Clip 3: AI 에이전트 MCP 기술이 주목받는 이유
학습 목표
- OpenAI와 주요 AI 기업들이 MCP를 표준으로 채택한 이유 이해하기
- AI Agent의 핵심 개념과 Tool 사용 능력의 중요성 파악하기
- 현재 AI 산업에서 MCP가 차지하는 위치 알아보기
- 최신 LLM 모델들의 Tool 사용 벤치마크 이해하기
OpenAI가 MCP를 선택한 이유
OpenAI Dev Day의 중요한 발표
2025년 OpenAI Dev Day에서 발표된 Apps SDK는 본질적으로 ChatGPT라는 AI Agent에 MCP를 연결하는 기술입니다.
https://developers.openai.com/apps-sdk/, https://openai.com/index/introducing-apps-in-chatgpt/
Apps SDK의 핵심 구조
OpenAI Apps SDK는 다음과 같은 과정으로 작동합니다:
- Use Case 연구: 사용자가 무엇을 하려는지 파악
- MCP Server 설정: Model Context Protocol 서버 구축
- App 배포: ChatGPT에 통합
왜 MCP를 선택했는가?
OpenAI가 MCP를 Apps SDK의 핵심으로 선택한 이유:
- 표준화된 프로토콜: 일관된 방식으로 Tool 연결
- 확장성: 무한히 많은 Tool 추가 가능
- 보안: 명확한 권한 관리
- 개발자 경험: 쉬운 구현과 배포
Kimi K2: MCP 전문가로 훈련된 모델
혁신적인 학습 방식
Moonshot AI가 개발한 Kimi K2는 MCP를 활용하는 능력을 중점적으로 학습한 모델입니다:
mermaid
graph TD
A[Kimi K2 학습 데이터] --> B[3,000+ GitHub MCP Tools]
B --> C[Tool 사용 시나리오 생성]
C --> D[실전 Tool 호출 학습]
D --> E[Tool 호출 정확도<br/>업계 최고 수준]
style A fill:#4A90E2
style E fill:#FFD700학습 과정의 특징
대규모 합성 데이터 생성:
- GitHub에서 3,000개 이상의 MCP Tool 수집
- 수천 가지 실제 시나리오 시뮬레이션
- Tool 품질 필터링 및 검증
결과:
- Tool 호출 정확도 업계 최고 수준
- Claude Sonnet 4 대비 10배 저렴한 비용
우리가 쓰는 모든 AI 툴은 AI Agent
AI Agent의 정의
AI Agent란?
- LLM을 활용하는 애플리케이션
- 목표 달성을 위해 자율적으로 작업을 수행하는 시스템
- 사용자의 의도를 이해하고 필요한 Tool을 선택하여 실행
mermaid
graph TD
A[사용자 요청] --> B[AI Agent]
B --> C{어떤 Tool이<br/>필요한가?}
C -->|검색 필요| D[Web Search]
C -->|계산 필요| E[Calculator]
C -->|데이터 필요| F[Database]
D --> G[결과 통합]
E --> G
F --> G
G --> H[사용자에게 응답]
style B fill:#4A90E2
style C fill:#FFD700우리가 사용하는 AI Agent 예시
모두 AI Agent입니다:
- ChatGPT: OpenAI의 대화형 AI Agent
- Claude: Anthropic의 다목적 AI Agent
- Claude Code: 개발 전문 AI Agent
- Cursor: 코드 에디터 통합 AI Agent
- GitHub Copilot: 코드 작성 AI Agent
이들의 공통점: LLM + Tool 사용 능력
MCP는 AI Agent가 사용하는 Tool
Tool이란 무엇인가?
Tool = AI가 호출할 수 있는 함수
MCP Tool의 기본 개념:
- 명확한 입력 파라미터 정의
- 구조화된 출력 데이터
- Tool의 목적과 사용법 설명
MCP의 역할
MCP(Model Context Protocol)는:
- Tool을 표준화된 방식으로 정의
- AI Agent가 Tool을 발견하고 이해할 수 있게 함
- 안전하게 Tool을 실행하고 결과를 받아옴
mermaid
sequenceDiagram
participant User as 사용자
participant Agent as AI Agent
participant MCP as MCP Client
participant Tool as MCP Server<br/>(Tool)
User->>Agent: "최신 날씨 알려줘"
Agent->>MCP: 사용 가능한 Tool 조회
MCP->>Agent: weather-api Tool 정보
Agent->>MCP: weather-api Tool 호출
MCP->>Tool: get_weather(location="Seoul")
Tool->>MCP: {"temp": 15, "condition": "맑음"}
MCP->>Agent: Tool 실행 결과
Agent->>User: "서울 현재 온도는 15도, 맑습니다"Tool 사용 능력이 가장 중요한 벤치마크
현대 LLM의 핵심 지표
최근 발표되는 모든 주요 LLM 모델은 Tool 사용 벤치마크를 강조합니다:
| 모델 | Tool 호출 정확도 | 특징 |
|---|---|---|
| Kimi K2 | 매우 높음 | MCP 전문 학습 |
| GPT-5 | 높음 | Apps SDK 통합 |
| Sonnet 4.5 | 매우 높음 | 다목적 Tool 지원 |
| Opus 4.1 | 높음 | 복잡한 Tool 체인 |
출처
- OpenAI Apps SDK
- OpenAI Apps SDK - Use Cases
- OpenAI Apps SDK - MCP Server
- Kimi K2: Open Agentic Intelligence
강사 정보
- 작성자: 정구봉
- LinkedIn: https://www.linkedin.com/in/gb-jeong/
- 이메일: bong@dio.so