WOO X 리서치: 다음 서사가 형성되는가? Web3 + MCP, AI 에이전트를 이어받을 수 있을까?
AI가 가져온 의미는 인간의 노동력을 해방시키고 대부분의 업무 수행 능력 하한선을 높이는 것이다. 그러나 현재 LLM의 한계는 여전히 크며, 제안을 얻기 위해 반복적인 대화를 해야 하고, 사용자가 그 제안에 따라 직접 실행해야 하는 상황이다. 이는 AI가 실제로 우리를 대신해 일을 처리하는 이상과는 아직 차이가 있다.
하지만 지금 만약 AI와의 대화를 통해 실제로 당신의 컴퓨터를 이용해 이메일 회신, 보고서 작성 등의 기능을 수행하거나 심지어 자동으로 암호화폐 거래까지 가능하다면, 이는 점점 생산력 해방의 비전에 가까워지고 있는 것이 아닐까? 바로 이러한 기술이 현재 AI 분야에서 주목받는 핵심 키워드인 MCP다.
MCP란 무엇인가?
MCP(Model Context Protocol)는 Anthropic이 2024년 11월 발표한 '표준화 프로토콜'로, 과거 AI 모델이 단지 '말하기'만 할 수 있었던 문제를 해결하기 위한 것이다.
MCP라는 이름을 먼저 나누어 살펴보자
-
Model: 모델로서 다양한 AI 대규모 언어 모델(GPT, Claude, Gemini 등)을 의미한다.
-
Context: 맥락으로, 모델에 제공되는 추가 정보나 외부 도구를 나타낸다.
-
Protocol: 프로토콜로서 일반적이고 표준화된 '규칙' 또는 '인터페이스'를 의미한다.
함께 보면, 통일된 규격을 통해 AI가 단순히 말하는 것을 넘어서 외부 도구를 직접 조작하여 다양한 작업을 수행할 수 있게 되는 것이다.
일반적으로 우리가 가장 흔히 사용하는 LLM인 ChatGPT, Grok 등은 대화 내용에 기반하여 '텍스트 입력, 텍스트 출력'만 가능하다. 만약 AI에게 파일 폴더에서 문서 읽기, 이메일 발송, 데이터베이스 조회 등의 실제 작업을 맡기고자 한다면, 보통 먼저 LLM에 명령을 내리고, 사용자가 LLM의 응답을 바탕으로 직접 조작한 후 결과를 다시 AI에 보고하고, AI는 또 다시 텍스트 형태의 조언을 제공하며, 이런 식으로 반복 순환하게 된다.
MCP의 등장으로 AI는 로컬 컴퓨터의 파일을 읽거나 특정 원격 데이터베이스에 접속하거나 특정 웹 서비스를 직접 조작할 수도 있게 되었다. 즉, AI는 더 이상 단순히 텍스트를 출력하는 역할을 넘어서 반복적이거나 일정한 절차를 요구하는 많은 업무를 대신 수행할 수 있게 된 것이다.
동작 방식 개요
-
MCP Host(관리자): 전체 MCP 동작을 관리하고 조율하는 역할. 예를 들어 Claude Desktop은 Host의 일종으로, AI가 로컬 장치의 데이터나 도구에 접근하도록 지원한다.
-
MCP Client(클라이언트): 사용자의 요청을 수신하고 LLM(AI 모델)과 소통한다. MCP가 통합된 채팅 인터페이스나 IDE(Goose, Cursor, Claude 챗봇 등)가 대표적인 예시다.
-
MCP Server(서버): 정리되고 주석이 달린 API 집합으로 볼 수 있으며, AI가 사용 가능한 기능을 제공한다. 예를 들어 데이터베이스 읽기, 이메일 전송, 파일 관리, 외부 서비스 호출 등을 포함한다.
MCP가 있음으로써 AI는 인간의 언어를 이해하는 것뿐만 아니라 특정 텍스트를 직접 행동 지시로 변환해 자동화 작업을 수행할 수 있다. 예를 들어 판매 보고서 정리, 고객에게 이메일 발송, 혹은 명령어를 통해 Blender에서 3D 모델링을 직접 수행하는 것도 가능하다.
참조: https://www.youtube.com/watch?v=FDRb03XPiRo&t=4s
MCP의 중요성은 무엇인가?
AI와 외부 도구 간 연결 고리 마련
LLM의 한계는 그 내부 데이터가 사전 훈련을 기반으로 하며 실시간 업데이트되지 않는다는 점이다. 즉, LLM이 알고 있는 정보는 오직 훈련 당시 본 정보에 국한되며, 훈련 이후 생성된 새로운 정보는 전혀 알 수 없다는 의미다.
예를 들어 LLM이 올해 2월에 훈련되었다면, 그 이후의 정보는 전혀 없는 상태가 된다.
현재 주류 방법은 RAG(Retrieval-Augmented Generation)인데, 이는 '검색 시스템'과 '생성 모델'을 결합한 방식이다. 이 구조는 LLM이 추론하기 전에 최신 정보를 검색하여 그 결과를 컨텍스트로 모델에 제공한다. 구체적으로:
-
정보 검색 (Retrieval): LLM이 질문에 답변하기 전, 검색 도구(Bing, Google 검색, 내부 DB 조회 등)를 사용해 해당 질문과 관련된 최신 정보를 탐색한다.
-
생성 (Generation): 검색된 정보는 보조 데이터(Context)로서 LLM에 전달되어 보다 정확하고 실시간에 가까운 답변 생성을 돕는다.
AI가 응답하기 전에 Bing이나 Google을 통해 최신 정보를 검색하고, 그 결과를 통합하여 답변하는 방식도 RAG를 활용한 것이다.
MCP와 RAG의 가장 큰 차이점은 다음과 같다:
-
RAG는 비교적 정적인 데이터로 LLM의 답변을 보조하는 반면, MCP는 AI가 진짜로 '행동'할 수 있도록 만들어 준다. 예를 들어 데이터베이스 조회, API 호출, 또는 파일 내용 수정 등을 직접 수행할 수 있다.
-
표준화 및 범용성: USB-C와 같은 존재. 서로 다른 제조사들이 MCP 사양에 맞춰 기능을 개발할 수 있으며, 모든 장치가 동일한 USB-C 케이블을 사용하듯이 말이다. MCP가 없다면 각 개발자는 AI가 특정 API를 호출하는 방식을 일일이 정의해야 하며, 동일한 작업이 중복 개발될 수밖에 없다. MCP로 통일하면 모두가 동일한 사양을 구현하기만 하면 즉시 통합이 가능해져 중복 개발을 방지할 수 있다.
-
수동적 응답에서 능동적 실행으로 전환: 기존 AI 도구는 질문에 답하는 데 그쳤지만, MCP를 통해 AI는 상황에 따라 어떤 명령을 실행할지 결정하고, 그 결과를 읽어 다음 단계를 수행할 수 있다. 이런 상황에 따라 계속해서 조정하는 능력은 AI의 실용성을 크게 향상시킨다.
-
보안 및 관리: MCP는 모든 데이터를 강제로 AI 모델에 전송하지 않으며, 권한 설정, API 키 관리 등을 통해 데이터 접근을 제어하여 기밀 정보 유출을 방지할 수 있다.
MCP와 AI Agent의 차이는 무엇인가?
AI Agent란 무엇인가?
지난해 3분기 GOAT가 주도하면서 AI Agent 열풍이 불었으며, 대부분의 암호화폐 사용자는 Web3 관점에서 AI Agent를 이해한다. AI Agent란 특정 작업을 '자동화'해 처리할 수 있는 AI 시스템을 말하며, 단지 사람과 대화하는 것을 넘어 맥락에 따라 능동적으로 행동하고 도구나 API를 호출해 일련의 절차를 완료할 수 있다. 예를 들어 트위터에 자율적으로 게시물을 올리는 것도 AI Agent의 범주에 속한다.
AI Agent의 한계
-
표준화 부재: 누구나 Agent를 만들 수 있지만, 통일된 규격이 없으면 '이 Agent는 A사 모델만 사용 가능', '저 Agent는 B시스템의 API만 호출 가능'하는 문제가 발생한다.
-
산개된 생태계: AI Agent는 임무를 수행할 수 있지만, 개발자는 종종 수많은 API 형식과 규칙을 자체적으로 정의해야 하며, 서로 다른 Agent 간 공유 생태계가 부족해 통합이 어렵다.
MCP와 AI Agent의 관계: MCP는 하나의 프로토콜이며, AI Agent는 개념 또는 실행 방법이다.
-
AI Agent는 AI가 능동적으로 행동하고 도구를 실행할 수 있는 능력을 강조한다.
-
MCP는 다양한 AI 모델과 외부 도구가 어떻게 소통할 수 있을지를 다루며, 범용 표준 역할을 한다.
MCP는 AI Agent의 효율적 작동을 지원한다.
-
MCP가 없다면 AI Agent는 각기 다른 도구와 플랫폼마다 별도의 API 규칙을 작성해야 하며, 개발 및 유지보수가 매우 번거롭다.
-
MCP가 있으면 AI Agent는 MCP 사양에 따라 'Server 목록'에서 사용 가능한 도구를 가져와 동적으로 어떤 도구를 사용할지 결정하고, 외부 리소스 접근도 더욱 안전하고 편리하게 이루어진다.
기능 범위의 차이
-
AI Agent: 의사결정과 논리 중심으로, 요구사항에 따라 어떻게 행동하고 어떤 절차를 수행할지를 판단하는 데 초점을 맞춘다.
-
MCP: 도구 연동과 표준 형식에 특화되어 외부 서비스, 데이터베이스, 파일 시스템 등을 AI가 통일된 방식으로 사용할 수 있도록 제공한다.
두 요소의 결합: AI Agent + MCP = AI가 어떻게 행동할지 알면서 동시에 어디에서 행동할지도 알게 되는 것이다.
현재 암호화폐 시장에는 어떤 MCP 관련 프로젝트가 있는가?
기초MCP
Base가 공식 개발한 프레임워크로, 3월 14일 출시되어 AI 애플리케이션이 Base 블록체인과 상호작용할 수 있게 했다. 사용자는 개발 능력 없이 자연어 대화만으로 계약을 블록체인에 배포하거나 Morpho를 통해 대출을 실행하는 기능도 가능하다.
-
BORK는 Base MCP를 사용해 처음 배포된 토큰으로, 3월 14일 발행되었으며 최고 시가총액은 460만 달러에 달했으나 현재는 11만 달러로 하락했고, 24시간 거래량도 9만 달러에 불과하다. 이로 미뤄볼 때 해당 코인의 생명주기는 이미 끝났다고 판단할 수 있다.
-
Flock은 탈중앙화된 AI 훈련 플랫폼으로, 현재 MCP가 여전히 외부 AI 모델에서 실행되며 중심화된 LLM이 처리한다는 점을 지적한다. Flock은 Web3 에이전트 모델을 제공하여 AI 기반 블록체인 작업을 로컬에서 실행할 수 있도록 함으로써 사용자에게 더 많은 통제권을 제공한다.
천금좌
LYRAOS는 LYRA MCP-OS의 전체 이름으로, 다중 AI Agent 운영 체제이다. 이를 통해 AI Agent가 Solana 블록체인과 직접 상호작용하여 암호화폐 매매 등의 작업을 수행할 수 있다.
현재 그들은 MCP-OS를 사용해 수천 개의 "AI16ZDAOs", 즉 AI 기반 탈중앙화 자율 조직(DAO)을 설립하는 방법을 탐색하고 있으며, 이는 암호화폐 투자를 목적으로 한다. LYRAIOS는 2025년 3월 21일부터 22일 사이에 데모를 공개할 예정이며, 다음 주에 정식 제품을 출시할 계획이다.
현재 토큰 시가총액은 92.3만 달러, 최고 264만 달러, 24시간 거래량 300만 달러, 보유 주소 수 2,922개.
마무리: AI 스토리가 다시 시작되지만, 시간을 두고 지켜볼 필요가 있다.
MCP는 AI가 외부 도구와 보다 쉽게 그리고 안전하게 상호작용할 수 있도록 표준화된 규칙을 제공하며, Web3 분야에서도 가능성은 크지만 성공 사례는 여전히 제한적이다. 그 이유는 다음과 같을 수 있다.
-
기술 통합 미숙: Web3 생태계에서 각 체인, 각 DApp의 계약 로직과 데이터 구조는 다양하며, 이를 통일적으로 감싸 AI가 호출할 수 있는 MCP 서버 형태로 만드는 것은 막대한 개발 자원이 필요하다.
-
보안 및 규제 리스크: AI가 직접 스마트 계약을 조작하거나 자금 거래를 처리하려면 완벽한 개인키 관리 및 권한 제어 메커니즘이 필요하며, 난이도와 비용이 매우 높다.
-
사용자 습관과 경험: 대부분의 사용자는 여전히 AI가 자신의 지갑을 관리하거나 투자 결정을 내리는 것에 의문을 품고 있으며, 블록체인 자체 조작의 진입 장벽도 높다. 만약 사용 경험이 지나치게 복잡하거나 명확한 적용 사례가 부족하다면 신규 사용자는 장기간 사용하거나 몰입하기 어렵다.
-
취향 피로 및 시장 냉각: 이전 AI Agent가 암호화폐 시장에서 열풍을 일으켰을 때, 다수의 실현되지 않은 프로젝트가 정점에서 수억 달러의 평가를 받는 것이 일상이었다. 하지만 최근 들어 AI 버블이 꺼지는 국면을 맞이하고 있으며, 대부분의 프로젝트는 90% 이상 하락했다. 이는 AI에 대한 마법이 풀렸음을 의미한다.
MCP 스토리를 돌아보면, 이는 초강력 AI Agent라고 볼 수 있다. 이미 시장은 암호화폐 기반 AI 열풍을 겪었고, 점차 개념 과장과 실제 적용 사이의 차이를 이해하게 되었다. 진정한 혁신과 실용 가치를 갖춘 애플리케이션이 부족하다면 투자자와 사용자는 쉽게 호응하지 않을 것이다. BORK와 같은 초기 MCP 프로젝트는 명확한 차별성이나 실제 적용 사례가 부족했기 때문에 결국 관심을 끌지 못했다.笔者认为这是当前MCP 개념이 아직 유행하지 못한 가장 중요한 이유이다.
MCP와 블록체인의 결합은 잠재력을 지녔지만, 기술적 장벽과 시장 압력이라는 이중적 도전에 직면해 있다. 앞으로 더욱 성숙한 보안 체계를 통합하고, 직관적인 사용자 경험을 제공하며, 진정한 가치를 창출하는 혁신적 애플리케이션을 발굴한다면 'Web3 + MCP'는 '과장된 화제'라는 운명을 벗어나 새로운 메인 스토리라인이 될 수 있을 것이다.
TechFlow 공식 커뮤니티에 오신 것을 환영합니다
Telegram 구독 그룹:https://t.me/TechFlowDaily
트위터 공식 계정:https://x.com/TechFlowPost
트위터 영어 계정:https://x.com/BlockFlow_News
@WOOXResearch
