우리는 4,578개의 MCP 서버를 분석했습니다 — 평균 Trust Score는 100점 만에 53.9점입니다

Source: Dev.to

숫자

평균 MCP 서버 점수는 100점 만에 53.9점으로, 겨우 통과 수준입니다.

카테고리별 신뢰도

Data와 Code 서버가 선두에 있습니다. 이 카테고리들은 보다 구조화되고 예측 가능한 동작을 보이며, 이는 신뢰 점수가 보상하는 바로 그 특성입니다.

“Other” 카테고리는 긴 꼬리를 형성합니다 — 전체 추적 서버의 41 %에 해당하는 1,880개의 서버가 명확한 카테고리에 들어가지 않습니다. 평균 이하 점수는 이들 중 다수가 실험적이거나 문서화가 부족함을 시사합니다.

상위 8개: 높은 신뢰도를 가진 서버는 어떤가

패턴

• 높은 상호작용량 — 각각 690 건 이상의 상호작용. 신뢰는 일회성 스캔이 아니라 일관된 행동을 통해 얻어집니다.
• 좁은 범위 — 각 서버가 하나의 일을 잘 수행합니다. 범위가 좁을수록 예측 가능성이 높아져 신뢰도가 올라갑니다.
• 구조화된 데이터 소스 — 정부·기관 데이터를 래핑하며, 임의의 웹 스크래핑이 아닙니다.

지금 왜 중요한가

에이전트 개발자를 위해

평균 서버 점수는 53.9점입니다. 신뢰도가 54 %인 계약자를 믿겠습니까? 통합 전에 점수를 확인하세요.

MCP 서버 구축자를 위해

당신의 행동 발자국이 바로 평판입니다. 배지를 달아도 속일 수 없으며, 신뢰는 신뢰할 수 있는 행동을 통해 얻어집니다.

컴플라이언스 팀을 위해

EU AI Act(제 12조)는 AI 시스템 행동에 대한 감사 추적을 요구합니다. 정적 코드 리뷰만으로는 충분하지 않습니다. 런타임 행동 기준이 필요합니다.

Observatory SDK (Python)

from dominion_observatory import ObservatoryClient

client = ObservatoryClient()
trust = client.check_trust("your-server-name")

LangChain 사용자용

pip install dominion-observatory-langchain

모든 MCP 도구 호출에 대해 텔레메트리를 자동으로 보고하는 콜백 핸들러입니다.

방법론

정적 스캔이 아닌 런타임 행동 분석을 수행합니다. 모든 상호작용은 익명화된 텔레메트리(도구 이름, 지연 시간, 성공/실패 — 개인 식별 정보나 페이로드 내용은 포함되지 않음)와 함께 기록됩니다. 점수는 응답 일관성, 오류율, 지연 시간 안정성, 가용성을 기반으로 계산됩니다.

전체 방법론:

데이터 탐색

• 전체 서버 인덱스:
• 주간 보고서:
• 카테고리 기준선:
• SDK (Python): pip install dominion-observatory
• SDK (npm): npm install dominion-observatory-sdk
• GitHub:
• 서버 호출 전 신뢰 점수 확인: