방식을 제공하는데, 이를 사용함으로써 LLM 기반의 에이전트나 복잡한 워크플로를 구축할 수 있습니다.

2. MCP를 적용하는 이유

AI 에이전트는 사용자를 대신하여 스스로 계획하고 행동함으로써 목표를 완수해야 하는데, 학습된 데이터를 이용해 단순히 답을 생성하기만 하는 수준으로는 에이전트의 임무를 달성하기 어렵습니다. 그러나 MCP를 이용하면 여러 AI 툴과 협업하고 LLM 연결 컨텍스트를 유지할 수 있기 때문에, AI 에이전트가 작업을 스스로 수행하고 목표를 달성하기까지의 과정을 서포트할 수 있습니다.

결론적으로 MCP를 이용하면 각 서비스의 개별적인 API를 관리할 필요 없이, 표준화된 방식으로 AI 모델이 서비스와 협업하는 과정을 간소화하며 AI 에이전트의 태스크 수행을 편리하게 도울 수 있습니다.

3. MCP 작동 원리

MCP는 클라이언트-서버 구조를 가집니다. MCP 호스트는 하나 이상의 MCP 서버와 연결을 설정하며, MCP 서버마다 하나의 MCP 클라이언트를 생성합니다. 즉, MCP 클라이언트와 MCP 서버는 1:1 대응 관계를 가집니다.

MCP 아키텍처의 주요 구성 요소들은 다음과 같습니다.

1. MCP 호스트: 하나 또는 그 이상의 MCP 클라이언트를 관리하는 AI 애플리케이션
2. MCP 클라이언트: MCP 서버와의 연결을 유지하고 컨텍스트를 가져와 MCP 호스트가 사용하도록 함
3. MCP 서버: MCP 클라이언트에 컨텍스트를 제공하는 프로그램

4. Qurify에서의 MCP 서버 살펴보기

Chat input의 좌측 하단에 위치한 'MCP 서버 설정' 버튼을 클릭하면 MCP 서버를 직접 관리할 수 있습니다.

Qurify에 기본적으로 탑재된 MCP 서버로는 총 3가지가 있습니다:

1. Qurify MCP Server: 자연어 처리 기반의 데이터베이스 쿼리 및 분석 도구 제공
2. PostgreSQL: 오픈 소스 기반 ORDBMS
3. Perplexity: LLM과 웹 검색 기능을 결합한 대화형 AI 검색 엔진 서비스

4-1. Qurify에서 MCP 서버를 직접 활용해보기

▲ "주문한 고객들의 국적을 분석하여, 주문량이 가장 많은 국가 3곳을 알 수 있나요?" — Qurify MCP Server와 PostgreSQL를 활용한 결과

▲ "금일을 기준으로 미국과 한국의 증시를 검색하여 각각 분석한 후, 주요 이슈를 요약할 수 있나요?" — Perplexity를 활용한 결과

4-2. Qurify에서 새로운 MCP 서버 추가하기

Qurify는 기본 MCP 서버뿐만 아니라 사용자가 직접 추가한 MCP 서버를 이용할 수도 있습니다.

▲ graph_generate MCP 서버 추가 전 — 분석은 성공하지만 시각화하지 못함

▲ Streamable HTTP 방식으로 'graph_generate' MCP 서버 추가

▲ graph_generate MCP 서버 추가 후 — 분석부터 시각화 리포트까지 생성

5. 마치며

MCP의 등장으로 AI 에이전트를 활용하고 다른 서비스와 접목할 수 있는 기회가 많아졌습니다. 특히 Qurify의 경우에는 사용자의 기호에 따라 MCP 서버를 직접 추가 및 활성화할 수 있기 때문에, AI를 보다 유연하게 활용 가능합니다.