MCP 연동 설계: 사내 도구를 AI 에이전트에 연결하는 기준

MCP는 도구 연결을 위한 공통 접점입니다

MCP는 AI 애플리케이션이 외부 도구와 데이터에 연결되는 방식을 표준화합니다. Anthropic의 MCP 코드 실행 글은 연결된 도구가 많아질 때 도구 정의와 중간 결과가 컨텍스트를 크게 차지하는 문제를 다룹니다. 사내 연동에서도 연결 성공 이후에 호출 비용과 정보량을 함께 검토해야 합니다.

이미 주문 조회 API가 있다면 MCP 서버가 그 API의 기능을 에이전트에게 설명하고 호출하는 접점이 될 수 있습니다. 주문 상태와 접근 권한을 판정하는 업무 서버는 여전히 필요합니다. 연결 계층에서 모든 업무 규칙을 새로 구현하면 웹 화면과 에이전트가 서로 다른 결과를 만들기 쉽습니다.

업무 기능과 도구 인터페이스를 나눕니다

도구 수와 반환 데이터의 크기를 관리합니다

모든 사내 API를 같은 수준의 도구로 노출하기보다 조회·초안·확정처럼 업무 목적에 맞게 묶어 보세요. 반환 데이터에는 필요한 필드, 결과 건수와 후속 조회 ID를 포함합니다. 조회 결과를 생략했다면 전체 데이터처럼 보이지 않도록 페이지 정보나 생략 여부를 분명히 전달해야 합니다.

코드로 여러 도구의 결과를 필터링하고 계산한 뒤 모델에 요약만 전달하는 구조도 검토할 수 있습니다. 다만 생성된 코드가 실행되므로 격리, 실행 시간과 외부 연결 제한이 추가로 필요합니다. 단순한 조회 업무에서는 코드 실행까지 도입하기보다 작은 응답과 명확한 도구 설명으로 시작하는 편이 관리하기 쉽습니다.

읽기 연동에서 검증한 뒤 쓰기 연동으로 확장합니다

첫 단계는 상태 조회나 문서 검색처럼 되돌릴 데이터 변경이 없는 업무로 잡아 보세요. 이어서 변경 초안을 만들고 사람이 검토하는 흐름을 붙일 수 있습니다. 최종 확정 도구에는 실행 직전의 상태 검사와 중복 요청 방지가 필요합니다. 모델이 요청을 잘 이해했다는 이유만으로 업무 서버의 검증을 생략하지 않습니다.

MCP 도입 검수 항목

• 업무 규칙을 기존 API와 중복 구현하지 않았는가
• 도구 설명에서 입력·결과·부작용이 드러나는가
• 대량 결과를 나누어 조회할 수 있는가
• 사용자 권한이 실제 데이터 조회까지 전달되는가
• 연결 장애와 업무상 거절을 구분해 보여주는가