Claude와 Python으로 나만의 첫 MCP 서버 만들기

발행: 2주 전 (2026년 5월 27일 AM 02:19 GMT+9)

8 분 소요

Source: Dev.to

MCP란?

MCP (Model Context Protocol) 은 Claude와 같은 AI 모델이 외부 도구와 시스템과 안전하게 상호작용할 수 있게 해 주는 프로토콜입니다. 쉽게 말해, MCP는 AI에게 질문에 답하는 것뿐만 아니라 무언가를 할 수 있는 능력을 부여합니다. MCP를 통해 AI는 다음을 할 수 있습니다:

파일 읽기 및 생성
외부 API 호출
콘텐츠 게시
데이터베이스 접근
애플리케이션과 상호작용

이는 AI 에이전트와 에이전시 워크플로우의 핵심 기반 중 하나입니다.

내가 만든 것

나는 다음을 이용해 간단한 MCP 서버를 만들었습니다:

Python – MCP 도구 구축용
Claude Desktop – AI 인터페이스
Dev.to API – 블로그 게시용

전체 흐름은 다음과 같습니다:

텍스트 파일 → Claude 정제 → 마크다운 생성 → Dev.to 게시

프로젝트 흐름

1단계 — Claude Desktop 설정

Claude Desktop 설정 파일을 편집하고 내 커스텀 MCP 서버를 연결했습니다. Claude Desktop을 재시작한 뒤, 커스텀 도구가 Claude 내부에서 사용 가능해졌습니다.

2단계 — MCP 도구 만들기

Python을 사용해 다음과 같은 도구를 만들었습니다:

파일에서 블로그 내용 읽기
마크다운 출력 생성
API를 통해 Dev.to에 블로그 게시

기본 구조는 다음과 같습니다:

@app.tool()
def publish_blog():
    pass

이 코드는 해당 함수를 Claude가 발견하고 호출할 수 있는 도구로 등록합니다.

3단계 — 원시 블로그 내용 제공

정제되지 않은 블로그 내용을 담은 텍스트 파일을 만든 뒤, Claude에게 다음을 요청했습니다:

내용을 정제하기
적절한 마크다운 형식으로 변환하기

Claude는 깔끔한 마크다운 파일을 성공적으로 생성했으며, 바로 게시할 준비가 되었습니다.

4단계 — Dev.to에 게시

마지막으로 Claude에게 MCP 도구를 사용해 마크다운 파일을 Dev.to에 게시하도록 요청했습니다. 워크플로우:

마크다운 파일 읽기
Dev.to API 호출
기사 자동 게시

내가 만든 도구를 통해 AI 시스템이 외부 API와 상호작용하는 모습을 보는 것은 정말 흥미진진했습니다.

배운 점

1. AI 도구는 구조화된 출력이 필요하다

AI 시스템은 예측 가능하고 구조화된 응답을 받을 때 훨씬 잘 동작합니다. "Success" 같은 단순 문자열을 반환하기보다 다음과 같이 반환하는 것이 훨씬 좋습니다:

{
  "success": true,
  "message": "Blog published successfully"
}

구조화된 출력은 AI 에이전트가 도구의 결과를 신뢰성 있게 파싱하고 행동하도록 만듭니다.

2. 오류 처리의 중요성

AI 에이전트는 예상치 못한 방식으로 실패할 수 있기 때문에, 도구는 잘못된 입력, API 실패, 파일 누락, 네트워크 오류 등 모든 엣지 케이스를 우아하게 처리해야 합니다. 견고한 오류 처리는 장난감 수준을 넘어 신뢰할 수 있는 시스템을 만들게 합니다.

3. MCP는 API에 대한 사고 방식을 바꾼다

전통적인 API는 프론트엔드 앱과 인간 사용자를 위해 설계되었습니다. 반면 MCP 도구는 AI 시스템을 위해 설계됩니다. 이 변화는 명확한 설명, 구조화된 스키마, 예측 가능한 출력, 기계가 읽을 수 있는 오류가 매우 중요해진다는 뜻입니다.

4. AI + 도구는 근본적으로 다르게 느껴진다

이 프로젝트를 통해 챗봇과 AI 에이전트의 차이를 실감할 수 있었습니다. 챗봇은 질문에 답하지만, 파일을 읽고, 내용을 정제하고, 마크다운을 생성하며, 블로그를 자동으로 게시하는 AI는 훨씬 강력합니다.

직면한 도전 과제

패키지 설치 충돌 (uv 환경 설정)
Claude Desktop 설정 오류
MCP 도구 탐지 문제
API 디버깅

각 문제를 해결하면서 튜토리얼을 따라 하는 수준을 넘어 생태계를 깊이 이해하게 되었습니다.

사용 기술

도구	목적
Python	MCP 도구 구축
Claude Desktop	AI 인터페이스
MCP	AI‑와‑도구 통신 프로토콜
Dev.to API	블로그 게시
uv	Python 환경 관리
Markdown	콘텐츠 포맷

최종 생각

이 MCP 서버를 구축하면서 AI 시스템에 대한 사고 방식이 완전히 바뀌었습니다. 이제 우리는 응답만 하는 AI에서 행동할 수 있는 AI 시스템으로 이동하고 있습니다—도구를 사용해 읽고, 쓰고, 만들고, 자동으로 게시하는 능력을 갖춘 AI 말이죠.

작은 프로젝트였지만 AI 툴링의 미래에 대한 실질적인 입문이 되었습니다. AI 에이전트와 에이전시 워크플로우에 관심이 있다면 직접 이런 것을 만들어 보길 강력히 추천합니다. 이해하는 가장 좋은 방법은 직접 만들어 보는 것입니다.