MCP 수업 자료를 정리하다가 한참 생각에 잠겼습니다. 수파베이스에 테이블을 만들고, 권한 정책을 걸고, 프로젝트 주소와 키를 가져오는 일. 예전 같으면 대시보드를 열어 메뉴를 하나씩 눌러야 했던 일입니다. 그런데 이번에는 대시보드를 한 번도 열지 않았습니다. AI에게 말로 부탁했고, AI가 직접 했습니다.
한 문장으로 줄이면 이렇습니다. LLM은 똑똑한 머리이고, MCP는 그 머리가 손에 쥐는 공구입니다. 그리고 이제는 어도비 같은 회사까지 자기 공구함을 열어 주고 있습니다.
하나, 똑똑한데 손이 없던 LLM
LLM은 말을 잘합니다. 하지만 말만 합니다. 테이블을 만드는 SQL은 써 주지만 실행은 사람이 해야 했습니다. 머리는 좋은데 손이 없는 목수였던 셈입니다.
프로그램에는 원래 다른 프로그램을 위한 공식 창구가 있습니다. API입니다. 사람이 버튼과 메뉴로 일을 시키듯, 프로그램은 API로 일을 시킵니다. "정확한 형식으로 부르면 정해진 일을 해 준다"는 약속이고, 그 형식은 프로그램마다 다릅니다.
2023년에 LLM에 도구 호출 기능이 생겼습니다. 개발자가 "이런 함수가 있다"고 알려 주면 AI가 상황에 맞게 그 함수를 불러 달라고 요청하는 방식입니다. 손이 생기긴 했습니다. 문제는 공구가 전부 맞춤 제작이었다는 점입니다.
챗GPT용으로 만든 연결은 Claude에서 못 썼습니다. 커서용으로 만든 연결은 다른 편집기에서 못 썼습니다. AI 앱 수 곱하기 서비스 수만큼 연결 코드가 생겼습니다. 드라이버마다 손잡이 규격이 달라서, 목수가 바뀔 때마다 공구를 새로 깎아야 했던 겁니다.
둘, 공구의 규격을 맞춘 MCP
MCP는 Model Context Protocol의 약자입니다. 우리말로 풀면 "AI 모델에게 맥락, 곧 정보와 도구를 전달하는 규칙"입니다. 2024년 11월 Anthropic이 공개했고, 2025년에 OpenAI와 구글도 채택하면서 사실상 업계 표준이 됐습니다.
발상은 단순합니다. 연결 코드를 AI 앱 쪽이 아니라 서비스 쪽에 한 번만 둡니다. 블렌더 쪽에 MCP 서버를 하나 만들어 두면 Claude Code든 커서든 챗GPT든 같은 방법으로 블렌더를 씁니다. 손잡이 규격을 하나로 통일한 겁니다. USB-C를 떠올리면 됩니다.
알아야 할 용어는 세 가지뿐입니다.
| 용어 | 뜻 | 공구로 비유하면 |
|---|---|---|
| 호스트 | AI가 들어 있는 에이전트 프로그램 (Claude Code, Codex, 커서) | 목수 |
| MCP 서버 | 특정 서비스를 AI가 쓸 수 있게 포장한 작은 프로그램 | 서비스마다 하나씩 있는 공구함 |
| 도구와 리소스 | AI가 실행할 수 있는 동작, AI가 읽을 수 있는 데이터 | 공구함 속 공구와 설명서 |
중요한 건 공구함에 목록이 붙어 있다는 점입니다. 서버가 "내가 할 수 있는 일"을 도구 목록으로 알려 주고, AI는 그 목록을 보고 필요한 공구를 스스로 골라 씁니다. 사람이 일일이 쥐여 주지 않아도 됩니다.
공구를 쥐면 벌어지는 일
수업에서는 숙소 예약 서비스에 회원관리 기능을 붙였습니다. 사용자가 "수파베이스로 숙소 데이터를 위한 테이블을 만들어 줘"라고 말하면 이런 일이 벌어집니다.
- AI가 연결된 MCP 서버 목록을 봅니다.
- 수파베이스 서버의 테이블 생성 도구를 고릅니다.
- 도구를 호출하면 MCP 서버가 수파베이스 API를 대신 부릅니다.
- 실제로 테이블이 만들어지고, 결과가 AI에게 돌아옵니다.
- AI가 결과를 보고 사용자에게 설명합니다.
회원관리도 같은 방식이었습니다. 짧은 PRD를 먼저 쓰고, AI에게 마이그레이션을 맡겼습니다. 프로필 테이블, 가입 시 자동으로 한 줄을 넣는 트리거, 행 단위 보안 정책, 탈퇴 함수까지 한 번에 만들어졌습니다. 프로젝트 주소와 공개 키도 AI가 MCP로 직접 가져와 환경 변수 파일에 넣었습니다.
사람이 한 일은 세 가지였습니다. 무엇을 만들지 적는 일, AI가 보여 주는 SQL을 훑어보는 일, 승인 버튼을 누르는 일.
공구가 없으면 맨손으로: 컴퓨터 사용
AI가 프로그램을 다루는 길은 두 가지입니다. 하나는 공구를 쓰는 길, MCP입니다. 다른 하나는 AI가 직접 화면을 보고 마우스를 잡는 길, 컴퓨터 사용입니다. 최근 화제가 된 OpenAI의 시연, 곧 Final Cut Pro에서 영상을 편집하고 Canva에서 포스터를 만드는 장면은 두 번째 길입니다.
| MCP | 컴퓨터 사용 | |
|---|---|---|
| AI가 보는 것 | 서버가 알려 준 도구 목록 | 화면 스크린샷 |
| AI가 하는 것 | 도구를 골라 정확한 명령을 보냅니다 | 사람처럼 클릭하고 입력합니다 |
| 속도 | 빠릅니다. 명령 한 번이면 끝납니다 | 느립니다. 보기, 클릭, 확인을 반복합니다 |
| 정확성 | 높습니다 | 흔들립니다. 버튼 위치를 잘못 볼 수 있습니다 |
| 범용성 | 좁습니다. MCP 서버가 있는 프로그램만 됩니다 | 넓습니다. 사람이 쓸 수 있으면 됩니다 |
| 비용 | 적습니다 | 많습니다. 스크린샷을 계속 보냅니다 |
| 안전성 | 허용된 도구만 쓰므로 통제가 쉽습니다 | 화면 전체를 다루므로 엉뚱한 곳을 건드릴 수 있습니다 |
정해진 일을 정확하고 빠르게 하려면 MCP, 아무 프로그램이나 느리더라도 어떻게든 하려면 컴퓨터 사용입니다. 그래서 실제 제품들은 둘을 섞습니다. 공구가 있는 일은 공구로 빠르게 처리하고, 공구가 없는 빈틈만 화면 조작으로 메웁니다.
거꾸로 말하면, 세상에는 아직 공구함을 열지 않은 프로그램이 훨씬 많다는 뜻이기도 합니다.
셋, 어도비도 공구함을 열었습니다
그 많던 "아직 안 연 프로그램"의 대표가 어도비였습니다. 포토샵, 프리미어, 일러스트레이터. 사람이 화면 앞에 앉아 손으로 배워야 하는 도구의 상징 같은 회사입니다. 그 어도비가 올해 MCP로 공구함을 열었습니다.
수파베이스에서 본 장면과 같습니다. 대시보드를 열지 않고 테이블을 만들었듯, 포토샵을 열지 않고 이미지를 고칩니다. 개발자 도구에서 시작된 흐름이 디자이너와 마케터의 도구까지 온 겁니다.
https://www.mk.co.kr/news/it/12205925
우리에게 시사하는 점
첫째, 소프트웨어의 새 고객은 AI입니다. 지금까지 좋은 서비스는 사람이 쓰기 편한 화면을 가진 서비스였습니다. 이제는 AI가 쓰기 편한 공구함도 가져야 합니다. 어도비처럼 화면이 곧 자산이던 회사가 움직였다는 건, 이게 선택이 아니라는 신호입니다.
둘째, 도구 사용법보다 일을 설명하는 능력이 중요해집니다. 포토샵 메뉴 위치를 외우는 일의 값은 떨어집니다. 대신 무엇을 원하는지 정확히 적는 일의 값이 올라갑니다. 만들 것과 만들지 않을 것을 적어 줘야 공구가 제대로 쓰입니다.
셋째, 결과를 검수하는 눈은 여전히 사람 몫입니다. AI가 보여 준 SQL에 테이블 생성, 트리거, 보안 정책, 함수가 다 들어 있는지 확인하는 건 사람이었습니다. 전부 이해할 필요는 없지만, 무엇이 있어야 하는지는 알아야 합니다. 개념을 배우는 일은 사라지지 않고 오히려 중심이 됩니다.
넷째, 만드는 쪽에도 기회입니다. MCP는 공개 표준이라 누구나 서버를 만들 수 있습니다. 한 번 만들면 Claude에서도 챗GPT에서도 커서에서도 쓰입니다. 작은 팀이 만든 서비스도 공구함 하나만 잘 열어 두면 모든 AI의 손에 쥐어집니다.
공구함 하나부터 열어 보세요
거창하게 시작할 필요는 없습니다. 지금 쓰는 AI 도구에 자주 쓰는 서비스의 MCP 서버를 하나 연결해 보세요. 수파베이스도 좋고, 깃허브도 좋고, 어도비도 좋습니다. 그리고 평소 화면을 열어서 하던 일을 말로 시켜 보세요.
한 번 해 보면 감이 옵니다. AI가 답을 알려 주는 것과 AI가 일을 해 주는 것은 전혀 다른 경험입니다. 그 차이를 만드는 것이 공구이고, 그 공구의 규격이 MCP입니다.
