MCP와 함께 Claude CoWork 경험을 향상시키는 방법

발행: 11시간 전 (2026년 1월 19일 오후 10:08 GMT+9)

16 min read

Source: Dev.to

Claude CoWork 개요

모두가 Claude Code가 얼마나 좋은지 이야기하느라 바쁠 때, Anthropic은 Claude CoWork를 출시했습니다 – 본질적으로 Claude Code에 “가짜 이메일” 작업을 자동화하기 위한 훨씬 덜 위압적인 인터페이스를 추가한 버전입니다.

기능
- 로컬 파일 시스템, 커넥터, MCP, 그리고 셸을 통해 실행할 수 있는 거의 모든 것에 접근할 수 있습니다.
가용성
- macOS에서 Max 구독자(월 $100 / $200 플랜)를 위한 Claude Desktop 앱(별도 탭)에서 연구 미리보기 제공.
- 향후 Windows 지원이 예정되어 있습니다.

작동 방식

Claude CoWork에 컴퓨터의 폴더 접근 권한이 부여됩니다.
로컬 컨테이너화된 환경 내에서 폴더를 마운트하여, 사용자가 허용한 위치에서만 파일을 읽고, 편집하고, 생성할 수 있습니다.

“명시적으로 허용하지 않은 폴더에는 접근하지 않을 것이라는 점을 신뢰하셔도 됩니다.”

CoWork에 대해 더 말할 것이 많지만, 그것은 별도 블로그 포스트에 따로 다루겠습니다. 아래에서는 커넥터와 MCP를 사용해 파일 정리 이상의 작업을 수행하는 방법에 초점을 맞춥니다.

빠른 바로가기: Rube.app

If you don’t want to spend time configuring everything, just use rube.app inside Claude Code.

Instant access to 900+ SaaS apps (Gmail, GitHub, BitBucket, etc.)
Zero OAuth and key‑management hassle
Dynamic tool loading → reduced token usage & better execution
Create reusable workflows and expose them as tools

Try Rube now for FREE!

MCP 커넥터 작업하기

Claude AI 커넥터란?

Claude AI 커넥터는 Claude가 실제 작업 도구와 데이터에 접근할 수 있게 하는 직접 통합입니다. 2025년 7월에 출시되어 Claude를 “지식이 풍부한” AI에서 당신의 세계에 대해 많이 아는 AI로 변환합니다.

사전 구축된 통합: Gmail, Google Drive, GitHub, Google Calendar.
추가 MCP 서버 (로컬 및 원격): HubSpot, Snowflake, Figma, Context7 등.

커넥터 활성화

Settings → Connectors를 엽니다.
활성화하려는 통합을 찾습니다.
Connect를 클릭합니다.
인증 흐름을 따릅니다.

Note: Pro, Max, Team, 그리고 Enterprise 사용자는 이 커넥터들을 Claude 또는 Claude Desktop에 추가할 수 있습니다.

MCP 마켓플레이스

Anthropic은 MCP 마켓플레이스를 운영하며, 여기서 Anthropic이 검토한 도구(로컬 및 원격 호스팅)를 발견할 수 있습니다.

Type	Navigation
Desktop / 로컬 MCP	`Desktop → Search Your MCP → Click Install`
원격 MCP	`Browse Connectors → Web tab → Search your MCPs`
맞춤 MCP 서버	`Add a Custom Connector → Provide MCP name & Server URL → (Optional) OAuth credentials`

맞춤 MCP 서버 – 흥미로운 부분

원하는 어떤 MCP 서버든 사용할 수 있습니다:

Add a Custom Connector를 클릭합니다.
MCP name과 Server URL을 입력합니다.
(선택 사항) OAuth 자격 증명을 추가합니다.

MCP가 중요한 이유

MCP 서버는 힘을 배가시키는 요소로, LLM이 데이터를 쉽게 접근하도록 합니다. 하지만 물리적 제한이 있습니다:

각 MCP 도구는 스키마 정의(이름, 매개변수, 예시)를 가집니다.
더 자세한 스키마는 실행을 더 신뢰하게 하지만, 토큰을 소비합니다(모델의 컨텍스트 윈도우는 제한적이며, 예: ~200 k 토큰).
많은 도구 정의를 컨텍스트에 과다 로드하면 실제 추론을 위한 공간이 줄어듭니다.

예시

GitHub MCP: 40개 도구 → 200 k 토큰 윈도우의 8.5 % (≈ 17.1 k 토큰).
Linear MCP: 27개 도구 → 비슷한 토큰 비용.

대부분의 MCP 클라이언트는 모델이 실제로 호출하지 않더라도 가능한 모든 도구를 모델 컨텍스트에 적극적으로 로드합니다. 이는 다음을 초래합니다:

요청당 높은 토큰 사용량.
컨텍스트 제한을 지키기 위한 인위적인 MCP 서버 분할.
새로운 도구 실험에 꺼려함(추가될 때마다 기존 상호작용이 저하).

실제 실패 모드: 스키마가 아닌 결과

완벽한 스키마가 있더라도, 반환되는 결과(로그, DB 행, 파일 목록, JSON 블롭 등)가 모델 컨텍스트를 가득 채울 수 있습니다. 부주의한 한 번의 응답이 대화 기록의 절반을 지워 LLM 성능을 위협합니다.

MCP 도구 수가 증가함에 따라 도구 선택 정확도가 떨어집니다:

모델이 정확한 도구 대신 근접한 도구를 호출할 수 있습니다.
일반 도구를 과도하게 사용합니다.
도구 사용을 회피하고 답변을 환상적으로 만들어냅니다.

근본 원인은 제한된 주의 예산입니다: 모델이 계속 늘어나는 도구 정의 목록을 모두 읽을 수 없기 때문입니다.

아키텍처 개선

1. 필요 시 로드 도구 정의

모든 도구 스키마를 미리 로드하는 대신, 현재 작업에 필요한 도구만 로드합니다. 이렇게 하면 “항상 켜져 있는” 토큰 비용을 “사용할 때만 비용을 지불”하는 형태로 전환하여 추론을 위한 공간을 확보하고 신뢰성을 높일 수 있습니다.

Implementation: Rube – 작업 컨텍스트에 따라 도구를 동적으로 로드하는 범용 MCP 서버.

Planner tool – 작업에 대한 상세 계획을 생성합니다.
Search tool – 필요한 도구 정의를 찾아서 가져옵니다.

모델이 도구가 필요하면 해당 정의를 요청하고, 그때 비로소 스키마가 컨텍스트에 삽입됩니다.

2. 검색 가능한 도구 카탈로그

모델이 긴 도구 목록을 스캔하도록 하지 마세요. 모델이 질의할 수 있는 검색 가능한 인덱스(예: 하이브리드 검색이 가능한 벡터 데이터베이스)를 제공합니다.

카탈로그 항목 형식

도구 이름
한 줄 목적
핵심 파라미터
몇 가지 예시 질의

모델은 자연어로 이 카탈로그를 검색하여 가장 관련성이 높은 도구를 찾아낸 뒤, 필요한 정확한 스키마만 로드합니다.

Summary

Claude CoWork는 권한을 명시적으로 유지하면서 로컬 시스템에 강력하고 컨테이너화된 접근을 제공합니다.
Rube.app은 900개 이상의 SaaS 앱에 손쉽게 연결할 수 있는 방법을 제공합니다.
MCP 커넥터는 Claude를 일상 업무 도구와 연결합니다; 마켓플레이스와 사용자 정의 커넥터를 통해 기능을 확장할 수 있습니다.
토큰 효율성이 중요합니다: 도구 정의를 필요할 때만 로드하고 검색 가능한 카탈로그를 사용해 모델의 주의를 집중시킵니다.

이러한 패턴을 채택하면 신뢰성, 실험성 또는 성능을 희생하지 않고 MCP 도구의 수를 확장할 수 있습니다.

Overview

Goal: 상위 3‑5개의 매치를 반환하고, 해당 스키마만 로드합니다.
Why:
- 토큰 사용량을 줄입니다.
- 큰 페이로드를 프롬프트에 다시 붙여넣을 때 모델이 이전 목표를 잊는 것을 방지합니다.

Recommended Pattern

대용량 출력을 프롬프트 외부에 저장 (예: 로컬 파일, 객체 저장소, 데이터베이스, 임시 캐시).
작은 요약과 핸들 (파일 경로, ID, 커서, 포인터)을 반환합니다.

Key Insight: LLM은 파일 작업에 뛰어납니다. 모델이 필요한 데이터만 검색하도록 하고, 거대한 JSON 블롭을 강제로 읽게 하지 마세요.

Tool‑Calling vs. Programmatic Tool‑Calling

Approach	How it works	Token impact
Traditional tool calling	모델이 도구를 호출 → 결과를 받음 → 결과를 읽음 → 다음 호출을 결정 (반복)	모든 중간 결과가 채팅에 추가되어 토큰을 소비합니다.
Programmatic tool‑calling	모델이 짧은 코드 스니펫(코드 실행 컨테이너 내) 을 작성해 도구를 함수처럼 호출하고, 루프·분기·집계 등을 수행한 뒤 최종 요약을 반환합니다.	최종 출력만 Claude의 컨텍스트에 들어가므로 토큰이 훨씬 적게 사용됩니다.

When this pattern shines

요약이나 집계만 필요한 대용량 데이터셋.
≥ 3개의 종속 도구 호출이 있는 다단계 워크플로우.
Claude가 보기 전에 도구 결과를 필터링·정렬·변환해야 할 경우.
많은 항목에 대해 병렬 작업을 수행할 때(예: 50개 항목 검사).
중간 데이터가 추론에 영향을 주어서는 안 되는 작업.

Note: 코드 실행을 추가하면 약간의 오버헤드가 발생하므로, 단일 빠른 조회의 경우 전통적인 접근 방식이 여전히 더 빠를 수 있습니다.

Rube MCP – 올인원 래퍼

Rube는 877개의 SaaS 툴킷 위에 메타‑툴 레이어를 제공하여 인증, 연결 관리 및 대량 실행을 처리합니다.

핵심 탐색 및 연결 툴

툴	목적
`RUBE_SEARCH_TOOLS`	관련 툴을 찾고 실행 계획을 생성합니다. 항상 먼저 호출합니다. 툴, 스키마, 연결 상태 및 권장 단계를 반환합니다.
`RUBE_GET_TOOL_SCHEMAS`	`SEARCH_TOOLS`가 `schemaRef`를 반환할 때 전체 입력‑파라미터 스키마를 가져옵니다.
`RUBE_MANAGE_CONNECTIONS`	사용자 앱에 대한 연결을 생성하거나 업데이트합니다 (OAuth, API 키 등). 활성 연결 없이 툴을 실행하지 마세요.

실행 및 처리 툴

툴	목적
`RUBE_MULTI_EXECUTE_TOOL`	최대 50개의 툴을 앱 전반에 걸쳐 빠르게 병렬 실행합니다. 실행 간 지속적인 사실을 저장할 수 있는 인‑메모리 스토리지를 포함합니다.
`RUBE_REMOTE_WORKBENCH`	원격 Jupyter 샌드박스에서 Python 코드를 실행합니다 (4분 제한). 대용량 파일 처리, 일괄 작업, 복잡한 툴 체인에 이상적입니다.
`RUBE_REMOTE_BASH_TOOL`	원격 샌드박스에서 Bash 명령을 실행합니다. `jq`, `awk`, `sed` 등으로 파일 작업 및 JSON 처리를 할 때 유용합니다.

레시피(재사용 워크플로) 툴

툴	목적
`RUBE_CREATE_UPDATE_RECIPE`	완료된 워크플로를 정의된 입력·출력 및 실행 코드를 가진 재사용 가능한 노트북/레시피로 변환합니다.
`RUBE_EXECUTE_RECIPE`	제공된 파라미터로 기존 레시피를 실행합니다.
`RUBE_FIND_RECIPE`	자연어(예: “GitHub PR을 Slack에 보내기”)로 레시피를 검색합니다. 실행을 위한 일치하는 ID를 반환합니다.
`RUBE_GET_RECIPE_DETAILS`	레시피의 전체 세부 정보(코드, 스키마, 기본값)를 가져옵니다.
`RUBE_MANAGE_RECIPE_SCHEDULE`	cron 표현식을 사용해 반복 일정(생성, 업데이트, 일시 중지, 삭제)을 관리합니다.

일반적인 워크플로

툴 탐색 – RUBE_SEARCH_TOOLS → 필요한 기능 식별.
연결 확인 – RUBE_MANAGE_CONNECTIONS.
실행 – RUBE_MULTI_EXECUTE_TOOL (대용량 데이터는 RUBE_REMOTE_WORKBENCH 사용).
(선택) 저장 – 재사용을 위해 RUBE_CREATE_UPDATE_RECIPE 사용.

이 프로세스는 모든 Remote MCP 서버 통합과 동일합니다.

Source: …

Rube 시작하기

방문 Rube 사이트를 열고 **“Use Rube.”**를 클릭합니다.
복사 MCP URL (예: https://rube.app/mcp).
열기 Claude 앱 → Connectors 로 이동 → MCP URL을 붙여넣기.

모든 준비가 끝났습니다! Claude에게 무엇이든 물어보세요. 필요한 앱 인증을 요청받은 뒤, 나머지는 Claude가 처리합니다.

데모

YouTube 안내: (소스에서 링크는 생략됨)

TL;DR

상위 3‑5개의 매치만 반환하고 해당 스키마를 로드합니다.
대용량 페이로드는 외부에 저장하고 작은 핸들을 반환합니다.
프로그래밍 방식의 툴 호출을 선호 (루프/필터링하는 짧은 코드를 작성)하여 토큰 부피를 줄입니다.
Rube MCP는 877개의 SaaS 도구에 대한 탐색, 연결, 병렬 실행 및 레시피 관리를 최소한의 마찰로 제공합니다.

즐거운 개발 되세요! 🚀