YOLO 라이선스 받기
Ultralytics 용어집으로 돌아가기

Model Context Protocol (MCP)

모델 컨텍스트 프로토콜(MCP)은 단일 인터페이스를 통해 AI 애플리케이션을 도구 및 데이터에 연결하는 개방형 표준입니다. 아키텍처, 활용 사례, 코드를 살펴봅니다.

Model Context Protocol (MCP)은 AI 애플리케이션을 외부 도구, 데이터 소스, 워크플로에 연결하기 위한 오픈 표준입니다. MCP 이전에는 각 AI 애플리케이션이 사용하는 서비스마다 별도의 맞춤형 통합이 필요했으므로, 어시스턴트 10개와 서비스 10개를 연결하려면 최대 100개의 커넥터가 필요했습니다. MCP를 사용하면 서비스를 MCP 서버로 한 번만 래핑하면 되고, MCP 호환 애플리케이션이라면 어디서든 사용할 수 있습니다. Anthropic은 2024년 11월에 프로토콜을 도입했으며, 2025년 12월에는 Anthropic이 Block 및 OpenAI와 함께 공동 설립한 Linux Foundation 산하 기금인 Agentic AI Foundation에 기부했습니다. Claude, ChatGPT, VS Code, Cursor, Gemini CLI 등의 호스트가 이를 지원하며, AI 에이전트와 대규모 언어 모델(LLM)이 외부 세계와 연결되는 표준 방식으로 자리 잡았습니다.

MCP 작동 방식#

MCP 사양은 JSON-RPC 2.0 메시지를 교환하는 세 가지 역할을 정의합니다. 호스트는 사용자가 작업하는 AI 애플리케이션으로, 챗봇, IDE 또는 에이전트 등이 이에 해당합니다. 호스트 내부에서 각 서버와의 연결은 클라이언트 하나가 관리하며, 각 서버는 일련의 기능을 제공합니다. 로컬 서버는 하위 프로세스로 실행되어 표준 입력 및 출력(stdio)을 통해 통신하고, 원격 서버는 Streamable HTTP를 사용합니다. 2026-07-28 개정판부터 핵심 프로토콜은 상태 비저장 방식입니다. 각 요청에는 자체 프로토콜 버전과 클라이언트 기능이 포함되며, 기존의 initialize 핸드셰이크와 세션 ID는 제거되어 로드 밸런서 뒤의 어느 서버 인스턴스든 모든 요청에 응답할 수 있습니다.

서버는 세 가지 유형의 기능을 제공합니다:

  • 도구: 모델이 호출할 수 있는 함수입니다. 각 도구는 이름, 설명, 인수에 대한 JSON Schema로 정의됩니다(예: create_issue 또는 run_query). 도구는 텍스트, 이미지 또는 구조화된 데이터를 반환할 수 있습니다.
  • 리소스: 파일, 데이터베이스 스키마, 로그 발췌문 등 URI로 식별되는 읽기 전용 컨텍스트이며, 애플리케이션이 모델의 컨텍스트에 첨부할 수 있습니다.
  • 프롬프트: 사용자가 명시적으로 선택하는 재사용 가능한 메시지 템플릿으로, 슬래시 명령어로 표시되는 경우가 많습니다.

서버는 작업 도중 누락된 입력을 가져오기(elicitation)를 통해 사용자에게 요청할 수도 있습니다. 선택적 확장 기능은 더 많은 기능을 추가합니다. Tasks는 클라이언트가 결과를 폴링하는 장기 실행 작업을 처리하며, MCP Apps는 도구가 대화 안에 차트와 양식을 렌더링하는 인터랙티브 인터페이스를 반환할 수 있도록 합니다. 이는 생성형 UI를 구현하는 방식입니다.

MCP 서버 구축#

공식 MCP Python SDK는 형식이 지정된 Python 함수를 도구로 변환하고, 타입 힌트에서 JSON Schema를 생성합니다. 이 방식으로 Ultralytics YOLO26 예측을 래핑하면 모든 MCP 호스트에 객체 탐지 기능을 제공할 수 있습니다. 도구는 모델이 추론에 활용할 수 있도록 각 객체의 클래스명, 신뢰도, 바운딩 박스를 담은 목록인 Results.summary()를 반환합니다. 아래 예제에서는 프로세스 내 클라이언트가 호스트와 같은 방식으로 도구를 검색하고 호출합니다:

import asyncio

from mcp import Client
from mcp.server.mcpserver import MCPServer
from ultralytics import YOLO

model = YOLO("yolo26n.pt")
server = MCPServer("vision")


@server.tool()
def detect(image_url: str) -> list[dict]:
    """Detect objects in an image and return each object's class, confidence, and box."""
    results = model(image_url)
    return results[0].summary()


async def main():
    """Discover the server's tools and call one, as an MCP host does."""
    async with Client(server) as client:
        tools = await client.list_tools()
        print(tools.tools[0].name, tools.tools[0].input_schema)
        result = await client.call_tool("detect", {"image_url": "https://ultralytics.com/images/bus.jpg"})
        print(result.structured_content)


asyncio.run(main())

첫 번째 print은 도구의 이름과 호스트 모델에 표시되는 입력 스키마를 보여줍니다. 이 스키마에는 문자열 인수 image_url 하나가 필요하며, 두 번째는 구조화된 콘텐츠로 반환된 탐지 목록을 보여줍니다.

  • 함수 호출: 모델이 도구에 보낼 구조화된 요청을 생성하는 기능입니다. MCP는 애플리케이션 간에 도구를 검색, 설명, 실행하는 방식을 표준화하며, 호스트는 MCP 도구 정의를 모델 고유의 함수 호출 형식으로 변환합니다.
  • API: REST 또는 GraphQL API는 하나의 서비스에 대한 클라이언트를 지원합니다. MCP 서버는 이러한 API를 래핑하고, 모델이 맞춤형 코드 없이 API를 사용할 수 있도록 이름, 설명, 스키마를 추가하는 경우가 많습니다.
  • 검색 증강 생성(RAG): 검색된 문서를 근거로 답변을 생성하는 기법입니다. MCP는 검색 도구나 첨부된 리소스를 통해 검색 결과를 전달하는 방법 중 하나입니다.
  • Agent2Agent(A2A) 프로토콜: 에이전트와 다른 에이전트를 연결하여 전체 작업을 위임할 수 있도록 합니다. MCP는 에이전트를 에이전트가 직접 사용하는 도구 및 데이터에 연결합니다.
  • 에이전트 스킬: 작업에 필요할 때 에이전트가 컨텍스트에 불러오는 지침 및 스크립트 폴더입니다. 스킬은 에이전트에 작업 수행 방법을 알려주고 MCP 서버는 관련 시스템에 실시간으로 접근할 수 있게 하므로, 에이전트는 일반적으로 두 가지를 모두 사용합니다.

실제 적용 사례#

  • 에이전트 코딩: 코딩 에이전트는 MCP 서버를 통해 GitHub, 이슈 추적기, 데이터베이스, 브라우저에 연결합니다. 따라서 로그인 실패 원인을 질문하면 에이전트가 한 세션에서 오류 로그를 가져오고, 인증 코드를 읽고, 미해결 이슈를 확인할 수 있습니다.
  • 엔터프라이즈 어시스턴트: 문서 저장소, 채팅, 티켓 관리, CRM 시스템용 커넥터를 사용하면 어시스턴트가 회사 데이터에 기반해 질문에 답하고 사용자를 대신해 업데이트를 등록할 수 있습니다.
  • 시각 검사: 에이전트가 카메라 이미지에서 탐지 도구를 호출하고, 손상된 부품을 찾으면 재고 서버에서 교체 부품을 조회한 다음 유지보수 티켓 초안을 작성하여 단일 예측을 완전한 자동화 워크플로로 전환합니다.
  • 데이터 분석: 데이터베이스 서버는 읽기 전용 쿼리 도구를 제공하므로, 분석가는 자연어로 질문하고 실시간 테이블에서 계산된 답변을 얻을 수 있습니다.

보안 고려 사항#

MCP 도구는 사용자의 자격 증명으로 임의의 코드를 실행할 수 있으므로, 연결을 추가할 때마다 모델이 할 수 있는 일과 공격자가 접근할 수 있는 범위가 넓어집니다. 도구 결과와 리소스에는 모델이 다른 도구를 호출하거나 데이터를 유출하도록 유도하는 텍스트인 프롬프트 인젝션이 포함될 수 있습니다. 악성 서버가 자체 도구 설명에 지침을 숨기는 공격은 도구 포이즈닝이라고 합니다. 원격 서버는 OAuth 기반 인증으로 사용자를 인증하며, 보안에 주의를 기울이는 호스트는 각 서버에 필요한 권한만 부여하고 로컬 서버를 샌드박스에서 실행하며 민감한 작업 전에 승인 요청을 표시하는 등의 가드레일을 추가합니다. 사양은 호스트가 도구를 호출하기 전에 사용자의 명시적 동의를 얻고, 신뢰할 수 있는 서버에서 제공되지 않은 도구 설명을 신뢰할 수 없는 정보로 취급하도록 요구합니다.

솔루션 살펴보기

스포츠 분야의 컴퓨터 비전

스포츠 분야의 컴퓨터 비전

Ultralytics YOLO가 선수 및 공 추적, 경기력 분석, 코칭 인사이트, 선수 재활을 통해 스포츠 비전을 구현하는 방법을 알아보세요.
자세히 알아보기
항공 이미지 컴퓨터 비전

항공 이미지 컴퓨터 비전

Ultralytics YOLO를 활용해 드론 및 항공 이미지를 농업, 양식업, 보전, 지리 공간 분석을 위한 실시간 인사이트로 전환하세요.
자세히 알아보기
항공우주 분야의 컴퓨터 비전

항공우주 분야의 컴퓨터 비전

Ultralytics YOLO를 활용해 항공기 검사, 활주로 FOD 감지, 공항 지상 운영, 복합재 결함 감지 등 항공우주 분야에 컴퓨터 비전을 적용하세요.
자세히 알아보기
보안 분야의 컴퓨터 비전

보안 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 모든 시설을 보호하세요. Vision AI는 경계 모니터링, 위협 감지, 번호판 인식, 작업장 안전을 지원합니다.
자세히 알아보기
로보틱스 분야의 컴퓨터 비전

로보틱스 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 더 스마트한 머신을 구현하세요. 로보틱스 분야의 Vision AI는 자율 주행, 인식, 객체 추적, 실시간 제어를 지원합니다.
자세히 알아보기
물류 분야의 컴퓨터 비전

물류 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 물류를 간소화하세요. 비전 AI는 화물 검사, 분류, 차량 추적, 실시간 창고 안전 모니터링을 지원합니다.
자세히 알아보기
리테일 분야의 컴퓨터 비전

리테일 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 리테일의 새로운 가능성을 열어 보세요. 비전 AI는 재고 추적, 선반 모니터링, 대기열 관리, 더욱 심층적인 고객 인사이트를 지원합니다.
자세히 알아보기
의료 분야의 컴퓨터 비전

의료 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 의료 솔루션을 구축하세요. 의료 분야의 비전 AI는 의료 영상 판독을 가속화하고, 진단을 개선하며, 환자 모니터링을 지원합니다.
자세히 알아보기
제조 분야의 컴퓨터 비전

제조 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 제조 공정을 최적화하세요. 비전 AI는 품질 관리, 결함 탐지, PPE 규정 준수, 조립 라인 자동화를 지원합니다.
자세히 알아보기
자동차 분야의 컴퓨터 비전

자동차 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 자동차 분야에 컴퓨터 비전을 적용하세요. 비전 AI는 도로 안전, 운전자 지원, 차량 자동화를 개선해 더 스마트한 도로를 구현합니다.
자세히 알아보기
농업 분야의 컴퓨터 비전

농업 분야의 컴퓨터 비전

Ultralytics YOLO 모델로 스마트 농업에 비전 AI를 도입하세요. 작물 모니터링, 가축 추적, 정밀 농업을 지원하여 더 높은 수확량과 더 스마트한 농업을 실현합니다.
자세히 알아보기

함께 AI의 미래를 만들어 가세요!

머신러닝의 미래와 함께 여정을 시작하세요