MCP 뜻, AI가 회사 시스템과 연결되는 공통 규격

MCP(Model Context Protocol)는 AI가 회사 시스템과 데이터에 연결될 때 쓰는 공통 규격입니다. 노트북, 휴대폰, 모니터가 제조사와 관계없이 USB-C 케이블 하나로 연결되듯, MCP를 지원하는 AI는 같은 방식으로 ERP, 메일, 공유 드라이브, 데이터베이스에 붙을 수 있습니다. AI 업체 제안서나 기사에서 "MCP 지원"이라는 말이 부쩍 많이 보이는 이유는, AI가 질문에 답하는 단계를 넘어 회사 시스템을 직접 다루는 단계로 넘어가고 있기 때문입니다. (의학에서 손가락 관절을 뜻하는 MCP와는 다른 말입니다.)

이 글은 개발자가 아닌 대표와 실무자를 위한 설명입니다. MCP가 무엇인지, 우리 회사 업무에서 무엇이 달라지는지, 그리고 도입할 때 무엇을 조심해야 하는지를 실제 사례로 짚어 봅니다.

MCP 뜻: AI와 회사 시스템을 잇는 표준 연결 방식

MCP는 Claude를 만든 Anthropic이 2024년 11월 25일 공개한 공개 규격입니다. Anthropic은 발표문에서 문제를 이렇게 설명했습니다. 아무리 뛰어난 AI 모델도 회사 데이터와 떨어져 있으면 쓸모가 제한되는데, 그 데이터는 "정보 사일로와 레거시 시스템"에 갇혀 있고, 새 데이터 소스를 붙일 때마다 연결을 따로 만들어야 해서 확장하기 어렵다는 것입니다.

회사 상황으로 바꿔 보면 이렇습니다. AI 도구가 세 개(챗GPT, Claude, 사내 AI)이고 연결할 시스템이 다섯 개(ERP, 메일, 공유 드라이브, 쇼핑몰 관리자, 은행)라면, MCP가 없을 때는 3 x 5 = 15개의 연결을 각각 만들어야 합니다. MCP가 있으면 시스템마다 MCP 연결 창구를 한 번씩만 만들면 되고, MCP를 지원하는 AI는 어느 것이든 그 창구로 들어올 수 있습니다. USB-C 비유가 정확히 이 지점입니다.

용어 두 개만 알아 두면 기사와 제안서를 읽기 쉬워집니다.

• MCP 서버: 회사 시스템 쪽에 두는 연결 창구입니다. "ERP MCP 서버"는 AI가 ERP의 재고 조회, 수주 등록 같은 기능을 쓸 수 있게 열어 둔 창구를 말합니다.
• MCP 클라이언트(호스트): 그 창구에 접속하는 AI 앱 쪽입니다. Claude 데스크톱 앱, 챗GPT, 업무용 AI 비서 등이 여기에 해당합니다.

누가 MCP를 쓰고 있나

MCP가 단순히 한 회사의 규격으로 끝나지 않은 이유는, 경쟁사들이 잇달아 이를 받아들였기 때문입니다.

리눅스 재단 발표에 따르면 이 시점에 공개된 MCP 서버가 1만 개를 넘었고, Claude, 챗GPT, 마이크로소프트 코파일럿, 구글 제미나이, VS Code 같은 주요 AI 도구가 모두 MCP를 지원합니다. 재단의 최상위 회원에는 AWS, Anthropic, 구글, 마이크로소프트, OpenAI가 함께 이름을 올렸습니다. 한 회사가 만든 규격이 경쟁사들이 함께 관리하는 중립 표준이 된 셈입니다.

회사 업무에서 무엇이 달라지나

MCP가 실무에 주는 변화는 "AI에게 시킬 수 있는 일의 범위"입니다. 제조 회사 구매 담당자가 아침에 AI에게 이렇게 요청한다고 해 보겠습니다.

"다음 주 생산 계획에 필요한 자재 중에 안전재고 아래로 떨어지는 걸 찾아서, 지난번 단가로 발주서 초안을 만들어 줘."

MCP 연결이 없는 AI는 여기서 할 수 있는 일이 거의 없습니다. 재고도, 생산 계획도, 단가표도 볼 수 없으니 "ERP에서 재고를 확인하신 뒤…" 같은 일반론을 늘어놓을 뿐입니다. 담당자는 결국 ERP 화면과 엑셀을 직접 오가야 합니다.

ERP와 공유 드라이브, 메일에 MCP로 연결된 AI는 다르게 움직입니다.

1. ERP 연결 창구로 다음 주 생산 계획과 자재별 현재고, 입고 예정을 조회합니다.
2. 안전재고 아래로 떨어지는 자재 다섯 개를 골라 부족 수량을 계산합니다.
3. 공유 드라이브의 공급처별 단가표에서 최근 단가와 리드타임을 찾습니다.
4. 공급처별로 발주서 초안을 만들고, 메일 초안까지 써서 담당자에게 보여 줍니다.

담당자는 숫자를 모으는 대신 초안을 확인하고 보내기만 하면 됩니다. 같은 연결은 다른 AI 도구에서도 그대로 쓸 수 있어서, 나중에 더 좋은 AI가 나와도 연결을 처음부터 다시 만들 필요가 없습니다. 이렇게 AI가 회사 시스템을 직접 다루며 일을 끝까지 처리하는 형태를 AI 에이전트라고 부르고, MCP는 그 에이전트가 회사 시스템에 손을 뻗는 통로입니다. 반대로 규정이나 계약서처럼 문서에서 답을 찾는 일은 RAG가 맡습니다.

중소기업이 지금 할 일

MCP는 기술 규격이지만, 회사가 준비할 일은 기술보다 정리에 가깝습니다.

첫째, AI가 다뤄야 할 시스템 목록을 적습니다. ERP, 회계 프로그램, 메일, 공유 드라이브, 쇼핑몰 관리자 화면, 은행처럼 직원들이 매일 여는 시스템을 적고, 각각이 MCP 연결을 제공하는지 확인합니다. 주요 업무 시스템과 클라우드 서비스는 MCP 연결을 내놓는 곳이 빠르게 늘고 있습니다.

둘째, 데이터가 흩어진 곳을 줄입니다. 재고가 창고 담당자의 엑셀에, 단가가 영업 담당자의 개인 폴더에 있으면 연결할 창구 자체가 없습니다. AI 연결을 계기로 핵심 데이터를 업무 시스템 한곳으로 모으는 회사가 효과를 가장 빨리 봅니다.

셋째, 조회부터 시작합니다. 처음에는 AI가 재고와 거래 내역을 읽기만 하게 하고, 결과가 믿을 만하다는 확인이 쌓이면 발주서 초안 작성, 등록 같은 일로 넓힙니다. 처음부터 모든 시스템을 열어 두는 것보다 이 순서가 훨씬 안전하고, 직원들이 AI를 믿게 되는 속도도 빠릅니다.

MCP를 쓸 때 실제로 생긴 보안 문제

AI가 회사 시스템을 직접 다룬다는 것은, 잘못 연결되면 피해도 직접 생긴다는 뜻입니다. 2025년에 실제로 보고된 사례 두 가지가 무엇을 조심해야 하는지 잘 보여 줍니다.

공개 게시물에 숨긴 지시로 비공개 자료가 새어 나간 사례. 보안 업체 Invariant Labs는 2025년 5월, 깃허브 공식 MCP 서버를 쓰는 AI 에이전트가 공개 저장소의 이슈 글에 숨겨진 지시를 읽고, 사용자의 비공개 저장소 내용을 공개 게시물로 옮겨 버릴 수 있다고 공개했습니다. 서버 코드가 해킹된 것도, 비밀번호가 도난당한 것도 아니었습니다. 사용자가 "열린 이슈들 좀 확인해 줘"라고 평범하게 요청했을 뿐인데, AI가 남이 쓴 글 속 지시를 업무 지시로 착각한 것입니다. 연구진은 이를 특정 제품의 버그가 아니라 구조적 문제로 봤습니다.

신뢰할 수 없는 MCP 서버에 연결했다가 PC가 장악될 수 있었던 사례. 보안 업체 JFrog는 2025년 7월, 원격 MCP 서버 연결에 널리 쓰이던 도구 mcp-remote에서 위험도 9.6(10점 만점)의 취약점(CVE-2025-6514)을 공개했습니다. 악의적인 MCP 서버에 연결하는 것만으로 사용자 컴퓨터에서 명령이 실행될 수 있었고, 이 문제는 0.1.16 버전에서 고쳐졌습니다.

두 사례에서 나오는 교훈은 단순합니다. 출처를 알 수 없는 MCP 서버는 연결하지 않고, AI가 접근할 수 있는 범위를 업무에 필요한 만큼만 열고, 외부에서 들어온 글이나 파일은 AI에게도 "믿을 수 없는 입력"으로 다뤄야 합니다.

도입 전에 업체에 물어볼 것

"MCP를 지원합니다"라는 말만으로는 판단할 수 없습니다. 아래 질문에 구체적으로 답하는지 보면 됩니다.

• 어떤 시스템과 연결되나요? 우리 회사가 쓰는 ERP, 메일, 드라이브와 실제로 연결되는지, 데모가 아니라 우리 데이터로 보여 줄 수 있는지 확인합니다.
• 연결 창구는 누가 만들고 관리하나요? 공식 서버인지, 업체가 직접 만든 것인지, 보안 업데이트를 누가 하는지 묻습니다.
• AI가 할 수 있는 일을 나눠 둘 수 있나요? 조회만 허용할지, 등록과 발송까지 허용할지 업무별로 정할 수 있어야 합니다.
• AI가 한 일이 기록으로 남나요? 어떤 시스템에서 무엇을 조회하고 바꿨는지 나중에 확인할 수 있어야 문제가 생겼을 때 원인을 찾습니다.
• 데이터는 어디에 남나요? 연결 과정에서 오간 회사 데이터가 어디에 저장되고, AI 학습에 쓰이는지 확인합니다.

👉 AI 보안, 회사 자료를 생성형 AI에 넣어도 될까

MCP 자주 묻는 질문 (FAQ)

Q. 우리 회사가 MCP를 직접 개발해야 하나요?

대부분의 회사는 직접 만들 필요가 없습니다. 쓰고 있는 업무 시스템이나 AI 서비스가 MCP 연결을 제공하는지 확인하고, 그 연결을 켜서 쓰는 것이 일반적입니다. 자체 개발한 사내 시스템을 AI와 연결하고 싶을 때만 개발이 필요합니다.

Q. MCP와 API는 무엇이 다른가요?

API는 시스템마다 다르게 생긴 연결 방식이고, MCP는 AI가 그런 연결을 같은 방식으로 다룰 수 있게 맞춘 규격입니다. 시스템마다 다른 콘센트 모양이 API라면, MCP는 모든 콘센트에 맞는 공통 어댑터에 가깝습니다.

Q. MCP를 쓰면 AI가 회사 시스템을 마음대로 바꾸나요?

연결할 때 허용한 범위 안에서만 움직입니다. 그래서 처음에는 조회 위주로 열어 두고, 결과를 확인하며 등록이나 발송 같은 범위를 넓히는 방식이 안전합니다.

Q. 쓰고 있는 AI나 업무 시스템이 MCP를 지원하는지 어떻게 알 수 있나요?

AI 서비스는 설정 화면의 연결(커넥터) 메뉴나 공식 도움말에서 MCP 지원 여부와 연결할 수 있는 서비스 목록을 안내합니다. 업무 시스템은 공급사에 "MCP 서버를 제공하는지, 어떤 기능을 AI에 열어 주는지"를 직접 물어보는 것이 가장 정확합니다. 공급사가 아니라 제3자가 만든 연결 창구라면 누가 관리하고 언제 마지막으로 업데이트했는지도 함께 확인합니다.

Q. MCP는 앞으로도 계속 쓰일 표준인가요?

2025년 12월 리눅스 재단 산하 재단으로 옮겨져 AWS, 구글, 마이크로소프트, OpenAI, Anthropic이 함께 참여하고 있습니다. 특정 회사가 혼자 바꾸거나 거둬들이기 어려운 구조가 된 만큼, AI 연결 방식의 기본으로 자리 잡을 가능성이 큽니다.

inline AI로 AI를 회사 업무에 연결하기

AI가 회사 시스템을 직접 다루려면 연결할 업무 데이터가 한곳에 정리되어 있어야 합니다. inline AI는 문서를 바로 편집하고 만드는 AI 브라우저와 회사용 AI OS가 연결된 시스템이라, AI가 문서와 주문부터 회계까지 회사 업무가 모인 ARP 위에서 직접 일합니다. 데이터는 AES-256으로 암호화해 저장하며 AI 학습에 쓰지 않습니다.