동석 이
나만의 MCP 서버 만들기 with 커서 AI
책 : 나만의 MCP 서버 만들기 with 커서 AI
AI가 우리 회사 시스템이나 개인 데이터와 직접 연결되면 얼마나 편리할까요?
이번 글에서는 『나만의 MCP 서버 만들기 with 커서 AI』를 통해 MCP 서버 만들기 개념과 활용 방법을 정리합니다.
-
MCP가 왜 기존 방식보다 유리한지, 어떤 구조적 혁신이 가능한지
-
환경 준비: OpenAI, Brave Search, Google Maps API 키 세팅과 커서(Cursor) 환경 설정
-
실습 예제:
-
계산을 담당하는 Math MCP 서버
-
PDF/문서 자동 생성 RAG 서버
-
윈도우 파일 탐색기와 연결하는 explorer 서버
-
실시간 웹 검색 web-search 서버
-
-
공개 MCP 서버 활용: Sequential Thinking, Brave Search, 파일 탐색기 연동 등
이 책은 단순한 따라 하기 책이 아니라, **“AI를 나만의 도구로 진짜 활용할 수 있는 방법”**을 알려주는 실무형 가이드입니다.
1. MCP(Model Context Protocol)가 무엇인가?
“MCP(Model Context Protocol)는 AI와 외부 시스템을 연결하는 표준 프로토콜입니다. 이 글에서는 『나만의 MCP 서버 만들기 with 커서 AI』를 통해 MCP 개념, 서버 구축 방법, 실습 사례를 정리했습니다.”
쉽게 말해, AI와 여러 앱이 같은 언어를 쓰도록 만들어주는 국제 공용어 같은 역할을 합니다.
기존 방식 vs MCP
-
기존: 각 서비스마다 다른 API를 학습하고, 별도의 코드를 작성해야 함
-
MCP: 표준화된 규칙만 따르면 AI가 쉽게 연동 가능
MCP가 무엇이고, 기존 방식과 무엇이 다른가?
한 줄 정의
MCP(Model Context Protocol)는 LLM 앱(Host)과 외부 서버(Server)를 JSON‑RPC 2.0으로 연결해 리소스(Resources), 프롬프트(Prompts), 툴(Tools)을 표준 규격으로 노출·사용하게 하는 프로토콜입니다. 상태 있는 연결, 능력 협상, 보안 모범사례를 포함합니다.
구조(개념 맵)
[사용자] ── 대화 ──> [LLM 앱(Host)] ── 클라이언트(Connector) ── JSON‑RPC ──> [MCP 서버]
▲ │
└────────────── (툴/리소스/프롬프트) ◀───────┘
- Host: LLM 앱(예: Cursor, Claude, ChatGPT 데스크톱 등)
- Client(Connector): Host 안에서 MCP 연결을 담당
- Server: 기능·데이터를 제공하는 서비스(파일, 웹 검색, 사내 시스템 등)
- 전송(Transports):
stdio/SSE/Streamable HTTP지원
기존 방식 vs MCP (요약)
| 항목 | 기존(각 서비스별 API 직접 연동) | MCP(표준 프로토콜) |
|---|---|---|
| 연동 난이도 | 서비스마다 SDK·인증·응답포맷 제각각 | 표준 메시지 포맷(JSON‑RPC)과 공통 개념(툴/리소스/프롬프트)으로 단순화 |
| 재사용성 | 모델/도구 바뀌면 다시 개발 | 클라이언트 다양성(Cursor/Claude/ChatGPT 등)으로 재사용 높음 |
| 보안/통제 | 케이스 바이 케이스 | 사용자 승인·루트(허용 디렉터리) 등 베스트 프랙티스 존재 |
| 유지보수 | 엔드포인트별 개별 관리 | 서버 하나로 다수 클라이언트 대응 |
참고: 문서에 따라 MCP를 “AI의 USB‑C”에 비유하기도 합니다. 한 규격으로 다양한 도구를 꽂아 쓰는 그림을 떠올리면 이해가 쉽습니다.
2. MCP(Model Context Protocol)의 동작 구조
-
클라이언트(Client) – AI가 실행되는 공간 (예: ChatGPT, 커서 IDE)
-
서버(Server) – 실제 기능을 가진 도구나 데이터베이스 (예: 이메일, 캘린더, DB)
-
프로토콜(Protocol) – 클라이언트와 서버가 같은 규칙으로 소통할 수 있도록 정해둔 약속
AI는 MCP를 통해 “일정 확인해 줘”, “데이터 불러와 줘” 같은 명령을 다른 앱에 요청하고, 그 결과를 바로 사용할 수 있게 됩니다.
3. MCP AI 활용 사례와 Model Context Protocol 적용
MCP는 벌써 다양한 영역에서 실험되고 있습니다.
-
개발자 환경
-
AI가 IDE와 MCP 서버를 통해 코드 작성, 테스트, 디버깅을 지원
-
예: AI에게 “이 함수 테스트 코드 작성해줘”라고 하면 MCP 서버를 통해 자동 실행
-
-
업무 자동화
-
AI가 캘린더, 이메일, 파일 관리 시스템과 직접 연결
-
예: “다음 주 팀 회의 일정 잡아줘” → AI가 캘린더에 바로 반영
-
-
데이터 분석
-
AI가 DB와 직접 연결되어 쿼리를 실행하고 실시간 보고서를 작성
-
예: “지난달 매출 상위 5개 상품 보여줘” → DB에서 쿼리 후 시각화
-
-
개인 비서 서비스
-
파일 탐색기, 일정, 메모 앱 등과 연결
-
예: “지난주에 작성한 보고서 찾아줘” → AI가 바로 파일 위치를 알려줌
-
4. MCP AI 활용의 장점
| 항목 | 의미 | 대표 예시 | 기대 효과 | 체크포인트(보안/운영) |
|---|---|---|---|---|
| 확장성 | 새로운 서비스나 사내 시스템을 동일한 규격으로 빠르게 연결 | 기존 Filesystem 서버에 Web‑Search, Calendar 서버를 추가해 기능 확장 | 연동 속도 향상, 한 번 만든 서버를 여러 팀/프로젝트에서 재사용 | 전송 방식(stdio/SSE/HTTP) 선택, 버전 관리, Rate‑limit 고려 |
| 호환성 | 특정 벤더 API에 종속되지 않고 JSON‑RPC 표준과 툴/리소스/프롬프트 모델로 연동 | 같은 MCP 서버를 Cursor·Claude·ChatGPT 데스크톱에서 공통 사용 | 플랫폼 변경 비용↓, 멀티‑클라이언트 지원으로 사용자 범위 확대 | 클라이언트별 권한 UI·토큰 관리, 비호환 동작(자동 실행 등) 옵션 확인 |
| 생산성 | 반복적·표준화 가능한 업무를 툴 호출로 자동 처리 | 회의 일정 생성, 테스트 실행/요약, 문서 요약→PDF 생성 자동화 | 처리시간 단축, 휴먼 오류 감소, 문서화·로그가 자동으로 남음 | 최소 권한 원칙(읽기/쓰기 분리), 민감정보 필터링/마스킹, 승인 절차 |
| 미래 지향성 | 사내 ERP/CRM/인사 등 핵심 시스템과의 에이전트 지향 통합 기반 | 사내 전용 MCP 게이트웨이 구축 → 다양한 LLM/에이전트에서 공통 사용 | 도구 생태계 확장, 거버넌스 일원화, 장기 유지보수 비용 절감 | 감사 로그·추적성, 규정 준수(PII/보존기간), 운영 SLA/모니터링 체계 |
5. 앞으로의 MCP 활용 방향 및 결론
MCP는 이제 막 시작 단계이지만, 향후 다음과 같은 변화를 가져올 가능성이 큽니다.
-
-
사내 ERP, CRM, 인사 시스템 등을 MCP와 연결해 AI 비서처럼 활용
- 자신이 만든 앱에 MCP 인터페이스를 붙여 AI 친화적인 서비스로 확장
-
직원들이 AI에게 자연어로 명령하면 시스템이 자동 처리
- MCP 서버만 있으면 ChatGPT, 클로드, 커서 같은 다양한 AI 클라이언트에서 사용 가능
-
-
-
AI가 내 이메일·캘린더·파일을 직접 관리
-
진짜 개인 비서(Personal Assistant) 수준의 활용 가능
-
앞으로 MCP는 AI 생태계의 핵심 표준으로 자리 잡을 것이며,
AI를 단순한 답변 도구에서 진짜 “업무 파트너”로 바꾸는 기술이 될 것입니다.
[정보]
함께 보면 좋은 글: MCP란 무엇인가? (Elice 뉴스룸 정리)