Azure API Management로 모든 REST API를 MCP 서버로 전환하기

Source: Dev.to

Overview

기존 API의 힘을 활용하세요 — 몇 번의 클릭만으로 AI‑에이전트 친화적이고, 검색 가능하며, 지능형 애플리케이션에서 사용할 수 있게 만듭니다.

현대 애플리케이션은 이제 단순히 프런트‑엔드 클라이언트나 백‑엔드 서비스에 데이터를 제공하는 것만으로는 충분하지 않습니다. AI 에이전트와 강력한 LLM‑구동 도구가 부상하면서, 시스템이 API를 노출하고 소비하는 방식에 대한 기대가 빠르게 변하고 있습니다. 한때 개발자를 위해 제공되던 API가 이제는 AI 에이전트를 위해 제공되어야 합니다. 바로 여기서 Model Context Protocol (MCP) 이 등장합니다.

이 글에서는 MCP가 왜 중요한지, Azure API Management (APIM)가 어떻게 AI‑Gateway 역할을 할 수 있는지, 그리고 백‑엔드 로직을 작성하지 않고도 몇 분 안에 모든 REST API를 MCP 서버로 전환하는 방법을 배울 수 있습니다.

이 내용이 도움이 되었다면, 저는 Substack과 LinkedIn에 더 깊이 있는 글과 추가 기사를 공유하고 있습니다. 더 많은 콘텐츠를 원하시면 그곳에서 팔로우해 주세요.

Azure API Management란?

Azure API Management (APIM)은 Microsoft에서 제공하는 완전 관리형 서비스로, API 앞에 위치하여 클라이언트와 백엔드 서비스 사이의 게이트웨이 역할을 합니다.

핵심적으로 APIM은 다음을 가능하게 합니다:

• 기존 API를 백엔드 코드를 변경하지 않고 게시
• 인증, 권한 부여 및 속도 제한을 통해 API 보안
• 요청 및 응답 변환(헤더, 경로, 페이로드)
• 사용량, 성능 및 오류 모니터링

전통적으로 APIM은 개발자에게 API를 제어된 방식으로, 확장 가능하게 노출하는 데 사용됩니다. 동일한 게이트웨이 기능은 AI 기반 사용 사례에도 최적입니다. APIM을 사용하면 기본 서비스를 건드리지 않고도 API가 어떻게 검색되고, 설명되며, 호출되는지를 조정할 수 있습니다.

바로 이러한 이유 때문에 APIM은 AI 게이트웨이로서 매우 효과적입니다. 이미 계약 수준에서 API를 이해하고 있으며, 엣지에서 정책을 일관되게 적용할 수 있기 때문입니다.

Source: …

MCP 서버란 무엇인가?

MCP (Model Context Protocol)는 AI 에이전트가 도구와 API를 원래대로 사용할 수 있도록 설계된 프로토콜입니다. API를 불투명한 HTTP 엔드포인트로 취급하는 대신, MCP는 다음을 노출하는 구조화된 방식을 정의합니다:

• 어떤 기능이 제공되는지
• 각 작업이 기대하는 입력은 무엇인지
• 반환되는 출력은 무엇인지
• AI 에이전트가 안전하고 올바르게 호출하는 방법

MCP 서버는 이러한 기능을 MCP 호환 방식으로 노출하는 서비스에 불과합니다. AI 도구용 USB라고 생각하면 됩니다.

USB가 표준 인터페이스를 제공해 호환되는 어떤 장치든 별도 드라이버 없이 컴퓨터에 연결될 수 있듯, MCP는 AI 에이전트가 도구, 데이터베이스, API 등을 발견하고 이해하며 사용할 수 있는 표준 방식을 제공합니다. API가 MCP를 통해 제공되면 AI 에이전트는 다음을 할 수 있습니다:

1. 발견하기
2. 이해하고 추론하기
3. 도구로 호출하기 — 별도의 연결 코드나 하드코딩된 프롬프트 없이

핵심 아이디어: MCP는 API를 AI 에이전트를 위한 일급 도구로 전환합니다.

MCP를 Azure API Management와 결합하면 기존 REST API를 감싸서 즉시 AI‑준비 상태로 만들 수 있습니다 — 서비스를 다시 작성하거나 새로운 백엔드를 추가하거나 맞춤 어댑터를 유지관리할 필요가 없습니다.

Zero부터 Azure API Management에서 MCP까지

사전 요구 사항

• Azure 구독
• API Management 인스턴스를 만들 수 있는 권한
• 공개 REST API (무료라서 SWAPI를 사용했습니다)

Step 1 – 새 Azure API Management 인스턴스 만들기

1. Azure 포털에서 Create a resource → API Management를 검색합니다.
2. 기본 정보를 입력합니다:
   • Resource group: 새 그룹을 생성합니다 (예: rg-mcp-demo)
   • Region: 가장 가까운 위치를 선택합니다
   • Name: 전역에서 고유해야 합니다 (게이트웨이 호스트 이름의 일부가 됩니다)
   • Organization name / Admin email: 필수 입력 항목
3. 데모에 맞는 가격 티어를 선택합니다: 실험용이라면 개발자 친화적인 옵션을 선택하되 Consumption은 제외합니다.
4. Create를 클릭하고 APIM 인스턴스가 프로비저닝될 때까지 기다립니다.

Note: Azure API Management에서 Consumption 가격 티어를 사용할 경우 MCP 서버 내보내기가 현재 지원되지 않습니다.

Step 2 – APIM에 새 HTTP API 만들기 (SWAPI 사용)

1. APIM 인스턴스에서 APIs → + Add API로 이동합니다.
2. HTTP를 선택합니다.
3. 다음과 같이 설정합니다:
   • Display name: SWAPI
   • Web service URL: (SWAPI의 기본 URL)
   • API URL suffix (optional): swapi (게이트웨이에서 /swapi/... 경로가 됩니다)
4. Create를 클릭합니다.

Step 3 – 노출할 GET 작업 추가

새로 만든 SWAPI API 안에서:

1. + Add operation을 클릭합니다.

2. 리소스별로 하나씩 작업을 생성합니다 (GET):

   • GET /people
   • GET /planets
   • (필요에 따라 /films, /species 등 다른 엔드포인트도 추가)

3. 각 작업에 대해 다음을 설정합니다:

   • Display name (예: “Get People”)
   • URL template (예: /people)
   • Method: GET
   • Response: 선택적으로 샘플 응답을 추가해 탐색을 돕습니다

4. 작업을 저장합니다.

Step 4 – MCP 내보내기 활성화

1. APIM 포털에서 APIs → 해당 SWAPI API 선택 → Settings로 이동합니다.
2. Export to Model Context Protocol (또는 유사 토글)을 켭니다.
3. 노출할 MCP version을 선택합니다 (예: v1).
4. 설정을 저장합니다. 이제 APIM이 API에 대한 MCP 호환 설명을 자동으로 생성합니다.

Step 5 – MCP 엔드포인트 테스트

다음과 같이 MCP 정의를 가져올 수 있습니다:

GET https://<your-apim-instance>.azure-api.net/mcp/v1/swagger.json

JSON에 추가한 작업들이 포함되어 있는지 확인합니다.

Step 6 – ChatGPT(또는 다른 LLM)와 연결

1. OpenAI Playground(또는 선호하는 LLM UI)에서 이전 단계에서 얻은 MCP 정의 URL을 사용해 custom tool을 추가합니다.

2. 도구 이름을 지정합니다 (예: SWAPI) 및 필요하면 짧은 설명을 입력합니다.

3. 다음과 같은 프롬프트를 실행합니다:

   “Find the name of the planet where Luke Skywalker was born.”

LLM은 다음 순서로 동작합니다:

1. MCP 스키마를 통해 GET /planets 작업을 발견합니다.
2. 필요한 매개변수를 판단합니다.
3. APIM 게이트웨이(https://<your-apim-instance>.azure-api.net/swapi/planets/1/)를 호출합니다.
4. 결과를 채팅에 반환합니다.

응답에 올바른 행성 이름(예: “Tatooine”)이 표시되면, 엔드‑투‑엔드 기능이 정상적으로 작동한 것입니다.

요약

• MCP는 API를 위한 표준적이며 AI‑친화적인 계약을 제공합니다.
• Azure API Management는 몇 번의 클릭만으로 기존 REST API를 MCP 서버로 노출할 수 있습니다.
• 백엔드 코드 변경이 필요 없습니다—APIM이 게시, 보안, 변환 및 MCP 내보내기를 처리합니다.
• 노출된 후, AI 에이전트(ChatGPT, Claude, Gemini 등)는 여러분의 API를 네이티브 도구로 발견하고 호출할 수 있습니다.

직접 API를 사용해 보세요. 그러면 즉시 차세대 AI‑구동 애플리케이션에서 사용할 수 있게 됩니다. 🚀

API 관리 – MCP 활성화 단계별 안내

단계 3 – API에 작업 추가

• GET /species
• GET /vehicles
• GET /starships

팁: 작업을 추가한 후 Save(저장)를 클릭합니다.

단계 4 – APIM에서 API 테스트

1. 작업(예: GET /people)에서 Test 탭을 엽니다.
2. Send(전송)를 클릭합니다.
3. 유효한 JSON 응답이 반환되는지 확인합니다.

단계 5 – 기존 API에서 MCP 서버 만들기 (APIM → MCP)

1. APIM 인스턴스 메뉴에서 APIs → MCP servers 로 이동합니다.
2. + Create MCP server 를 클릭합니다.
3. Expose an API as an MCP server 를 선택합니다.
4. 다음을 선택합니다:
   • 생성한 API(SWAPI).
   • 도구로 노출할 작업(추가한 모든 GET 작업) 선택.
5. Create(생성)를 클릭합니다.

APIM은 도구를 설명하고 에이전트‑스타일 호출을 지원하는 MCP 엔드포인트를 생성합니다.

단계 6 – AI 호스트에서 MCP 서버 사용

이제 API가 MCP‑활성화되어 다음과 같이 사용할 수 있습니다:

• ChatGPT
• Visual Studio Code
• 모든 MCP‑호환 호스트 또는 에이전트

호스트는 MCP 서버 URL에 연결해 사용 가능한 도구를 탐색하고, 별도의 프롬프트, 연결 코드, 백엔드 변경 없이 바로 API를 호출할 수 있습니다.

이 패턴이 진가를 발휘하는 경우

REST API를 MCP 서버로 전환하는 것은 단순히 편리함을 넘어, 현대 AI‑기반 시스템에서 API가 참여하는 방식을 바꿉니다.

• 에이전트가 도구를 동적으로 탐색하여 하드코딩된 엔드포인트에 의존하지 않습니다.
• 능력에 대한 추론이 정적인 클라이언트‑사이드 로직을 대체합니다.
• 호출 체이닝이 맞춤형 오케스트레이션 없이 자연스럽게 이루어집니다.

APIM은 이미 버전 관리, 보안, 스로틀링, 가시성을 처리합니다. MCP는 이러한 기능을 AI 에이전트가 이해할 수 있는 형태로 단순히 노출합니다.

이상적인 시나리오

• 엔터프라이즈 API로, 쉽게 수정할 수 없지만 AI 접근이 필요합니다.
• 레거시 시스템으로, 에이전트 로직을 직접 추가하는 것이 위험하거나 느릴 경우.
• 플랫폼 팀으로, 조직 전체에 AI에 도구를 노출하는 단일하고 관리된 방식을 찾고 있습니다.

각 팀이 맞춤형 “AI 어댑터”를 구축하는 대신, 책임을 게이트웨이에 중앙 집중화합니다—그것이 바로 제자리에 있는 곳입니다.

• Pricing tier matters – MCP export isn’t supported on the Consumption tier; choose an appropriate plan.
• Tool design still matters – MCP won’t fix poorly designed APIs. Clear operation names, sensible inputs, and predictable outputs are essential.
• Security is amplified – AI agents can call tools more frequently and creatively than humans. Rate limits, authentication, and scopes are mandatory.
• Observability becomes critical – MCP makes it easier to call APIs; APIM makes it easier to see who called what and why. Leverage that data.

Bottom line: Treat MCP exposure as a product decision, not just a technical switch. You’re defining how intelligent systems interact with your business logic.

중요한 사항

• 가격 티어가 중요합니다 – MCP 내보내기는 Consumption 티어에서 지원되지 않으며, 적절한 플랜을 선택하세요.
• 도구 설계도 여전히 중요합니다 – MCP는 설계가 잘못된 API를 고쳐주지 않습니다. 명확한 작업 이름, 합리적인 입력, 예측 가능한 출력이 필수입니다.
• 보안이 강화됩니다 – AI 에이전트는 인간보다 더 자주 그리고 창의적으로 도구를 호출할 수 있습니다. 속도 제한, 인증, 스코프는 필수입니다.
• 관측 가능성이 중요해집니다 – MCP는 API 호출을 쉽게 만들고, APIM은 누가 무엇을 왜 호출했는지 보기 쉽게 합니다. 해당 데이터를 활용하세요.

핵심 요점: MCP 노출을 기술적인 스위치가 아니라 제품 결정으로 다루세요. 여러분은 지능형 시스템이 비즈니스 로직과 어떻게 상호작용할지를 정의하고 있습니다.