MCP가 표준이 됐다는 증거 — 서버 1만 개, SDK 월 9,700만 다운로드

Anthropic이 2024년 11월 오픈소스로 공개한 MCP(Model Context Protocol)가 16개월 만에 공개 서버 10,000개 돌파, SDK 월 다운로드 9,700만 건이라는 폭발적 성장을 기록하며 AI 에이전트 생태계의 사실상 표준 연동 프로토콜로 자리잡았다. GitHub, Slack, PostgreSQL, Stripe, Figma, Docker, Kubernetes 등 핵심 개발 도구가 MCP 서버를 공식 제공하고, Claude·ChatGPT·Gemini·Microsoft Copilot·Cursor·VS Code Copilot 등 주요 AI 클라이언트가 네이티브 MCP 지원을 탑재한 것이 이 성장의 기반이다. 2025년 12월에는 Anthropic이 MCP를 Linux Foundation 산하 Agentic AI Foundation(AAIF)에 기증하여 AWS, Google, Microsoft, Cloudflare, GitHub, Bloomberg 등이 플래티넘 회원으로 참여하는 오픈 거버넌스 체제로 전환되었다.

970배 성장이 말해주는 것

MCP의 성장 궤적은 오픈소스 프로토콜 역사에서도 유례를 찾기 어렵다. 2024년 11월 런칭 당시 월 다운로드 약 10만 건이었던 SDK는 2026년 3월 기준 9,700만 건으로 970배 증가했다. 공개 서버 수는 2025년 1분기 1,200개에서 2026년 4월 10,000개를 넘어섰으며, 월별 성장률은 여전히 +18% 수준을 유지하고 있다.

주요 통합 현황을 살펴보면, 개발 도구 영역에서는 GitHub(코드 검색·PR 관리), GitLab, Docker, Kubernetes, Terraform이 공식 MCP 서버를 운영하고 있다. 데이터베이스 영역에서는 PostgreSQL, MySQL, MongoDB, Snowflake, BigQuery가 직접 연결을 지원한다. SaaS 플랫폼으로는 Slack, Notion, Jira, Stripe, Figma, Salesforce가 MCP 서버를 통해 AI 에이전트와 통합된다. 인프라 영역에서는 AWS, GCP, Azure, Cloudflare가 공식 서버를 제공한다.

⤢✕

거버넌스 측면에서도 변화가 있었다. 2025년 12월 Anthropic은 MCP를 AAIF(Agentic AI Foundation)에 기증했고, OpenAI와 Block이 공동 창립자로 참여했다. 이로써 MCP는 단일 기업의 프로토콜에서 산업 표준 기구가 관리하는 공개 사양으로 격상되었다.

Tools·Resources·Prompts로 짠 프로토콜

MCP는 JSON-RPC 2.0을 기반 통신 레이어로 사용하며, Tools·Resources·Prompts를 중심으로 설계되었다. 클라이언트-서버 통신 구조는 MCP 호스트(AI 클라이언트)가 MCP 서버에 연결 요청을 보내면 서버가 사용 가능한 도구 목록을 반환하는 방식으로 시작한다. 이후 AI 모델이 특정 도구 사용을 결정하면 클라이언트가 해당 도구를 서버에 호출하고 결과를 받아 모델에 전달한다.

전송 계층으로는 두 가지 방식이 지원된다. stdio 방식은 로컬 프로세스 간 통신에 사용되고, Streamable HTTP 방식은 원격 서비스 배포를 위한 전송 계층으로 2026년 이후 프로덕션 배포의 핵심이 되었다. Streamable HTTP 도입으로 MCP 서버를 로컬 프로세스가 아닌 원격 서비스로 운영할 수 있게 되어 엔터프라이즈 배포가 대폭 확산되었다.

표준화된 메시지 포맷은 클라이언트-서버 핸드셰이크와 프로토콜 버전 협상을 담당하는 initialize, 서버가 제공하는 도구 목록을 조회하는 tools/list, 특정 도구 실행을 요청하는 tools/call, 접근 가능한 자원 목록을 조회하는 resources/list, 특정 자원 내용을 읽는 resources/read, 서버가 제공하는 프롬프트 템플릿 목록을 조회하는 prompts/list로 이루어진다.

인증 체계는 OAuth 2.1과 PKCE(Proof Key for Code Exchange) 플로우를 기반으로 표준화되어 있다. 2026년 Q2 로드맵에서는 브라우저 기반 에이전트를 위한 PKCE 플로우와 엔터프라이즈 ID 공급자를 위한 SAML/OIDC 통합이 추가될 예정이다.

MCP 서버를 짤 때 고려할 패턴들

MCP 서버를 개발할 때 핵심적으로 고려해야 할 패턴은 도구 노출, 자원 스트리밍, 컨텍스트 주입, 인증, 에러 처리로 나뉜다.

도구 노출(Tool Exposure) 패턴에서는 각 도구를 명확한 JSON 스키마로 정의하는 것이 중요하다. 도구 정의에는 이름, 설명, 입력 파라미터 스키마, 출력 형식이 포함되어야 한다. 도구 설명은 AI 모델이 도구 선택 시 참조하므로 자연어로 구체적이고 정확하게 작성해야 한다. 과도하게 많은 도구를 노출하면 모델의 도구 선택 정확도가 떨어지므로, 도구 그룹화와 점진적 공개(progressive discovery) 패턴을 적용하는 것이 권장된다.

자원 스트리밍(Resource Streaming) 패턴은 대용량 데이터나 실시간 업데이트가 필요한 경우에 사용된다. URI 기반의 자원 식별자와 MIME 타입 명시를 통해 클라이언트가 자원의 특성을 사전에 파악할 수 있도록 한다.

컨텍스트 주입(Context Injection) 패턴은 서버가 AI 모델의 실행 환경에 정보를 주입하는 방식이다. 사용자의 작업 컨텍스트, 도메인 지식, 제약 조건 등을 시스템 프롬프트 형태로 주입하여 모델이 더 적절한 응답을 생성하도록 유도한다.

에러 처리 패턴에서는 JSON-RPC 표준 에러 코드와 함께 MCP 전용 에러 유형을 명확히 구분해야 한다. 도구 실행 실패, 자원 접근 권한 오류, 타임아웃 등 각 상황에 맞는 에러 응답을 반환하고, 클라이언트가 재시도 여부를 판단할 수 있도록 에러 메시지에 충분한 컨텍스트를 포함해야 한다.

⤢✕

함수 호출·플러그인과 무엇이 다른가

AI 에이전트가 외부 도구를 통합하는 방식에는 크게 세 가지 패러다임이 존재한다.

함수 호출(Function Calling)은 LLM의 요청-응답 사이클 내부에서 동작한다. 개발자가 모델 요청에 함수 스키마를 포함시키면, 모델은 적합한 함수와 인수를 선택하여 구조화된 JSON으로 반환한다. 이를 애플리케이션이 실행하고 결과를 다시 모델에 전달하는 방식이다. 구현이 간단하고 단일 모델 공급자 환경에서는 유지보수가 쉽다는 장점이 있으나, 도구가 5개를 넘어가거나 여러 AI 공급자를 사용할 경우 유지보수 부담이 급격히 증가한다.

MCP는 함수 호출을 보완하는 표준화된 실행 인프라 레이어다. MCP는 M×N 통합 문제(M개의 AI 클라이언트 × N개의 도구)를 M+N 문제로 축소한다. MCP 서버를 한 번 업데이트하면 해당 서버를 사용하는 모든 에이전트가 자동으로 업데이트된다. 인증, 에러 응답, 도구 탐색이 표준화된 방식으로 처리되므로 장기적인 유지보수 비용이 가장 낮다. 다만 초기 설정 복잡도가 높고 소규모 단일 도구 통합에는 과도한 설계가 될 수 있다.

플러그인 아키텍처는 ChatGPT Plugins처럼 특정 플랫폼에 종속된 확장 메커니즘이다. 플랫폼별 배포와 심사 과정이 필요하며, 플랫폼 정책 변화에 취약하다는 한계가 있다.

비교 항목	함수 호출	MCP	플러그인
표준화 수준	공급자별 상이	개방형 표준	플랫폼 종속
확장성	M×N 문제	M+N 문제	플랫폼 제한
초기 구현 복잡도	낮음	중간	중간
장기 유지보수	어려움	용이	플랫폼 의존
멀티 AI 지원	공급자별 재구현	1회 구현	불가
적합 규모	1-5개 도구	5개 이상	단일 플랫폼

실무에서는 하이브리드 접근법이 권장된다. 간단한 경우에는 함수 호출을 유지하고, 장기적으로 확장이 필요한 통합 레이어에서는 MCP를 채택하는 전략이 많은 팀에서 검증된 방식이다.

다음 정거장 — 2026년 MCP 로드맵

MCP 생태계는 2026년에도 빠른 속도로 발전하고 있다. 엔터프라이즈 인증(2026년 Q2)은 PKCE 플로우와 SAML/OIDC 통합을 추가하여 금융·의료 등 규제 산업에서의 엔터프라이즈 배포를 지원한다. MCP 레지스트리(2026년 Q4)는 보안 감사, 사용 통계, SLA 약정이 포함된 검증된 서버 디렉토리를 제공할 예정이다. 스트리밍과 이벤트 구독 기능은 실시간 데이터 스트림과 서버 사이드 이벤트를 표준 방식으로 처리할 수 있게 한다. 복합 도구 실행(Composable Tool Execution)은 여러 MCP 서버의 도구를 조합하여 복잡한 워크플로를 구성하는 기능을 표준화한다.

MCP의 확산과 함께 보안 고려사항도 더욱 중요해지고 있다. OWASP Gen AI Security Project는 MCP 서버 개발 보안 가이드를 발표했으며, 도구별 권한 범위 제한, 입력 값 엄격한 검증, 세션 격리, 강화된 배포 환경 구성 등을 핵심 보안 요건으로 제시하고 있다.

MCP는 2024년 11월 등장 이후 16개월 만에 AI 에이전트 도구 통합의 사실상 표준으로 자리잡았으며, 월 9,700만 건의 SDK 다운로드와 10,000개 이상의 공개 서버가 이를 수치로 뒷받침한다. 함수 호출이 단일 LLM 환경의 빠른 도구 통합에 최적화되어 있다면, MCP는 멀티 AI 환경에서 장기적으로 유지보수 가능한 통합 레이어를 제공한다. Linux Foundation 산하 AAIF로의 거버넌스 이전과 엔터프라이즈 인증 로드맵을 통해 MCP는 규제 산업 진입까지 가속화하고 있다.