구글 클라우드가 MCP 서버를 50개 넘게 관리형으로 푼 이유

Google Cloud는 2025년 말부터 BigQuery, GKE, Google Maps, Cloud Storage, AlloyDB, Spanner 등 50개 이상의 핵심 서비스에 MCP(Model Context Protocol) 완전 관리형 서버를 출시하며 클라우드 서비스의 AI 에이전트 상호운용성을 새로운 단계로 끌어올리고 있다. 기존에 개발자가 직접 API를 파싱하거나 커스텀 커넥터를 구현해야 했던 방식 대신, IAM 권한 설정만으로 에이전트가 BigQuery 쿼리를 실행하거나 GKE 클러스터를 조작할 수 있는 완전 관리형 엔드포인트가 제공된다. MCP의 클라이언트-서버 모델이 클라우드 네이티브 거버넌스(IAM, 감사 로깅, Model Armor)와 결합된 엔터프라이즈 에이전틱 아키텍처의 표준 패턴으로 부상하는 신호다.

무엇이, 어디까지 관리형으로 풀렸나

Google Cloud의 MCP 관리형 서버는 2025년 말 GA(General Availability) 또는 미리보기 상태로 단계적 출시되었다. 별도의 MCP 서버를 직접 배포할 필요 없이, 해당 API를 활성화하고 IAM 권한을 설정하면 즉시 에이전트에서 활용 가능하다.

서비스	핵심 기능	상태
BigQuery	쿼리 실행, 메타데이터 조회, 리소스 나열, 예측	GA
Google Maps	위치 인텔리전스, 날씨, 라우팅, 지역 정보	GA
GKE	Kubernetes API 상호작용, 클러스터 관리	GA
Cloud Storage	객체 저장소 관리	미리보기
AlloyDB / Cloud SQL	관리형 데이터베이스 MCP	미리보기
Spanner	분산 데이터베이스 MCP	미리보기
Dataplex Universal Catalog	데이터 카탈로그 및 거버넌스	미리보기

이 서비스들은 Google의 전 지구적 일관된 엔드포인트를 통해 제공되며, Gemini CLI, Claude Code, VS Code, LangChain, ADK, CrewAI 등 주요 에이전트 프레임워크와 기본 호환된다.

인증은 누가 맡고, 누가 위임받나

MCP 서버의 인증은 OAuth 2.1 기반 이중 역할 구조로 설계된다. MCP 서버는 OAuth 리소스 서버로 동작하고, MCP 호스트(Claude Desktop, ADK 에이전트 등)는 사용자 대신 OAuth 클라이언트 역할을 맡는다.

⤢✕

외부 위임 패턴이 권장된다. MCP 서버는 순수 리소스 서버 역할만 담당하고, 로그인·동의·토큰 발급은 별도 인증 서버에 위임한다. MCP 서버가 자체 IdP를 구현하는 포함형 위임 패턴은 배포 복잡도가 높아 권장되지 않는다. 다운스트림 서비스 접근 시에는 토큰 교환(Token Exchange) 메커니즘을 사용해 사용자 토큰 직접 전달을 금지한다.

리소스 접근 제어는 Google Cloud IAM을 통해 관리자가 설정한다. 보호된 리소스 메타데이터(PRM)가 표준화된 방식으로 클라이언트에 접근 요구사항을 전달한다. Cloud Audit Logs가 모든 MCP 호출을 기록해 감사 추적을 제공하고, Model Armor가 간접 프롬프트 인젝션 공격을 방어한다.

전송 방식에서는 MCP 2025-03-26 스펙 업데이트로 Streamable HTTP(text/event-stream 기반 SSE)가 정규화됐다. GKE·Cloud Run 등 분산 환경에서는 stdio 전송 대신 Streamable HTTP 전송이 권장된다. 에러 처리의 핵심은 프로토콜 레벨 에러와 애플리케이션 에러를 분리하는 것이다. 도구 실행 실패는 표준 에러 객체 대신 isError: true 플래그를 포함한 MCP 응답으로 반환해 서버 크래시를 막는다. 이를 통해 LLM이 실패를 인식한 뒤 재시도하거나 사용자 개입을 요청할 수 있다. FastMCP 등 프레임워크는 예외 캐치, 로깅, 에러 패턴 모니터링을 미들웨어 수준에서 제공한다.

BigQuery MCP: 데이터를 옮기지 않고 에이전트가 직접 만진다

BigQuery MCP 서버는 에이전트가 자연어로 데이터 분석을 수행하는 엔드-투-엔드 워크플로우를 가능하게 한다. 핵심은 "데이터는 제자리에(In-place)" — 데이터를 컨텍스트 윈도우로 이동시키지 않고 LLM이 직접 안전하게 접근한다. Google Cloud 거버넌스(IAM, 감사 로깅)가 그대로 적용되어 데이터 유출 위험이 최소화된다.

에이전틱 분석 워크플로우는 이렇게 흐른다. 자연어 쿼리를 받으면("지난 7일 매출 상위 10개 SKU를 찾아줘") 에이전트가 BigQuery 메타데이터 도구로 스키마를 자동 확인하고, 스키마 기반으로 최적 SQL을 생성한 뒤, BigQuery MCP 실행 도구를 호출해 쿼리를 실행한다. 결과를 LLM이 해석해 인사이트를 도출하고, 나아가 메트릭 변동을 자동 감지해 근본 원인을 분석하고 스케줄 브리핑을 생성하는 사전대응형 워크플로우까지 이어진다.

BigQuery MCP는 Google ADK(Agent Development Kit)와 기본 통합되어 VS Code, Gemini CLI, Claude Code 환경에서 데이터 에이전트를 네이티브로 구축할 수 있다. MCP Toolbox for Databases는 도구 호스팅을 중앙화해 여러 에이전트 간 BigQuery 도구를 재사용 가능하게 한다. 마이크로서비스 패턴이라 도구 업데이트 시 에이전트 재배포가 필요 없다.

GKE 환경의 멀티에이전트 배포

GKE MCP 서버는 Kubernetes 네이티브 인터페이스를 제공해서, 에이전트가 API 파싱이나 복잡한 CLI 명령 체인 없이 클러스터를 조작할 수 있게 한다. 신뢰성 있는 API 인터페이스가 취약한 텍스트 파싱 방식을 대체한다.

⤢✕

GKE 환경에서 MCP 기반 멀티에이전트 시스템은 계층적 오케스트레이션 구조로 구성된다. 루트 에이전트가 Agent Engine, Cloud Run, 또는 GKE에 호스팅되어 오케스트레이터 역할을 담당하고, 서브에이전트는 특화된 업무를 처리한다.

배포 시 고려할 지점은 다섯 가지다. 전송 방식은 Cloud Run·GKE·Agent Runtime에서 Streamable HTTP를 권장하고 stdio는 멀티 컨테이너 포드나 사이드카 패턴에서만 지원한다. 동기식 인스턴스화는 GKE 배포 환경에서 에이전트와 McpToolset을 동기식으로 정의해야 한다는 뜻이다. 연결 관리는 exit_stack 패턴으로 MCP 연결을 정리하고, 타임아웃 설정은 연결 수립 타임아웃을 서비스 SLA에 맞게 구성해야 하며, stdio 모드에서는 메모리 사용량을 별도로 모니터링해야 한다.

프라이빗 네트워킹 측면에서는 Agent Engine, Cloud Run, GKE, 온프레미스, 타 클라우드에 배포된 에이전트 간 프라이빗 연결이 지원된다. A2A(Agent-to-Agent) 프로토콜이 에이전트 간 통신 표준으로 작동해, 경계를 넘은 멀티클라우드 에이전트 통신을 가능하게 한다.

표준 프로토콜이 통합 부담을 흡수한다

MCP의 클라이언트-서버 모델은 멀티클라우드 환경에서 표준화된 에이전트 통합을 가능하게 한다. 각 에이전트 개발자의 통합 부담을 표준 프로토콜로 이전하고, 프레임워크는 높은 수준의 오케스트레이션에만 집중할 수 있다.

공급자 무관 등록 패턴도 자리 잡고 있다. Salesforce MuleSoft Agent Fabric처럼 자체 구축 에이전트와 MCP 서버를 URL로 등록하면, Agent Scanners가 Google Cloud Vertex AI의 에이전트와 AWS 기반 에이전트를 자동으로 발견해 단일 거버넌스 계층에서 관리한다. 수동 입력이나 가시성 격차 없이 멀티클라우드 에이전트 생태계를 통합 관리할 수 있다.

보안 통합은 IAM 기반 접근 제어, Cloud Audit Logs, Model Armor(간접 프롬프트 인젝션 방어)가 MCP 레이어에 통합되는 방식으로 이뤄져 엔터프라이즈 보안 요구사항을 충족한다. 모든 MCP 서버가 제공하는 도구는 에이전트에 완벽하게 호환 가능하며, 공개 에이전트 및 에이전트 프레임워크와 기본 호환성을 갖는다. 새로운 도구나 데이터 소스를 추가할 때 에이전트 재개발이 필요 없다.

실무 사례도 이미 나와 있다. Block의 AI 어시스턴트 "Goose"는 Databricks, Snowflake, GitHub, Jira, Slack, Google Drive MCP 서버를 통합해 멀티클라우드 데이터 에이전트를 구현했다. Google ADK, MCP, Cloud Run을 활용한 콘텐츠 전문가 멀티에이전트 시스템도 실제 운영 사례로 공개되었다.

마무리

Google Cloud의 50개 이상 관리형 MCP 서버 출시는 클라우드 서비스의 AI 에이전트 상호운용성을 새로운 표준으로 격상시켰다. BigQuery MCP의 자연어 기반 데이터 분석, GKE MCP의 Kubernetes 네이티브 에이전트 오케스트레이션, A2A 프로토콜 기반 멀티에이전트 통신이 결합되면서 엔터프라이즈 AI 에이전트 아키텍처의 참조 패턴이 형성되고 있다. 인증 위임·리소스 접근 제어·스트리밍 에러 처리 등 클라우드 네이티브 MCP 구현 패턴의 정착이 멀티클라우드 에이전트 통합 설계의 실용성을 지속적으로 높이고 있다.