🔵[위클리 DnA] 사람이 필요 없는 AI, 만나보셨나요? 💭

[알파코 뉴스레터] 위클리 DnA

2025. 6. 8.

2025.06.09 Vol.48

지난 위클리 DnA가 궁금하다면?

출처: ChatGPT

업무 중 AI, 얼마나 자주 활용하고 계신가요? 🤔

최근 한 조사에 따르면, 직장인 10명 중 7명이 AI 플랫폼을 활용하고 있다고 합니다. 주로 정보 검색과 요약, 문서 작성과 편집, 번역·언어 학습, 데이터 분석 등의 목적으로 사용된다고 하는데요. 이 결과만 보더라도 생성형 AI가 우리 업무에 얼마나 깊숙이 들어와 있는지 알 수 있습니다.

이와 관련해 앤트로픽(Anthropic)은 지난 3일, 자사의 AI 모델 클로드(Claude)가 직접 기획하고 작성하는 블로그 ‘클로드 익스플레인스(Claude Explains)'를 공개했습니다. 이 블로그는 기술 설명과 실제 활용 사롈르 중심으로 구성되어 있으며, 클로드의 글쓰기 능력을 보여주기 위한 목적으로 운영되고 있습니다. 특히 흥미로운 점은 초안 작성은 인공지능인 클로드가 맡고, 이후 사람이 내용을 보완하고 다듬는 방식이라는 점입니다. 앤드로픽은 이 블로그를 “AI가 인간 전문가의 역량을 강화할 수 있는 방식의 초기 사례”라고 소개했습니다.

이처럼 AI는 단순한 도구를 넘어, 사람과 함께 일하는 ‘동료’로 진화하고 있습니다. 덕분에 예전보다 더 빠르고 효율적으로 업무를 처리할 수 있게 되었죠. 그런데, 여기서 이런 생각이 들지 않으신가요?

지금보다 더 편리하게, 더 자연스럽게 AI를 쓸 수는 없을까?

예를 들어, “내가 말만 하면 이메일도 보내주고, 보고서도 뚝딱 만들어주면 얼마나 좋을까?” 하는 상상 말이죠. 한때는 공상처럼 느껴졌던 이런 장면이 이제는 현실로 다가오고 있습니다. 이번 주 위클리 DnA에서는 바로 이 새로운 시대의 중심에 있는 기술, MCP에 대해 소개해 드리겠습니다.

Reference.

이종욱, 직장인 10명 중 7명 “AI 사용 중”…생산성 향상 체감, 경북일보, 2025.06.03.

박찬, 앤트로픽, 인간 감독 아래 '클로드'로 블로그 운영...'AI 콘텐츠' 시대 예고, AI타임스, 2025.06.04.

👆🏻 MCP란 AI가 외부 도구나 데이터에 직접 연결되어 작업을 수행할 수 있는 기술

👆🏻 이를 통해 문서 작성은 물론, 실제 업무 도구를 활용하여 자동화 가능

MCP(Model Context Protocol)

MCP는 앤트로픽이 개발한 표준화된 연결 기술로 AI가 외부 도구나 데이터에 직접 접근하고 활용할 수 있도록 지원합니다. 이 기술 덕분에 AI는 단순히 대화에 응답하는 수준을 넘어 실제 업무 도구를 활용해 직접 작업을 수행할 수 있는 실무형 AI로 진화하고 있습니다.

예를 들어 ChatGPT에게 “보고서를 작성해줘.”라고 요청하면 내용을 작성해주지만, 문서 파일로 저장하거나 공유 드라이브에 업로드하거나 관련 자료를 가져오는 등의 외부 도구와 연결된 작업은 사람이 직접 처리해야 했습니다. 하지만 MCP를 활용하면 “이번 주 뉴스레터를 작성해서 구글 드라이브에 업로드해줘.”라는 요청에 AI가 문서를 작성하고, 저장하고, 업로드하는 일련의 작업을 한 번에 처리할 수 있게 됩니다. 결과적으로 이는 단순히 문장을 생성하는 AI를 넘어 조직 내 실제 업무 자동화의 핵심 도구로 자리잡을 수 있음을 시사합니다.

MCP의 구성 요소 및 작동 방식

그렇다면 MCP는 어떻게 이런 기능을 가능하게 할까요? 이 기술은 크게 두 가지 핵심 구성 요소를 중심으로 작동합니다.

💡 MCP 클라이언트

AI 모델이 내장된 애플리케이션 (예: ChatGPT, Claude 등)
사용자의 요청을 이해하고, 필요한 작업을 MCP 서버에 전달합니다.

💡 MCP 서버

외부 도구나 데이터를 제공하는 시스템 (예: Google Drive, GitHub, Slack 등)
클라이언트로부터 요청받은 작업을 실제로 실행하고, 결과를 다시 전달합니다.

MCP 클라이언트와 서버는 마치 기획자와 실무자처럼 협업하듯 작동합니다. 기획자인 클라이언트가 사용자의 요구를 해석해 필요한 작업을 지시하면 실무자인 서버가 이를 실행하고 결과를 다시 전달하는 구조입니다. 그 과정을 실제 예시를 통해 살펴보면 다음과 같습니다.

사용자가 AI에게 “회의록 파일을 정리해서 구글 드라이브에 저장해줘.”라고 요청합니다.
MCP 클라이언트는 이 요청을 이해한 후 “구글 드라이브에 파일 업로드”하는 작업이 필요하다고 판단하고, 이 작업을 MCP 서버에 요청합니다.
MCP 서버가 작업을 수행하고, 그 결과를 MCP 클라이언트에 전달합니다.
클라이언트는 사용자가 원하는 결과를 마무리해서 응답합니다.

기존에는 사람이 도구의 사용법을 익히고, 데이터를 정리한 뒤 AI에게 정보를 전달해야 했습니다. 하지만 MCP를 활용하면 AI 스스로 어떤 도구를 사용해야 할지 판단하고, 필요한 정보를 가져오고, 작업을 수행할 수 있습니다. 이제 사용자는 일일이 설명하거나 조작하지 않아도 되고, 다양한 도구를 연동하는 번거로움도 크게 줄어듭니다. 특히 반복적이고 규칙적인 업무는 AI가 자연스럽게 처리하게 되어 업무 자동화가 훨씬 수월해집니다.

MCP는 아직 초기 단계지만 이미 몇몇 기업은 MCP를 실험적으로 도입하고 실제 워크플로우에 적용하고 있습니다. 예를 들어, Claude Desktop은 로컬 문서 정리와 요약 작업을 자동화하고 있으며, Zed는 개발 도구들과 연동된 코드 리뷰를 보조합니다. Cursor는 프로젝트 전체 맥락을 파악하고 여기에 맞는 코드를 생성하는 데 활용되고 있습니다. 이처럼 MCP는 AI가 단순한 보조를 넘어, 실제 작업의 주체로 역할을 넓혀가는 데 핵심적인 기반 기술이 되고 있습니다.

결국 MCP는 단순한 기술 이상의 의미를 가집니다. AI가 단순히 말을 잘하는 존재를 넘어, 직접 도구를 사용하고, 작업을 수행하며, 결과까지 책임지는 동료로 진화할 수 있게 해주는 기반이기 때문입니다. 지금까지는 우리가 데이터를 정리하고, 도구를 다루며 AI를 보조해왔습니다. 하지만 이제는 그 반대가 가능합니다. AI가 스스로 도구를 선택하고, 필요한 데이터를 가져와, 우리가 맡기고 싶은 일을 실제로 해낼 수 있는 시대가 시작된 것입니다. 이미 여러 기업들이 MCP를 도입해 효율적인 업무 자동화를 실현하고 있으며, 이 흐름은 점점 더 확산될 것입니다.

그렇다면 우리 조직은 어떤 업무부터 MCP를 활용해볼 수 있을까요? 복잡한 업무가 아니더라도 단순하고 반복적인 일부터 AI에게 맡겨보는 것만으로도 변화는 충분히 시작될 수 있습니다.