MCP 9700만 설치 — Linux Foundation 오픈 거버넌스 채택, AI 에이전트 표준 인프라가 됐습니다

2024년 11월 Anthropic 내부 실험으로 시작했습니다. 16개월 만에 월 9700만 SDK 다운로드, 모든 주요 AI 플랫폼 채택. 이제 HTTP, Kubernetes와 같은 반열의 오픈 표준이 됐습니다.

[핵심 요약]
→ MCP (Model Context Protocol): AI 모델과 외부 툴/데이터를 연결하는 표준 프로토콜
→ 출시: 2024년 11월 (Anthropic 오픈소스 공개)
→ 현황: 월 9700만 SDK 다운로드, 공개 서버 10,000개+
→ 거버넌스: 2025년 12월 Linux Foundation Agentic AI Foundation(AAIF) 이전
→ 창립: Anthropic, Block, OpenAI 공동 창립 / Google, Microsoft, AWS 지원
→ 채택: ChatGPT, Claude, Cursor, Gemini, VS Code, GitHub Copilot 전부
→ 함께하는 프로젝트: Block의 Goose, OpenAI의 AGENTS.md
→ 의미: AI 에이전트 시대의 HTTP가 됐음

---

MCP가 뭔지 다시 한 번

# MCP 이전 세계 — N×M 통합 지옥
"""
AI 모델 5개 × 내부 툴 10개 = 커스텀 통합 50개 필요
각각 다른 인증, 다른 스키마, 다른 실패 모드
유지보수 비용: 팀 전체가 통합 코드만 관리

예시:
- Claude + Slack 통합 (1개)
- Claude + GitHub 통합 (1개)
- Claude + Notion 통합 (1개)
- GPT-4 + Slack 통합 (1개)  ← 또 새로 만들어야 함
- GPT-4 + GitHub 통합 (1개) ← 또 새로 만들어야 함
→ 5×10 = 50개의 독립 통합
"""

# MCP 이후 세계 — 1×N 통합
"""
MCP 서버 한 번 만들면 모든 AI 클라이언트에서 사용 가능

예시:
- Slack MCP 서버 1개 작성
→ Claude에서 사용 가능
→ GPT-4에서도 사용 가능
→ Cursor에서도 사용 가능
→ Gemini에서도 사용 가능
→ VS Code Copilot에서도 사용 가능
"""

[MCP의 핵심 가치]
→ N×M 통합 지옥을 N+M으로 해결
→ 툴을 한 번 만들면 모든 AI에서 사용
→ 표준화된 인증, 스키마, 오류 처리
→ AI가 외부 시스템에 안전하게 접근하는 표준 방법

---

실전 1 — 16개월 만에 일어난 일

MCP 성장 타임라인:

2024년 11월: Anthropic, MCP 오픈소스 공개
             → 초기 반응: "또 Anthropic 독자 표준 아냐?"

2025년 3월:  OpenAI, MCP 공식 지원 선언
             → "Anthropic 독자 표준" 우려 해소
             → 개발자들 본격 채택 시작

2025년 7월:  Microsoft, VS Code와 GitHub Copilot에 MCP 통합
             → 엔터프라이즈 채택 가속

2025년 11월: AWS, MCP 인프라 지원
             → 컴플라이언스 팀 안심

2025년 12월: Linux Foundation Agentic AI Foundation(AAIF) 설립
             → Anthropic, Block, OpenAI 공동 창립
             → MCP 거버넌스 이전 완료

2026년 3월:  월 SDK 다운로드 9700만 돌파
             → 공개 MCP 서버 10,000개+ (DevOps~Fortune 500)
             → 300개+ MCP 클라이언트
             → 개발자 72%: "MCP 사용량 늘릴 계획"

2026년 4월:  MCP Dev Summit NYC 개최 (4/2~3)
             → AAIF 창립 3개월 만에 Gold/Silver 멤버 97개사 합류
             → CNCF 창립 때보다 2배 빠른 속도

 

실전 2 — Linux Foundation 이전이 왜 중요한가

 

MCP가 Anthropic 단독 소유였을 때는 기업 입장에서 4가지 리스크가 있었습니다. Linux Foundation 이전으로 전부 해소됐습니다.

리스크 Linux Foundation 이전 전 이전 후

스펙 일방 변경	Anthropic이 원하면 언제든 변경 가능	SEP 프로세스 거쳐야 함 (커뮤니티 검토 필수)
벤더 이탈	Anthropic이 MCP 버리면 대안 없음	Linux Foundation이 중립 거버넌스 유지
라이선스 변경	상업적 사용 제한 가능	오픈소스 라이선스 고정
생태계 분열	다른 회사가 fork해서 호환성 파괴 가능	단일 표준으로 수렴

Bloomberg CTO는 "Linux Foundation 오픈소스 표준으로서 금융 분야의 보안·규정 준수 요건을 충족하며 광범위한 채택을 이끌 것"이라고 밝혔습니다. 금융/의료/법무처럼 IT 구매 승인이 까다로운 기업에서 MCP를 도입할 수 있게 된 가장 큰 이유입니다.

 

[Linux Foundation 채택의 실제 의미]
→ 기업 IT 구매 승인: "단일 벤더 리스크" 없음 → 엔터프라이즈 도입 승인 가속
→ 금융/의료/법무: 규정 준수 환경에서 MCP 도입 가능해짐
→ 개발자: Kubernetes 배울 때처럼 MCP를 장기 투자 가치 있는 기술로 인식
→ 구직시장: MCP 서버 개발 능력이 REST API 지식처럼 기본 스펙이 될 전망

 

---

실전 3 — Agentic AI Foundation(AAIF) 구조

[AAIF 설립 참여사]

공동 창립:
→ Anthropic (MCP)
→ Block (Goose — 오픈소스 AI 에이전트)
→ OpenAI (AGENTS.md)

지원:
→ Google, Microsoft, AWS, Cloudflare, Bloomberg

창립 프로젝트 3개:
→ MCP (Anthropic): AI ↔ 툴 연결 표준
→ Goose (Block): 오픈소스 AI 에이전트 프레임워크
→ AGENTS.md (OpenAI): 에이전트 행동 정의 표준

추가 프로젝트:
→ UTCP: Universal Tool Calling Protocol
→ A2A/ACP 통합: 에이전트 간 통신 통합 프로토콜

[AAIF가 만드는 에이전트 스택]

레이어 구조:
─────────────────────────────────────
[에이전트 동작] AGENTS.md (OpenAI)
     ↕
[에이전트 실행] Goose (Block)
     ↕
[툴 연결 표준] MCP (Anthropic)
     ↕
[에이전트 통신] A2A/ACP (통합 중)
─────────────────────────────────────
→ HTTP가 웹 인프라를 통일했듯이
→ AAIF 프로젝트들이 에이전트 인프라를 통일하는 방향

---

실전 4 — 현재 MCP 생태계 현황

# 2026년 3월 기준 MCP 생태계 수치
ecosystem_stats = {
    "월간 SDK 다운로드": "9700만 (Python + TypeScript 합산)",
    "공개 MCP 서버":    "10,000개+",
    "MCP 클라이언트":   "300개+",
    "원격 배포 서버":   "80% (2025.5 대비 4배 증가)",
    "채택 플랫폼":      [
        "ChatGPT (OpenAI)",
        "Claude (Anthropic)",
        "Cursor",
        "Gemini (Google)",
        "Microsoft Copilot",
        "Visual Studio Code",
        "GitHub Copilot"
    ],
    "인프라 지원":      ["AWS", "Cloudflare", "Google Cloud", "Azure"],
    "개발자 계획":      "72%가 MCP 사용량 늘릴 계획"
}

# 어떤 분야에서 쓰나
top_use_cases = {
    "개발자 도구": "42/50 상위 서버가 엔지니어 중심",
    "DevOps":      "CI/CD 파이프라인 자동화",
    "데이터":      "DB 쿼리, 스프레드시트 연동",
    "엔터프라이즈": "Fortune 500 사내 시스템 연동",
    "금융":        "Bloomberg, 투자 시스템 (규정 준수 중)",
}

---

실전 5 — 개발자가 지금 당장 해야 할 것

 

MCP는 표준화된 프로토콜이라 SDK가 공식 지원됩니다. Python과 TypeScript 둘 다 공식 SDK가 있습니다.

먼저 SDK를 설치합니다.

pip install mcp                              # Python
npm install @modelcontextprotocol/sdk        # TypeScript/Node.js

간단한 MCP 서버 예시입니다. 회사 DB에 쿼리하는 툴을 하나 만들어보겠습니다. 이 서버를 만들면 Claude, GPT, Gemini 등 MCP를 지원하는 모든 AI에서 동일하게 사용할 수 있습니다.

from mcp.server import Server
from mcp.server.stdio import stdio_server
from mcp.types import Tool, TextContent

app = Server("my-mcp-server")

@app.list_tools()
async def list_tools() -> list[Tool]:
    return [
        Tool(
            name="get_database_info",
            description="회사 DB에서 데이터 조회",
            inputSchema={
                "type": "object",
                "properties": {
                    "query": {
                        "type": "string",
                        "description": "SQL 쿼리"
                    }
                },
                "required": ["query"]
            }
        )
    ]

@app.call_tool()
async def call_tool(name: str, arguments: dict) -> list[TextContent]:
    if name == "get_database_info":
        query = arguments["query"]
        result = execute_db_query(query)  # 실제 DB 쿼리 함수
        return [TextContent(type="text", text=str(result))]

async def main():
    async with stdio_server() as (read_stream, write_stream):
        await app.run(read_stream, write_stream,
                      app.create_initialization_options())

if __name__ == "__main__":
    import asyncio
    asyncio.run(main())

서버가 완성됐으면 Claude Code에 등록합니다. ~/.claude.json에 아래 내용을 추가하면 됩니다.

{
  "mcpServers": {
    "my-server": {
      "command": "python",
      "args": ["/path/to/server.py"]
    }
  }
}

이후 Claude Code를 재시작하면 /mcp 명령으로 서버 연결을 확인할 수 있습니다.

[MCP 서버 만들 때 체크리스트]
→ 툴 설명 명확히: AI가 언제 쓸지 이해해야 함
→ 입력 스키마 엄격히: JSON Schema로 타입 강제
→ 에러 핸들링: 실패 시 명확한 에러 메시지 반환
→ 읽기 전용 먼저: 쓰기 작업은 사용자 확인 단계 추가
→ 인증: 원격 배포 시 OAuth 2.0 필수

---

 

 

MCP vs 기존 방식 — 뭐가 달라졌나

               기존 Function Calling    MCP
표준화:         모델마다 다른 형식        단일 표준 프로토콜
재사용성:       모델마다 재작성 필요      한 번 작성, 어디서나 사용
디버깅:         프롬프트 엔지니어링 수준  API 계약 수준의 신뢰성
인증:           각자 구현                OAuth 2.0 표준화
원격 배포:      복잡한 설정 필요         프로토콜 레벨 지원
에코시스템:     벤더 종속               오픈 표준 (Linux Foundation)
기업 채택:      리스크 큼               AAIF 거버넌스로 안전

---

마무리

✅ MCP 지금 써야 하는 이유
→ 모든 주요 AI 플랫폼이 채택 완료 (사실상 표준)
→ Linux Foundation 거버넌스 → 장기 투자 가치 있음
→ 내부 툴을 한 번 만들면 Claude/GPT/Gemini 전부에서 사용
→ 에이전트 워크플로우 구축의 핵심 인프라
→ 구직시장에서 MCP 서버 개발 능력이 기본 스펙이 될 전망

✅ 기업에서 MCP 도입해야 하는 이유
→ 단일 벤더 리스크 없음 (Linux Foundation 중립 거버넌스)
→ 금융/의료/법무 규정 준수 환경 지원
→ AWS, Azure, GCP 인프라 네이티브 지원
→ 사내 AI 에이전트 파이프라인 표준화

❌ 아직 주의할 점
→ 인증: 원격 MCP 서버는 OAuth 2.0 반드시 구현
→ 보안: Tool Poisoning Attack 주의 (악성 MCP 서버 가능성)
→ 버전 관리: 스펙 업데이트 추적 필요
→ 복잡한 툴 체인: 너무 많은 툴 등록 시 LLM 선택 성능 저하

 

---

관련 글:

 

https://cell-devlog.tistory.com/62

MCP 서버 직접 만들기 — 내 서비스를 Claude에 연동하는 법

https://cell-devlog.tistory.com/67

MCP 서버 팀 배포 가이드 — 로컬에서 서버로 올려서 팀 전체가 쓰기

https://cell-devlog.tistory.com/66

MCP 서버 보안 설정 완전 가이드 — 인증, 권한 제한, 위험 차단

https://cell-devlog.tistory.com/71

Claude Code용 주요 MCP 서버 15개 — 실전 설치 가이드

https://cell-devlog.tistory.com/1

[AI 에이전트 개발 가이드] MCP, 스킬(Skills), 규칙(Rules) 비교 정리