LLM (Large Language Model)은 자연어를 이해하고 생성하는 데 특화된 AI 모델이다복잡한 언어 패턴과 문맥을 파악하고, 다양한 자연어 처리(NLP) 작업에서 뛰어난 성능을 보입니다. LLM은 책, 기사 등 방대한 학습 데이터를 기반으로 언어의 원리를 이해하며, 자연어의 복잡성을 기존 기계 학습 알고리즘보다 더 정확하게 이해할 수 있습니다.

MCP는 애플리케이션이 LLM에 컨텍스트를 제공하는 방식을 표준화하는 개방형 프로토콜이다. 여기서 컨텍스트란? LLM이 어떤 질문이나 요청에 대해 적절한 답변을 생성할 수 있도록 도와주는 배경 정보, 상황 정보, 이전 대화 내용, 관련 데이터 등을 포함할 수 있다. 한마디로 우리가 생성형 AI한테 물어보는 질문 같은 것들이다.

MCP는 AI 애플리케이션이 다양한 데이터 소스 및 도구에 연결하는 표준화된 방식을 제공함. C타입과 같은 역할을 한다.

일반 아키텍처

• MCP 호스트: MCP를 통해 데이터에 액세스하려는 Claude Desktop, IDE 또는 AI 도구와 같은 프로그램
• MCP 클라이언트: 서버와 1:1 연결을 유지하는 프로토콜 클라이언트
• MCP 서버: 표준화된 모델 컨텍스트 프로토콜을 통해 각각 특정 기능을 노출하는 경량 프로그램
• 로컬 데이터 소스: MCP 서버가 안전하게 액세스할 수 있는 컴퓨터의 파일, 데이터베이스 및 서비스
• 원격 서비스: MCP 서버가 연결할 수 있는 인터넷(예: API를 통해)을 통해 사용 가능한 외부 시스템

핵심 아키텍처

MCP는 LLM 애플리케이션과 통합 간의 원활한 통신을 지원하는 유연하고 확장 가능한 아키텍처를 기반으로 함.

MCP는 클라이언트-서버 아키텍처를 따른다.

핵심 구성 요소

프로토콜 계층

프로토콜 계층은 메시지 프레이킹, 요청/응답 연결, 고수준 통신 패턴을 처리한다.

class Protocol<Request, Notification, Result> {
    // Handle incoming requests
    setRequestHandler<T>(schema: T, handler: (request: T, extra: RequestHandlerExtra) => Promise<Result>): void

    // Handle incoming notifications
    setNotificationHandler<T>(schema: T, handler: (notification: T) => Promise<void>): void

    // Send requests and await responses
    request<T>(request: Request, schema: T, options?: RequestOptions): Promise<T>

    // Send one-way notifications
    notification(notification: Notification): Promise<void>
}