섹션별 상세
Perplexity CTO와 Garry Tan 등 업계 리더들이 MCP의 컨텍스트 윈도우 점유와 인증 복잡성을 비판하며 직접 API/CLI 방식을 선호한다고 밝혔다. 그러나 Cloudflare의 사례처럼 검색(search) 및 실행(execute) 도구를 활용하면 2,600개의 API 엔드포인트를 단 1,000개의 토큰으로 처리할 수 있어 설계 역량에 따라 효율성이 결정된다.
Stripe는 'Toolshed'라는 내부 MCP 서버를 구축하여 엔지니어가 새로운 도구를 작성하면 수백 개의 에이전트가 즉시 이를 발견하고 사용할 수 있는 공유 역량 레이어를 제공한다. 에이전트 성능 저하를 막기 위해 각 에이전트에게는 작업에 필요한 도구의 일부(subset)만 제공하며, 사용자별 커스터마이징을 통해 테마별 도구 세트를 추가 구성할 수 있다.
자율적으로 작동하는 에이전트의 오작동을 방지하기 위해 Stripe는 내부 보안 제어 프레임워크를 운영하며, 에이전트가 실제 사용자 데이터나 운영 서비스에 접근하지 못하도록 격리된 개발 환경(devbox)에서만 작동하게 제한한다. 이는 인간 개발자를 위해 구축된 안전한 실험 환경이 AI 에이전트에게도 동일하게 유효함을 보여주는 사례이다.
일부 기업은 'MCP 라우터'를 구축하여 에이전트가 루프 내에서 필요한 MCP나 도구를 스스로 검색하게 만드는 멀티플렉싱 방식을 채택한다. 이는 모든 도구의 스키마를 미리 로드하여 컨텍스트를 낭비하는 대신, 필요할 때만 도구 정보를 가져오는 Cloudflare의 인터페이스와 유사한 구조를 가진다.
3,000명 이상의 개발자를 보유한 대형 기술 기업들은 팀 단위로 MCP를 직접 제작하고 배포할 수 있도록 개발을 민주화하고 있다. 과도한 통제가 오히려 보안 사각지대에 놓인 '블랙 마켓' MCP의 생성을 부추길 수 있다는 우려 때문에, 인증 레이어에서 통제를 수행하되 개발 자율성을 보장하는 추세가 나타나고 있다.
용어 해설
- 모델 컨텍스트 프로토콜(Model Context Protocol)
- — Anthropic이 제안한 개방형 표준으로, AI 에이전트가 데이터 소스 및 도구와 통신하는 방식을 규정한다. 서로 다른 모델과 도구 간의 상호운용성을 높여 에이전트 구축 시 통합 비용을 줄여주는 역할을 한다.
- 컨텍스트 윈도우(Context Window)
- — LLM이 한 번에 처리할 수 있는 토큰의 최대 양이다. MCP 도구의 스키마가 너무 크면 이 윈도우를 과도하게 점유하여 실제 추론에 사용할 공간이 부족해지는 문제가 발생한다.
- 에이전트 시스템(Agentic System)
- — 단순한 텍스트 생성을 넘어 도구 사용, 계획 수립, 실행 등을 자율적으로 수행하는 AI 시스템이다. 복잡한 워크플로를 해결하기 위해 외부 API나 데이터베이스와 상호작용하는 능력이 핵심이다.
- 도구 발견(Tool Discovery)
- — 에이전트가 사용 가능한 수많은 도구 중에서 현재 작업에 필요한 적절한 도구를 식별하고 찾는 프로세스이다. 중앙 집중형 레지스트리를 통해 도구의 가시성을 확보하는 것이 중요하다.
기술
- MCP
- Stripe Toolshed
- Sourcegraph
- Cloudflare MCP
- Claude Code
활용 사례
- 내부 도구 통합 에이전트
- 자율 코딩 에이전트
- 엔터프라이즈 도구 레지스트리
언급된 리소스
AI 분석 전체 내용 보기
AI 요약 · 북마크 · 개인 피드 설정 — 무료
출처 · 인용 안내
원문 발행 2026. 03. 21.수집 2026. 03. 21.출처 타입 RSS
인용 시 "요약 출처: AI Trends (aitrends.kr)"를 표기하고, 사실 확인은 원문 보기 기준으로 진행해 주세요. 자세한 기준은 운영 정책을 참고해 주세요.
