[클로드 코드 완독 챌린지] - 2주차 : MCP 연동

MCP 란?

MCP(Model Context Protocol) 는 복잡한 설정, 권한 관리, 매번 명령어를 직접 조합해야 하는 복잡성을 해결하기 위한 개방형 표준이다. AI 가 외부 리소스와 안전하고 체계적으로 상호작용할 수 있도록 돕는 고속도로라 할 수 있다.

예를 들어 psql -c "Select * From user" 처럼 명령을 직접 입력하는 대신, MCP 를 통해 데이터베이스 스키마를 이해하고 최적화된 쿼리를 자동 생성 및 실행할 수 있다.

MCP 는 단순한 편의 기능이 아니라, 프롬프트 엔지니어링에서 컨텍스트 엔지니어링으로의 진화를 상징한다. 즉, 어떻게 질문할 것인가에서 어떤 데이터와 도구에 접근할 수 있게 할 것인가로 관점이 바뀐다.

예를 들어 고객이 “이번 달 매출 추이를 알아보고 싶다” 고 요청했을 때, 기존 방식은 “데이터 베이스 접근 → 쿼리 실행 → 결과 해석” 의 과정을 거쳐야 했다. 하지만 MCP 를 사용하면 클로드에게 단순히 “이번 달 매출 추이를 분석해서 리포트를 작성해줘” 라고 요청하면, 클로드 코드가 직접 데이터베이스에 접속해 데이터를 조회,분석하고 리포트까지 완성한다.

---

프롬프트 엔지니어링에서 컨텍스트 엔지니어링으로

프롬프트 엔지니어링과 터미널 도구의 한계

터미널 도구들의 방식은 여전히 명령어 중심이다. 결국 클로드가 내부적으로 문자열 형태의 명령어를 만들어 실행하는 것이기 때문에, 복잡한 환경에서는 권한 관리, 결과 파싱, 오류 처리에 제약이 생긴다.

컨텍스트 엔지니어링과 MCP

터미널에서 명령어 문자열을 생성하고 실행하는 대신, MCP 는 구조화된 API 호출을 통해 외부 시스템과 상호작용한다.

예를 들어, 데이터베이스를 접근할 때 명령어를 만드는 것이 아니라 database/query 라는 메서드를 JSON-RPC 형식으로 호출하고 결과를 바로 데이터 객체로 받는다.

즉, 컨텍스트 엔지니어링은 “AI 가 어떤 도구와 데이터를 직접 다룰 수 있도록 설계할 것인가” 에 초점을 둔다.

> 데이터베이스의 사용자 행동을 분석해줘
-> 실시간 데이터 접근, 다양한 소스 통합 분석

---

MCP 이해하기

MCP란?

MCP 는 AI 모델이 외부 리소스와 안전하게 상호작용할 수 있도록 설계된 개방형 표준이다.

이를 통해 클로드는 단순히 코드나 문장을 생성하는 수준을 넘어, 실제 개발 환경 속 데이터를 직접 다루고, 시스템을 제어할 수 있는 실용적인 개발 도구로 확장한다.

즉, MCP 는 AI 가 직접 외부 세계와 대화할 수 있는 표준 언어 이다.

MCP 와 JSON-RPC

MCP는 내부적으로 JSON-RPC 2.0 프로토콜을 기반으로 한다.

JSON-RPC 는 원격 프로시저 호출을 단순한 JSON 형식으로 정의한 규약으로, 다음과 같은 특징이 있다.

1. 단순성 : 요청과 응답이 직관적이며 구조가 간단
2. 언어 중립성 : JSON 형식을 따르므로 어떤 언어에서도 구현 가능
3. 정확성 : 명령어 파싱이 아니라 구조화된 객체 교환 → 데이터 손실 최소화

주요 활용 영역

데이터베이스에 국한되지 않고, 다양한 시스템을 연결할 수 있는 범용 프로토콜이다.

데이터 베이스 연결

• PostgreSQL, MySQL 등 직접 연결
• 실시간 데이터 조회 및 분석
• 쿼리 최적화 제안, 데이터 패턴 분석

클라우드 서비스 통합

• AWS, 애저 리소스 상태 확인
• 자동 스케일링, 비용 최적화 제안
• 멀티 클라우드 환경 관리

개발 도구 연결

• 깃허브 저장소 분석 및 코드 리뷰
• 지라 티켓과 이슈 동기화
• CI/CD 파이프라인 제어 및 자동화

모니터링 시스템

• 실시간 로그 수집 및 이상 탐지
• 성능 메트릭 추적 및 예측
• 장애 원인 자동 분석 및 대응 제안

---

MCP vs 프롬프트 엔지니어링 비교

프로덕션 서버에서 성능 저하가 발생했다고 가정하자.

프롬프트+명령어 방식 - 30분 소요

1. 시스템 리소스 확인
2. 데이터베이스 상태 확인
3. 애플리케이션 로그 확인
4. 웹 서버 로그도 확인
5. 클로드에게 위 내용 전달

MCP 방식

1. 프로덕션 서버의 성능이 저하되고 있어. 원인을 분석해줘

주요 차이점

항목 프롬프트+명령어 MCP

초기 설정	별도 설정 불필요	MCP 서버 설치 및 구성 필요
작업 속도	명령어 실행→ 결과 복사 → 전달
오래걸림	직접 연결 후 즉시 분석
데이터 정확성	복붙 과정에서 누락 가능	구조화된 응답으로 100% 정확
자동화 가능성	스크립트 작성 필요	기본적으로 자동화 지원
팀 협업	개인별 스크립트 관리	표준화된 인터페이스 공유
보안	수동 권한 관리	역할 기반 접근 제어,
체계적 권한 시스템

---

MCP 연결 방식 이해하기

MCP 는 상황에 따라 다른 연결 방식을 사용한다.

STDIO(Standard Input/Output)

가장 기본적이면서도 효율적인 방식이다. 로컬 환경에서 애플리케이션이나 데이터베이스를 다룰 때 사용된다.

특징

1. 같은 머신에서 프로세스 간 직접 통신
2. 네트워크 오버헤드 없음 - 가장 빠른 속도
3. 간단한 설정으로 바로 사용 가능

활용 예시

1. 로컬 개발 환경의 SQLite 데이터베이스
2. 파일 시스템 접근
3. 로컬 도커 컨테이너 관리

Streamable HTTP

HTTP 기반 프로토콜이다. 원격의 서버로부터 데이터를 주고받을 때 유용하다.

깃허브나 아틀라시안 같은 SaaS 서비스들은 공식 MCP 서버를 제공하며, 이 방식으로 연동할 수 있다.

특징

1. 표준 HTTP 프로토콜 사용
2. 기존 REST API 와 완벽 호환
3. 인증 및 보안 기능 완비

활용 예시

1. 외부 SaaS 서비스 연동
2. 마이크로서비스 아키텍처
3. 클라우드 API 통합

SSE

과거에는 MCP 연결 방식으로 SSE 도 사용되었다.. 그러나 연결을 두 개 유지해야 하는 구조적 단점 때문에 현재는 더 이상 쓰지 않는다.

---

고급 활용 패턴

멀티 소스 분석

여러 데이터 소스를 함께 활용하면 단일 소스만 확인할 때보다 훨씬 풍부한 분석이 가능하다.

예를 들어 웹 사이트 접속자가 감소했을 때, 구글 애널리틱스만 보면 단순히 트래픽 감소라는 현상만 알 수 있다. 그러나 서버 로그, 데이터베이스 성능 지표, 깃허브의 최근 배포 이력까지 함게 보면 코드 배포로 인한 성능 저하, 특정 쿼리 병목, 혹은 서버 리소스 부족이 원인임을 빠르게 파악할 수 있다.

> 다음 소스들을 종합 분석해줘
1. 데이터베이스 : 사용자 활동 데이터
2. GitHub : 최근 배포 이력
3. 모니터링 : 서버 성능 지표

통합 자동화 워크플로

MCP 를 사용하면 단일 이벤트가 전체 프로세스를 자동으로 실행하도록 설계할 수 있다. 예를 들어 깃허브에 코드가 푸시되면 자동으로 테스트가 실행되고, 문제가 없으면 스테이징 배포 후 모니터링을 거쳐 리포트가 작성되어 팀에 전달된다.

이 모든 과정이 사람의 개입 없이 몇 분 안에 이루어진다.

---

실전 활용 예시

통합 대시보드

MCP 를 사용하면 깃허브, 데이터베이스, 서버 모니터링 시스템 등 모든 데이터를 한 번에 붂어 보여줄 수 있다. 단일 명령어로 프로젝트의 전반적인 상황을 즉시 파악할 수 있다는 점에서 큰 장점이 있다.

> 프로젝트 전체 상태를 분석해줘
- GitHub : 이번 주 개발 진행률
- 데이터베이스 : 사용자 증가 추세
- 서버 : 리소스 사용률 및 성능

자동 리포트 생성

# 주간 리포트 자동 생성
> claude --print "지난 주 개발 활동과 시스템 현황을 종합한 주간 리포트를 작성해줘"

---

MCP 서버 구성하기

claude mcp add 명령

새로운 MCP 서버를 쉽게 추가하는 명령이다. 이를 통해 복잡한 설정 파일을 직접 편집하지 않고도 MCP 서버를 관리할 수 있다.

기본 사용법

# MCP 서버 추가
$ claude mcp add <서버이름> [옵션] [--인수들]

# 기본 예시
$ claude mcp add mcp-server-postgres

이런 식으로 추가된 MCP 설정은 로컬 및 전역 스코프는 $HOME/.claude.json 에, 프로젝트 스코프는 $PROJECT/.mcp.json 에 반영된다.

주요 옵션들

1. 스코프 설정 : -s , —scope
2. # 전역 설치 $ claude mcp add mcp-server-github --scope global # 현재 프로젝트에만 설치(기본값) $ claude mcp add mcp-server-postgres --scope(-s) project
3. 전송 방식 설정 : -t, —transport
4. # STDIO 전송(기본값) $ claude mcp add mcp-server-postgres --transport stdio(http,sse)
5. HTTP 헤더 설정 : -H, —header
6. # Authorization 헤더 추가 $ claude mcp add mcp-server-api -H "Authorization : Bearer your_token_here" # 환경 변수 추가 $ claude mcp add mcp-server-api -H "Authorization : Bearer ${}"

환경변수와 인수 설정

환경변수 설정

# 미리 설정
$ export DATABASE_URL = "~"

# 인수와 함께 추가
$ claude mcp add cafedb -s user --npx -y @modelcontextprotocol/server-postgres postgresql
://mycafe_user:mycafe_password@localhost:5432/mycafe_db

주요 MCP 서버 목록

데이터베이스 연동

• mcp-server-postgres : PostgreSQL
• mongodb-mcp-server : MongoDB
• mcp-server-mysql : MySQL
• mcp-sqlite : SQLite 로컬 DB

개발 도구 연동

• github-mcp-server : 깃허브 저장소, PR, 이슈 관리
• gitlab-mcp : 깃랩 프로젝트 관리

클라우드 서비스

• awslabs.core-mcp-server : AWS 리소스 관리 및 모니터링
• @azure/mcp : 애저 서비스 통합
• gcp-mcp : 구글 클라우드 플랫폼 연동

문서 및 정보

• context7 : 개발 문서 및 라이브러리 정보 검색
• serena : LSP 기반 코드 정보 관리
• mcp-server-atlanssian : Confluence 및 지라 관리

모니터링 및 분석

• mcp-grafana : 그라파나 대시보드 및 메트릭 분석
• mcp.sentry.dev/mcp : 데이터독 모니터링 연동
• mcp-server-sentry : 에러 추적 및 성능 모니터링

---

정리

MCP 를 통한 개발 환경 확장

MCP 를 활용하면 클로드가 외부 시스템에 직접 접근할 수 있게 된다. claude mcp add 명령을 통해 손쉽게 새로운 MCP 서버를 추가하고 관리할 수있다.

주요 내용

1. 컨텍스트 엔지니어링 : AI 가 접근할 수 있는 환경을 확장하는 접근법
2. 연결 방식 : STDIO(로컬), HTTP(원격)
3. 실전 활용 : 데이터 조회, 분석, 자동화 작업 수행
4. MCP 서버 관리 : claude mcp add/list/remove 명령으로 간편하게 관리

적용 방법

1. 필요한 MCP 서버 파악 : 프로젝트에 필요한 외부 시스템 확인
2. 단계적 추가 : claude mcp add 명령으로 하나씩 추가하며 테스트
3. 권한 설정 : 각 서버별로 필요한 최소 권한만 부여
4. 점진적 확장 : 성공적으로 연동된 후 다른 시스템 추가