맥락 속 패러다임 전환: MCP를 넘어 Conversation-Native 개발
Source: Dev.to
죄송합니다, 해당 URL에 직접 접근하여 본문을 가져올 수 없습니다. 번역을 진행하려면 번역이 필요한 텍스트(마크다운 형식 포함)를 여기 채팅에 붙여 주시면 도와드리겠습니다.
Introduction
MCP는 대형 언어 모델이 외부 시스템과 상호 작용하는 방식을 근본적으로 바꾸는 것입니다. 일회성, 단편적인 통합에 의존하는 대신, MCP는 에이전트가 데이터에 접근하고 도구를 실행할 수 있는 통합된 방식을 제공합니다. 프로토콜이 배관 문제를 해결했지만, 이제 진정한 과제는 오케스트레이션에 있습니다: 웹에서 차용한 것이 아니라 대화에 자연스럽게 녹아드는 애플리케이션을 구축하는 것이죠.
도구와 에이전트 개념
- Tool: 모델이 내부 지식을 넘어 행동할 수 있게 하는 호출 가능한 함수 또는 API.
- Agent: 사용자 의도에 따라 언제, 어떻게 해당 도구를 사용할지 결정하는 로직.
Most developers approaching MCP today come from browser‑centric paradigms, where applications are built around pages, forms, and clicks. Moving to chat‑native development requires abandoning many of these assumptions and designing around conversation as the primary interface.
일반적인 실수
MCP 애플리케이션에서 가장 흔한 오류는 채팅을 살아있는 맥락적 환경이 아니라 명령줄처럼 취급하는 것입니다. 효과적인 채팅‑네이티브 시스템은 세 가지 핵심 원칙에 의존합니다:
- 지속적인 대화 컨텍스트
- 추론‑기반 콘텐츠 생성
- ChatGPT와 같은 대규모 대화 플랫폼을 통한 배포
설계 원칙
MCP는 의도와 행동이 동일한 대화 흐름 내에 존재하도록 합니다. 채팅에서 정보를 다른 애플리케이션으로 복사하는 대신, MCP가 적용된 시스템은 사용자의 의도에 직접 행동을 취할 수 있습니다. 예를 들어, 식단 계획에 관한 대화가 채팅을 떠나지 않고도 채워진 장바구니를 생성하게 할 수 있어 마찰을 없애고 컨텍스트 전환을 제거합니다.
도구 설계
LLM은 매개변수를 통해 추론하며, 모호하거나 형식이 부실한 도구 메타데이터는 종종 잘못된 호출이나 실패를 초래합니다. 고품질 MCP 구현은 도구 설명과 매개변수 정의를 정확히 하는 데 중점을 두어, 에이전트가 대화 중 언제, 어떻게 기능을 호출해야 하는지를 신뢰성 있게 판단할 수 있도록 합니다.
“Vibe Coding”과 Fractal
“Vibe coding” 은 개발자가 의도를 자연어로 표현하고 AI 시스템이 그에 맞는 구현을 생성하도록 하는 변화를 의미합니다. 이 접근 방식은 워크플로우를 이해하지만 프로그래밍 언어에 깊이 익숙하지 않은 연구자와 도메인 전문가들의 진입 장벽을 크게 낮춥니다.
Fractal 과 같은 플랫폼은 특화된 에이전트를 활용해 개발의 기획 단계를 담당함으로써 이 개념을 적용합니다. 개발자가 스키마를 직접 정의하는 대신 API 엔드포인트와 의도된 경험에 대한 설명을 제공하면, 시스템은 다음을 수행합니다:
- API 문서를 읽고 해석한다
- 적절한 메타데이터를 포함한 MCP‑compatible 툴 스키마를 제안한다
- 테스트와 반복을 위한 샌드박스 인터페이스를 생성한다
이러한 변화는 어떻게 만들 것인가에서 무엇을 만들 것인가로 병목 현상을 이동시킵니다. 에이전트가 한 번의 패스로 작동 가능한 MCP 툴을 생성할 수 있게 되면, 실제 가치는 보일러플레이트 코드를 작성하는 것이 아니라 매력적인 채팅‑네이티브 경험을 설계하는 데에 있습니다.
Technical Details
MCP는 내부적으로 클라이언트와 서버 간의 구조화된 교환에 의존합니다. 사용자가 프롬프트를 제출하면 모델은 일반적으로 도구의 목적과 입력을 설명하는 JSON 스키마 형태로 표현된 사용 가능한 도구 정의를 평가합니다.
실제로 이것은 채팅 인터페이스와 기본 API 간의 세심한 연결을 필요로 합니다. 도구 정의는 모델이 의도와 매개변수를 해석하는 방식과 일치해야 합니다. 점점 더 많은 AI 시스템이 이러한 지침 자체를 생성하도록 사용되고 있는데, 이는 모델이 인간 엔지니어보다 자신의 호출 규칙을 더 잘 이해하는 경우가 많기 때문입니다. 이는 신뢰성을 향상시키고 사용자 요청이 적절한 도구와 올바른 컨텍스트 인수에 정확히 매핑되도록 보장합니다.
현재 상태 및 향후 방향
MCP의 현재 단계는 모바일 개발 초기와 유사합니다. 초기 애플리케이션은 기존 웹 경험을 단순히 래핑했으며, 그 결과 인터페이스가 어색하고 제한적이었습니다. 진정한 돌파구는 개발자들이 데스크톱 패턴을 포팅하는 대신 모바일 네이티브 디자인을 수용했을 때 찾아왔습니다.
MCP는 아직도 대부분 이 포팅 단계에 머물러 있습니다. 많은 구현이 기존 서비스에 대한 얇은 래퍼에 불과합니다. 진정한 혁신은 인터페이스가 오케스트레이션 및 컨텍스트 관리에 비해 부차적인 채팅‑네이티브 시스템에서 올 것입니다.
해결되지 않은 한 가지 과제는 도구 호출 시 발생하는 환각 현상입니다. 잘못된 매개변수는 특히 민감한 분야에서 의도하지 않은 동작을 유발할 수 있습니다. MCP 시스템이 성숙해짐에 따라 강력한 검증 계층과 인간‑인‑루프 확인이 필수적일 것입니다.
감사의 글
Hanh Nguyen님과 Fractal 팀에게 MCP Developers Summit에서의 발표에 감사드립니다. “The Easiest Way to Build ChatGPT Apps (Instead of MCP Apps)” 강연은 전통적인 애플리케이션 개발에서 대화형 네이티브 디자인으로의 전환에 대한 귀중한 통찰을 제공했습니다. 또한 개방형이고 상호 운용 가능한 에이전트 시스템을 발전시키는 넓은 MCP 및 AI 커뮤니티에도 감사를 표합니다.
The Easiest Way to Build ChatGPT Apps (Instead of MCP Apps)