MCP로 설계하는 동적 컨텍스트와 AI 에이전트 인프라

프롬프트 문구만으로는 부족한 이유

2023~2024년 AI 개발에서 관심이 집중됐던 대상은 프롬프트였다. 어떤 표현과 예제를 넣어야 모델이 원하는 응답을 내놓는지가 주된 문제였다. 2026년에는 이 초점이 컨텍스트 엔지니어링(Context Engineering)으로 이동하고 있다. Gartner도 2025년 중반 컨텍스트 엔지니어링이 프롬프트 엔지니어링을 대신하는 흐름을 언급했다.

두 접근법은 다루는 범위부터 다르다. 프롬프트 엔지니어링이 모델에 전달할 문장을 다듬는 작업이라면, 컨텍스트 엔지니어링은 응답 생성 시점에 모델이 어떤 정보를 사용할 수 있을지 결정한다.

컨텍스트에는 사용자 프롬프트만 들어가지 않는다. 시스템 프롬프트와 도구 정의, 메모리 조각, 검색한 문서, 대화 기록, 구조화된 데이터가 함께 모델의 판단 환경을 만든다. 결국 응답 품질을 좌우하는 것은 특정 문장의 표현만이 아니라 컨텍스트 윈도우 안에 무엇을 어떤 순서로 배치했는가다.

⤢✕

이 변화는 AI 개발자의 역할도 바꾼다. 2026년의 에이전트 개발자는 모델 호출 코드를 작성하는 데서 멈추지 않고, 필요한 데이터를 골라 적절한 시점에 공급하는 데이터 엔지니어이자 컨텍스트 아키텍트로 일하게 된다.

MCP가 외부 시스템 연결을 표준화한다

Anthropic은 Model Context Protocol을 2024년 11월 오픈소스로 공개했다. 출시 16개월 뒤인 2026년 3월에는 월간 SDK 다운로드가 9,700만 건에 도달했다. 출시 당시 약 200만 건과 비교하면 4,750% 성장한 수치다.

MCP를 “AI를 위한 USB-C”라고 부르는 이유는 연결 방식을 하나의 인터페이스로 표준화하기 때문이다. 모델과 데이터 소스, 도구마다 개별 연동 코드를 만들던 구조에서 벗어나 MCP 서버를 공통 접점으로 사용할 수 있다.

특성	기존 점대점 연결	MCP 표준 연결
통합 방식	도구별 맞춤 API 구현	단일 MCP 인터페이스
모델 호환성	모델 종속적	모델 비종속적
유지보수	연결마다 별도 관리	중앙화된 서버 관리
확장성	선형 증가 (N×M 문제)	서버 추가로 확장
보안	각 통합마다 인증 설계	표준화된 인증 레이어
생태계	폐쇄적	오픈 생태계

2025년 OpenAI가 MCP 지원을 선언하면서 특정 벤더의 도구 포맷으로 나뉘던 연결 구조에도 변화가 생겼다. MCP는 개별 제품의 연동 규격을 넘어 에이전트 인프라의 공통 인터페이스로 자리 잡기 시작했다.

필요한 순간에 컨텍스트를 불러오는 구조

기존 RAG는 미리 임베딩한 문서를 벡터 DB에서 검색하는 방식에 기반한다. MCP 기반 동적 컨텍스트 로딩은 에이전트가 작업 도중 정보 필요성을 판단하고, 그 순간 적합한 소스에서 데이터를 가져오는 적시(Just-in-Time) 전략을 취한다.

⤢✕

이 아키텍처에서는 모든 원문을 에이전트에 미리 넣지 않는다. 파일 경로, 문서 ID, 저장된 쿼리처럼 가벼운 참조를 유지하고, 실제 내용은 작업에 필요해졌을 때 MCP 도구로 읽는다.

정보를 가져올 시점은 ReAct 패턴으로 결정할 수 있다. 에이전트가 추론(Reasoning)과 행동(Acting)을 반복하면서 현재 판단에 빠진 정보가 무엇인지 찾고, 적절한 MCP 서버를 호출한다. 코드를 분석하다 아키텍처 배경이 필요하다고 판단하면 Confluence 문서를 불러오는 식이다.

가져온 정보가 모두 같은 비중으로 컨텍스트 윈도우에 들어가지는 않는다. 관련성이 높은 자료를 우선 배치하고, 중요도가 낮은 내용은 압축하거나 참조 형태로 남겨야 제한된 공간을 효율적으로 사용할 수 있다.

분석에서 조립과 전파까지 이어지는 워크플로우

프로덕션 워크플로우는 먼저 태스크에 필요한 정보를 식별하는 데서 출발한다. 코드 리뷰라면 PR 변경 사항뿐 아니라 관련 테스트 파일, 이전 리뷰 코멘트, 프로젝트 코딩 컨벤션까지 필요할 수 있다.

정보 요구가 정리되면 MCP 서버 레지스트리에서 각 자료를 제공할 소스를 찾는다. PR과 코드는 GitHub MCP 서버에서, 코딩 컨벤션 문서는 Confluence MCP 서버에서 가져오는 방식이다.

여러 소스가 필요하면 각 MCP 서버에 병렬로 요청한 뒤 결과를 컨텍스트 윈도우에 맞게 조립한다. 긴 문서는 핵심 부분을 추출하고, 반복되는 정보는 제거한다. 필요하면 계층적 요약을 적용해 컨텍스트 밀도를 높인다.

멀티에이전트 구조에서는 조립한 컨텍스트를 그대로 복제하지 않는다. 상위 에이전트가 가진 정보 가운데 서브태스크와 관련된 부분만 선별해 하위 에이전트에 전달한다. 정보 필요성 분석, 소스 매핑, 동적 로딩과 조립, 압축, 선택적 전파가 하나의 흐름으로 이어지는 구조다.

컨텍스트 엔지니어링이 다루는 범위

차원	프롬프트 엔지니어링	컨텍스트 엔지니어링
초점	프롬프트 텍스트 최적화	정보 환경 전체 설계
스킬셋	언어학, 심리학적 트릭	데이터 아키텍처, 시스템 설계
범위	단일 프롬프트	전체 에이전트 파이프라인
동적성	정적 (고정된 프롬프트)	동적 (런타임 조립)
확장성	수동 업데이트 필요	자동 갱신 가능
적용 대상	단순 쿼리-응답	복잡한 에이전트 태스크
RAG와의 관계	별도 영역	RAG를 포함하는 상위 개념
모델 의존성	모델별 튜닝 필요	모델 비종속적 설계 가능

전통적 RAG는 임베딩한 정적 문서를 검색하는 데 적합하지만 실시간 데이터나 구조화된 데이터베이스를 직접 다루기 어렵다. 컨텍스트 엔지니어링은 RAG를 배제하지 않는다. RAG를 포함하면서 API, DB, 파일 시스템, 외부 서비스에서 가져온 정보를 런타임에 함께 조립하는 상위 설계 영역으로 확장한다.

MCP 생태계가 풀어야 할 운영 과제

MCP는 2025년 말 인프라 임계점을 넘어섰다. Anthropic이 공개한 2026년 MCP 로드맵은 엔터프라이즈 인증, 멀티에이전트 조율, MCP 레지스트리에 초점을 맞춘다.

엔터프라이즈 인증 영역에서는 OAuth 2.1 완전 지원과 역할 기반 접근 제어(RBAC), 감사 로그를 표준 스펙에 포함한다. 이는 금융, 의료, 공공 분야에서 MCP를 도입하기 위한 조건과 연결된다.

멀티에이전트 조율은 서로 다른 프레임워크로 구축한 에이전트가 MCP를 통해 통신하도록 표준화하는 작업이다. Google ADK, LangGraph, AutoGen으로 만든 에이전트 사이의 상호운용성도 이 범위에 포함된다.

MCP 레지스트리는 서버 검색과 버전 관리, 신뢰도 평가를 중앙에서 다루기 위한 기반이다. 현재 Streamable HTTP 전송 방식에서 나타나는 상태 저장 세션 관리와 수평 확장 문제도 로드맵의 해결 대상이다.

실행 경험을 컨텍스트 전략에 반영하는 ACE

2025년 10월 스탠퍼드대, SambaNova Systems, UC Berkeley 연구팀이 발표한 Agentic Context Engineering(ACE) 패턴은 컨텍스트를 고정된 설정이 아니라 계속 수정되는 플레이북으로 취급한다.

ACE 스타일 에이전트는 태스크를 마친 뒤 도움이 된 정보와 실패한 접근, 다음 작업에서 기억할 내용을 컨텍스트 전략에 반영한다. 작업을 반복할수록 어떤 정보를 찾아야 하고 무엇을 남겨야 하는지 갱신하는 자기 개선 루프가 만들어진다.

⤢✕

MCP가 컨텍스트 소스와 도구의 연결 방식을 표준화한다면, 컨텍스트 엔지니어링은 그 연결을 실제 판단 과정에 배치하는 방법을 설계한다. 2026년 3월 기준 월 9,700만 건 이상의 SDK 다운로드는 MCP가 인텔리전스와 액션을 잇는 인프라로 확장되고 있음을 보여준다. 복잡한 에이전트 태스크에서는 프롬프트 문구만 조정하는 대신, 필요한 정보에 적절한 시점에 접근하고 이를 압축·전파하는 구조까지 함께 다뤄야 한다.