공개된 MCP 서버도 사용해보고, 나만의 MCP 서버도 만들고,

누구나 커서와 클로드 데스크톱으로 MCP 서버를 쉽게 만들어볼 수 있다!

MCP는 LLM 기반 에이전트와 도구들을 연결할 수 있도록 설계된 프로토콜로, 다양한 플랫폼과 함께 사용하거나 서버-클라이언트 구조를 통해 모듈형 AI 시스템을 직접 구축할 수 있습니다. MCP의 등장으로 인해 앞으로는 모델 중심의 단순한 응답 생성이 아닌 시스템 중심의 복합적 문제 해결 구조로 바뀔 것입니다. 또한 다양한 AI 에이전트들이 각자의 역할을 분담하고 유기적으로 협력하면서 복잡한 요청에도 더욱 유연하고 지능적으로 대응할 수 있게 될 것입니다. 이 책은 MCP의 기본 구조와 철학, 동작 원리 등을 빠르게 살펴보고 클로드 데스크톱, 커서 AI, 스미더리 같은 도구를 사용해 간단한 MCP 서버-클라이언트 구조를 직접 구현해보면서 MCP를 경험해볼 수 있는 MCP 입문서입니다. MCP를 이해하고 다양한 에이전트를 연결해보고 싶은 분들께 효율적인 출발점이 될 수 있도록 구성했습니다.

[목 차]
  

1부 | MCP 이해하기

1장 MCP 개념 이해하기

1.1 MCP가 무엇인가요?

1.2 LLM은 왜 도구가 필요한가요?

1.3 기존 방식의 문제점

1.4 MCP의 등장과 구조적 전환

__1.4.1 MCP의 구조

__1.4.2 MCP가 가져올 변화

 

2장 MCP 동작 방식 이해하기

2.1 MCP 아키텍처

__2.1.1 MCP 클라이언트 플랫폼

2.2 MCP 동작 원리

2.3 MCP 통신 방식

__2.3.1 Stdio 방식

__2.3.2 SSE 방식

2.4 MCP 사용 방법

__2.4.1 도구, 리소스, 프롬프트

__2.4.2 클라이언트 등록 방법

2.5 MCP와 LLM

2.6 MCP의 기능적 한계

2.7 MCP의 보안 취약성

 

2부 | 실습 환경 준비하기

3장 API 키 획득하기

3.1 OpenAI API

3.2 Tavily API

3.3 Brave Search API

3.4 구글 지도 API

 

4장 클로드 데스크톱 준비하기

4.1 Node.js 설치하기

4.2 클로드 데스크톱 설치하기

 

5장 커서 준비하기

5.1 커서가 무엇인가요?

__5.1.1 가격 정책

5.2 파이썬 설치하기

5.3 커서 설치하기

 

6장 커서 사용해보기

6.1 커서 이해하기

6.2 커서 시작하기

__6.2.1 화면 소개

__6.2.2 프로젝트 생성 및 파일 관리

6.3 커서 기능 알아보기

 

3부 | MCP 실습하기

7장 MCP 사용해보기

7.1 Function Calling과 MCP 서버 비교

7.2 통신 방식에 따른 MCP 서버 생성하기

__7.2.1 Stdio 방식 사용하기

__7.2.2 SSE 방식 사용하기

 

8장 커서에서 MCP 서버 만들고 연결하기

8.1 나만의 MCP 서버 생성하여 연결하기

__8.1.1 Math MCP 서버 생성하기

__8.1.2 RAG-Server: PDF 생성하기

__8.1.3 RAG-Server: Office 생성하기

__8.1.4 explorer-server(윈도우 탐색기) 생성하기

__8.1.5 web-search-server 생성하기

8.2 공개 MCP 서버 연결하기

__8.2.1 Sequential Thinking 연결하기

__8.2.2 웹 검색(Brave Search) 연결하기

__8.2.3 윈도우 탐색기 연결하기

 

9장 클로드 데스크톱에서 MCP 서버 만들고 연결하기

9.1 나만의 MCP 서버 등록하기

__9.1.1 윈도우 탐색기

__9.1.2 Math MCP 서버

9.2 공개 MCP 서버 연결하기

__9.2.1 웹 검색(Tavily) 연결하기

__9.2.2 구글 지도에 연결하기

__9.2.3 정리

작가의 말

MCP의 등장은 단순한 기술적 진보를 넘어, LLM 활용 방식의 패러다임을 바꾸는 전환점이라고 할 수 있습니다. 이제 우리는 모델 중심의 단순한 응답 생성에서 벗어나, 시스템 중심의 복합적 문제 해결 구조로 나아가고 있습니다. 또한 다양한 AI 에이전트들이 각자의 역할을 분담하고 유기적으로 협력할 수 있는 환경이 마련되면서, 사용자 요청이 아무리 복잡하더라도 더욱 유연하고 지능적으로 대응할 수 있는 기반이 갖춰지고 있습니다. 따라서 앞으로는 다음과 같은 변화가 더욱 뚜렷해질 것입니다.

■ 단일 모델에서 멀티 에이전트 구조로의 전환

■ 도구를 사용자가 직접 호출하던 방식에서, AI가 사용자 요청을 해석해 적절한 도구를 자동으로 선택하고 실행하는 방식으로 전환

■ 반복적으로 구현하던 도구를 재사용 가능한 구조로 개선

■ LLM 중심의 설계에서 에이전트 중심의 아키텍처로 진화

결과적으로 AI 생태계는 MCP와 같은 표준화된 연결 프로토콜을 중심으로 한 멀티 에이전트 협업 체계로 진화할 것입니다.