원격 MCP

원격 MCP 서버란 무엇인가?

원격 MCP 서버는 AI 에이전트, 특히 대형 언어 모델(LLM) 및 에이전트 시스템에 데이터를, 도구를, 자동화 기능을 표준화된 프로토콜을 통해 제공합니다. 로컬 서버와 달리, 원격 MCP 서버는 클라우드나 인터넷에 호스팅되어 있으며, 권한이 부여된 모든 AI 클라이언트나 워크플로우가 접근할 수 있습니다. 이 서버는 AI 에이전트를 외부 API, SaaS 플랫폼, 개발자 도구, 엔터프라이즈 데이터에 연결하는 범용 “어댑터” 역할을 합니다.

• 핵심 가치: 도구와 데이터의 통합을 AI 모델 개발과 분리하여, LLM과 실제 세상 간의 안전하고 확장되며 폭넓은 연결을 가능하게 합니다.
• 일반 활용: 각 도구별 맞춤 코딩 없이 실시간 데이터 조회, 도구 호출, 다단계 자동화 연쇄 실행 등.

핵심 개념 및 용어

모델 컨텍스트 프로토콜(MCP)

**모델 컨텍스트 프로토콜(MCP)**는 LLM 및 에이전트 애플리케이션이 외부 도구와 데이터와 상호작용하는 방식을 표준화하는 개방형 프로토콜입니다. AI 클라이언트와 서버 간에 도구/리소스 발견, 기능 설명, 도구 호출, 컨텍스트 교환을 위한 범용 규약을 제공합니다.

• 핵심 아이디어:
  • 기능(도구, 리소스)을 기계가 읽을 수 있는 스키마로 기술
  • 표준화된 컨텍스트 및 액션 교환
  • 다양한 전송 옵션: stdio, HTTP, SSE, streamable HTTP
  • 안전하고 세밀한 인증 및 권한 부여

로컬 vs. 원격 MCP 서버

• 로컬 MCP 서버: 사용자의 기기에서 실행되며 stdio 또는 로컬 소켓을 통해 통신. 데이터 프라이버시 극대화, 직접 설치 및 관리 필요.
• 원격 MCP 서버: 클라우드 인프라 또는 공개 서버에 호스팅, HTTP/SSE로 통신. 중앙 관리, 어디서든 권한 있는 클라이언트가 접근 가능.

MCP 클라이언트, 호스트, 에이전트 워크플로우

• MCP 클라이언트: MCP 서버에 연결해 도구 호출을 조정하는 소프트웨어 컴포넌트(예: 챗봇 UI, 자동화 플랫폼, LLM 런타임).
• MCP 호스트: 클라이언트가 실행되는 런타임 환경(웹앱, IDE, 에이전트 플랫폼 등).
• 에이전트 워크플로우: AI 에이전트가 사용자 목표를 달성하기 위해 MCP 서버가 노출한 도구를 동적으로 발견하고 호출하는 자율적 의사결정 흐름.

서버-센트 이벤트(SSE) 및 HTTP 프로토콜

• SSE(Server-Sent Events): 서버에서 클라이언트로 실시간 업데이트를 스트리밍하는 HTTP 기반 프로토콜. 단계별 LLM 또는 도구의 진행 상황 전달에 유용.
• Streamable HTTP: SSE의 현대적, 무상태 대안. 클라이언트-서버 간 HTTP POST 사용, 필요시 스트림 방식 응답 제공. 최신 클라우드 인프라에 적합하고 신뢰성, 호환성 향상.

인증 및 권한 부여(OAuth 2.1)

• OAuth 2.1: 안전한 위임 접근을 위한 업계 표준 프로토콜. 원격 MCP 서버에서 사용자 인증 시, AI 에이전트에게 정확하고 철회 가능한 권한만 부여하도록 함(비밀번호 노출 없음).
• 핵심 포인트:
  • 레거시 암시적 플로우 미지원(보안상)
  • PKCE(코드 교환 증명) 필수
  • 최신 리프레시 토큰 전략
  • 최소 권한 원칙의 세밀한 scope 지원

원격 MCP 서버 아키텍처

원격 MCP 서버의 작동 방식

1. 호스팅: 클라우드 플랫폼(예: Cloudflare Workers, AWS, 사설 서버 등)에 배포
2. 기능 노출: 타사 API, 데이터베이스, 내부 도구를 감싸 MCP “도구” 혹은 “리소스”로 표준 스키마에 따라 노출
3. 연결: 클라이언트가 HTTP(S)로 연결, OAuth로 인증 후 안전한 세션 시작
4. 통신:
   • 클라이언트가 HTTP POST로 표준화된 요청(도구 호출, 리플렉션 등) 전송
   • 서버는 SSE 또는 streamable HTTP를 통해 응답/업데이트를 스트림 방식으로 반환
5. 권한 부여: 사용자는 OAuth 플로우를 통해 도구/데이터/작업별 scope로 접근 권한을 승인
6. 발견 및 호출: 클라이언트가 사용 가능한 도구를 동적으로 나열하고 필요 시 호출하여 유연한 AI 기반 워크플로우 지원

아키텍처 다이어그램:

+---------------------+      HTTP/SSE      +---------------------+
|   AI Agent (Client) | <----------------> | Remote MCP Server   |
+---------------------+                    +---------------------+
             |                                         |
           OAuth (AuthN/AuthZ)                 External Service/API
             |                                         |
      User grants access                         (e.g. Jira API, DB)

아키텍처 비교: 로컬 vs. 원격 MCP 서버

전송 프로토콜: stdio, HTTP, SSE, Streamable HTTP

• stdio: 로컬 MCP 서버에서 사용(프로세스 간 또는 로컬 소켓)
• HTTP/SSE: 클라이언트가 HTTP 요청 전송, 서버는 SSE로 응답/이벤트 스트리밍
• Streamable HTTP: HTTP POST 기반의 현대적, 무상태 스트림 전송. 클라우드 환경에서 더욱 견고하고 확장성 높음.
• Streamable HTTP의 장점: 확장 용이, 프록시 호환, 청크/스트림 응답 지원, 브라우저 호환성 문제 최소화

활용 사례 및 예시

LLM 통합 및 에이전트 워크플로우

예시: Atlassian의 원격 MCP 서버가 Jira, Confluence를 Claude 등 LLM에 연결. 에이전트는 다음과 같은 작업 수행:

• 이슈 또는 문서 요약
• 채팅에서 직접 작업 항목 생성/업데이트
• 다단계 워크플로우 연쇄(예: 여러 작업 일괄 생성, 목표 추출, 상태 일괄 업데이트 등)

교차 도구 자동화

예시: 마케팅 에이전트가 서로 다른 세 개의 MCP 서버를 통합:

• CMS: 웹 페이지 초안 작성/업데이트
• 분석: 트래픽/전환 데이터 조회
• SEO: 감사 수행, 최적화 제안

에이전트가 전체 서버를 아우르는 워크플로우를 연쇄 호출(“어제 블로그 성과 요약 및 개선점 제안”).

SEO, 콘텐츠, 웹 자동화

예시: 원격 MCP 서버가 SEO 감사 API를 노출. AI 에이전트가 할 수 있는 일:

• 실시간 웹페이지 가져오기 및 파싱
• 구조화 데이터, 메타 태그 감사
• 실질적 SEO 리포트/제안 반환

엔터프라이즈 데이터 접근 및 개발자 운영

예시: DevOps팀이 CI/CD 상태, 이슈 트래커, 배포 제어를 내부 MCP 서버로 노출. AI 에이전트가 수행:

• 빌드/배포 상태 확인
• 롤백이나 재시작 트리거
• 인시던트/티켓 생성, 로그 요약

주요 기능 및 이점

장점

• 범용 프로토콜: 어떤 AI 에이전트든 어떤 도구/서비스에도 연결 가능한 표준 제공
• 확장성: 클라우드 환경에서 다수 클라이언트, 고부하 처리 가능
• 보안: OAuth 2.1을 통한 세밀하고 철회 가능한 권한 부여
• 로컬 설치 불필요: 사용자는 로그인 후 권한만 부여하면 됨
• 중앙 집중형 관리: 엔터프라이즈에서 단일 지점에서 접근 통제 가능
• 빠른 통합: 도구별 맞춤 코드 불필요, MCP 스키마로 도구 등록만 하면 됨

단점 및 한계

보안 및 권한 부여

OAuth 통합

원격 MCP 서버는 OAuth 2.1로 안전한 위임 인증/권한 부여를 지원합니다:

• 사용자 권한 승인: AI 클라이언트가 OAuth 플로우 시작, 사용자가 scope/기능 승인
• 토큰 발급: MCP 서버가 자체 단명 액세스 토큰을 발급(상위 제공자 자격 증명 노출 없음)
• 세밀한 권한: 사전 승인된 도구/작업만 에이전트에 제공

베스트 프랙티스:

• 암시적 플로우 미지원(OAuth 2.1에서 제거)
• 모든 플로우에 PKCE 적용
• 리프레시 토큰 안전하게 관리

보안 위험: 도구 오염 및 과도한 에이전시

• 도구 오염: 공격자가 도구 메타데이터에 악의적 명령을 삽입, LLM이 데이터를 유출하거나 해로운 행동을 하도록 유도할 수 있음
  • 대응책: 모든 도구 설명 정제, 입력값 검증, 신뢰된 소스만 도구 메타데이터 허용
• 과도한 에이전시: 과도하게 개방된 도구 노출로 AI 에이전트가 의도치 않거나 위험한 작업 수행 가능
  • 대응책: 최소 권한 scope 사용, 도구 노출 정기 검토

베스트 프랙티스

• 최소, 필수 기능만 노출
• 모든 도구 메타데이터 및 사용자 입력에 대해 견고한 검증/정제 구현
• 단명, 서버 발급 토큰 사용
• 모든 요청/응답 감사 및 로그 기록
• OAuth scope 주기적 검토 및 업데이트