MCP(Model Context Protocol)의 미래는? CLI, Skills, 그리고 AI 에이전트의 진화
MCP(Model Context Protocol)는 LLM(Large Language Model)과 외부 도구 연결에 사용되지만, 과도한 컨텍스트 사용(Context Consumption), 낮은 안정성(Low Reliability), 그리고 CLI/API 중복(Overlap) 문제로 비판받음.
대안으로 CLI-First 전략과 Skills 패턴을 제시하며, CLI를 직접 사용하거나, 필요한 경우에만 로드되는 Skills를 통해 컨텍스트 사용량을 줄이는 방안을 제안함.
OpenAI의 개발자는 MCP가 여전히 중요하며, 특히 CLI가 없는 서비스나 비개발자 사용자를 위한 접근성을 강조하며, MCP의 지속적인 발전(Continuous Development)을 시사함.
커뮤니티에서는 MCP의 장단점, 실제 사용 사례, 그리고 미래 기술 동향(Future Tech Trends)에 대한 다양한 의견이 제시되었으며, 데이터베이스(Database)와의 연동에 대한 논의도 이루어짐.
MCP의 컨텍스트 사용량 문제
게시글에서는 MCP가 과도한 컨텍스트를 소비하는 문제를 지적하며, 특히 도구 정의(Tool Definitions)가 컨텍스트 윈도우(Context Window)의 상당 부분을 차지한다고 분석한다. 예를 들어, Linear, Notion, Slack, Postgres 등 4개의 MCP 서버를 연결했을 때, 도구 정의만으로 컨텍스트 윈도우의 10.5%를 사용한다고 언급한다. 이는 LLM의 작업 공간을 좁혀, 실제 작업에 필요한 공간을 감소시키는 결과를 초래한다.
CLI-First 전략과 Skills 패턴의 대안 제시
게시글은 MCP의 대안으로 CLI-First 전략과 Skills 패턴을 제시한다. CLI-First 전략은 LLM이 이미 익숙한 CLI를 직접 사용하도록 하여, 도구 정의에 소모되는 컨텍스트를 절약한다. Skills 패턴은 필요한 경우에만 CLI 명령어를 로드하여, 컨텍스트 사용량을 더욱 최적화한다. 이러한 접근 방식은 디버깅 용이성(Debugging Ease)과 유연성(Flexibility)을 제공하며, 특히 CLI가 이미 존재하는 경우 효과적이다.
MCP의 기술적 한계와 운영상의 문제점
게시글은 MCP의 낮은 운영 안정성(Low Operational Reliability) 문제를 지적하며, 초기화 실패, 반복적인 재인증 요구, 느린 응답 속도, 외부 서버 왕복, 세션 중단, 불투명한 권한 관리 등을 예시로 제시한다. 이러한 문제들은 MCP의 성능 저하를 유발하며, LLM 기반 시스템의 전반적인 사용자 경험(Overall User Experience)에 부정적인 영향을 미친다.
MCP의 미래와 커뮤니티의 다양한 시각
커뮤니티에서는 MCP의 미래에 대한 다양한 의견이 제시되었다. OpenAI의 개발자는 MCP가 여전히 중요하며, 특히 CLI가 없는 서비스나 비개발자 사용자를 위한 접근성을 강조했다. 반면, 일부 개발자는 MCP의 기술적 한계를 지적하며, CLI-First 전략과 Skills 패턴의 장점을 강조했다. 또한, 데이터베이스와의 연동, A2A(Agent-to-Agent) 프로토콜 등 다양한 기술적 측면에서의 논의가 이루어졌다.
