MCP: 차세대 Web3 AI 에이전트를 위한 핵심 엔진
글: Frank Fu @IOSG
MCP는 플러그인과 유사한 아키텍처를 통해 MCP 서버를 도입함으로써 Web3 AI 에이전트 생태계의 중심에 빠르게 자리 잡고 있으며, 이로 인해 AI 에이전트에게 새로운 도구와 기능이 부여되고 있다.
Web3 AI 분야의 다른 신생 담론들(예: 바이브 코딩)과 마찬가지로, MCP(Model Context Protocol)는 Web2 AI에서 비롯되었으며 현재 Web3 맥락 속에서 재구상되고 있다.
MCP란 무엇인가?
MCP는 Anthropic이 제안한 개방형 프로토콜로, 대규모 언어 모델(LLMs)에 응용프로그램이 상황 정보(contextual information)를 전달하는 방식을 표준화한다. 이를 통해 도구, 데이터 및 AI 에이전트 간의 원활한 협업이 가능해진다.
왜 중요한가?
현재 대규모 언어 모델이 직면한 핵심적인 한계는 다음과 같다:
-
인터넷을 실시간으로 탐색할 수 없음
-
로컬 또는 개인 파일에 직접 접근할 수 없음
-
외부 소프트웨어와 자율적으로 상호작용할 수 없음
MCP는 범용 인터페이스 계층 역할을 하여 위와 같은 능력의 공백을 메워주며, AI 에이전트가 다양한 도구를 사용할 수 있도록 한다.
MCP를 AI 애플리케이션 분야의 USB-C라고 비유할 수 있다. 즉, 통합된 인터페이스 표준으로, AI가 다양한 데이터 소스 및 기능 모듈과 쉽게 연결될 수 있도록 해주는 것이다.
각각의 LLM이 서로 다른 스마트폰이라고 상상해보자. Claude는 USB-A를, ChatGPT는 USB-C를, Gemini는 Lightning 인터페이스를 사용한다고 하자. 만약 당신이 하드웨어 제조사라면 각각의 인터페이스마다 별도의 주변기기를 개발해야 하며, 유지 관리 비용은 매우 커질 것이다.
이것이 바로 AI 도구 개발자들이 직면한 문제다. 모든 LLM 플랫폼마다 맞춤형 플러그인을 만들어야 하므로 복잡성이 극대화되고 확장성도 제한된다. MCP는 이러한 문제를 해결하기 위해 표준을 통일하는 것으로, 모든 LLM과 도구 제공업체가 USB-C 인터페이스를 사용하도록 만드는 것과 같다.
이러한 표준화된 프로토콜은 양측 모두에게 이점이 된다:
-
AI 에이전트(클라이언트) 입장에서: 외부 도구 및 실시간 데이터 소스에 안전하게 접속 가능
-
도구 개발자(서버) 입장에서: 단 한 번의 연동으로 다중 플랫폼에서 사용 가능
최종 결과는 더욱 개방적이고 상호운용 가능하며 마찰이 적은 AI 생태계이다.
MCP와 전통적인 API의 차이점은 무엇인가?
API는 본래 인간을 위한 설계이며, AI 우선(AI-first) 구조는 아니다. 각각의 API는 고유한 구조와 문서를 가지며, 개발자는 매번 수동으로 파라미터를 지정하고 인터페이스 문서를 읽어야 한다. 그러나 AI 에이전트 자체는 문서를 읽을 수 없으며, REST, GraphQL, RPC 등 각각의 API에 맞춰 하드코딩되어야만 한다.
MCP는 API 내부의 함수 호출 형식을 표준화하여 비구조화된 부분을 추상화함으로써, 에이전트에게 통합된 호출 방식을 제공한다. MCP를 자율 에이전트를 위한 API 어댑터 계층이라 볼 수 있다.
Anthropic은 2024년 11월 처음 MCP를 출시했을 때, 개발자는 로컬 장치에 MCP 서버를 배포해야 했다. 그러나 올해 5월 Cloudflare는 개발자 위크에서 Cloudflare Workers 플랫폼을 통해 최소한의 장비 구성으로 원격 MCP 서버를 직접 배포할 수 있다고 발표했다. 이를 통해 인증 및 데이터 전송을 포함한 MCP 서버의 배포 및 관리 과정이 크게 간소화되었으며, 일명 '원클릭 배포'가 가능해졌다.
MCP 자체는 아직 매력적이지 않아 보일 수 있으나, 결코 사소한 존재는 아니다. 순수한 인프라 구성 요소로서 MCP는 직접적으로 소비자에게 노출되지 않으며, 오직 상위 계층의 AI 에이전트가 MCP 도구를 호출하고 실제 효과를 보여줄 때 그 가치가 비로소 드러난다.
Web3 AI x MCP 생태 현황
Web3 내 AI 역시 '상황 데이터 부족'과 '데이터 사일로(data silo)' 문제에 직면해 있다. 즉, AI가 체인 상의 실시간 데이터에 접근하거나 스마트 계약 로직을 원시 실행(natively execute)할 수 없다는 것이다.
과거 ai16Z, ARC, Swarms, Myshell 등의 프로젝트는 다중 에이전트 협업 네트워크 구축을 시도했지만, 결국 중앙화된 API와 맞춤형 통합에 의존하다 보니 '바퀴의 재발명(reinventing the wheel)'이라는 함정에 빠졌다.
데이터 소스 하나에 연결할 때마다 어댑터 계층을 다시 작성해야 했기 때문에 개발 비용이 급격히 증가했다. 이러한 병목을 해결하기 위해 차세대 AI 에이전트는 제3자 플러그인 및 도구를 원활하게 통합할 수 있는 더 모듈화되고 레고처럼 조립 가능한 아키텍처를 필요로 한다.
따라서 MCP와 A2A 프로토콜을 기반으로 하는 차세대 AI 에이전트 인프라 및 애플리케이션이 등장하고 있으며, Web3 시나리오에 특화되어 에이전트가 다중 체인 데이터에 접근하고 DeFi 프로토콜과 원시 상호작용할 수 있도록 하고 있다.
▲ 출처: IOSG Ventures
(이 그림은 MCP 관련 Web3 프로젝트를 모두 포괄하지는 않는다)
사례 연구: DeMCP와 DeepCore
DeMCP는 (https://github.com/modelcontextprotocol/servers)에 있는 탈중앙화된 MCP 서버 마켓플레이스로, 암호화 원시 도구에 집중하며 MCP 도구의 주권을 보장한다.
주요 강점은 다음과 같다:
-
TEE(신뢰 실행 환경)를 사용하여 MCP 도구가 변조되지 않았음을 보장
-
토큰 인센티브 메커니즘을 통해 개발자가 MCP 서버에 기여하도록 유도
-
MCP 어그리게이터 및 마이크로 페이먼트 기능을 제공하여 사용 장벽 낮춤
또 다른 프로젝트인 DeepCore(deepcore.top) 또한 MCP 서버 등록 시스템을 제공하며 암호화 분야에 집중하고 있으며, Google이 제안한 또 다른 개방형 표준인 A2A(Agent-to-Agent) 프로토콜(https://x.com/i/trending/1910001585008058782)로의 확장을 추진하고 있다.
A2A는 Google이 2025년 4월 9일 발표한 개방형 프로토콜로, 서로 다른 AI 에이전트 간의 안전한 통신, 협업 및 작업 조정을 목표로 한다. A2A는 기업급 AI 협업을 지원하며, 예를 들어 Salesforce의 CRM 에이전트와 Atlassian의 Jira 에이전트가 협력하는 형태를 가능하게 한다.
MCP가 에이전트(클라이언트)와 도구(서버) 간 상호작용에 초점을 맞춘다면, A2A는 여러 에이전트 간 협업을 위한 중간 계층으로, 내부 상태를 공유하지 않더라도 작업을 공동 수행할 수 있게 한다. 이들은 상황, 명령, 상태 업데이트, 데이터 전달 등을 통해 협업한다.
A2A는 AI 에이전트 협업을 위한 '공용 언어'로 여겨지며, 크로스 플랫폼, 크로스 클라우드 AI 상호운용성을 촉진하고 기업용 AI의 운영 방식을 변화시킬 수 있다. 따라서 A2A를 에이전트 세계의 Slack이라 볼 수 있다—하나의 에이전트가 작업을 시작하고, 다른 에이전트가 이를 수행하는 식이다.
간단히 말하면:
-
MCP: 에이전트에게 도구 접근 권한 제공
-
A2A: 에이전트 간 협업 능력 제공
왜 MCP 서버에 블록체인이 필요한가?
MCP 서버에 블록체인 기술을 통합하는 것은 여러 가지 이점을 가진다:
1. 암호화 기반 인센티브 메커니즘을 통해 롱테일 데이터를 확보하고, 커뮤니티가 희귀 데이터셋을 기여하도록 유도
2. '도구 중독(tool poisoning)' 공격에 대한 방어, 즉 악의적인 도구가 정당한 플러그인인 것처럼 가장하여 에이전트를 오도하는 것을 방지
-
블록체인은 TEE 리모트 증명(Remote Attestation), ZK-SNARK, FHE 등의 암호화 검증 메커니즘을 제공
-
자세한 내용은 다음 글 참조 (https://ybbcapital.substack.com/p/from-suis-sub-second-mpc-network?utm_source=substack&utm_medium=email)
3. 스테이킹/페널티 메커니즘 도입 및 체인 상 평판 시스템과 결합하여 MCP 서버의 신뢰 체계 구축
4. 시스템의 내결함성(fault tolerance)과 실시간성 향상, Equifax와 같은 중앙화 시스템의 단일 실패 지점(single point of failure) 방지
5. 오픈소스 혁신 촉진, 소규모 개발자가 ESG 데이터 소스 등 다양한 서비스를 출시할 수 있도록 하여 생태계 다양성 확대
현재 대부분의 MCP 서버 인프라는 여전히 사용자의 자연어 프롬프트를 파싱하여 도구를 매칭하는 방식을 사용하고 있다. 미래에는 AI 에이전트가 스스로 필요한 MCP 도구를 검색하여 복잡한 작업 목표를 달성할 수 있을 것이다.
그러나 현재 MCP 프로젝트들은 초기 단계에 머물러 있다. 대부분의 플랫폼은 여전히 중앙화된 플러그인 마켓이며, 프로젝트팀이 GitHub에서 제3자 서버 도구들을 수동으로 수집하거나 자체적으로 일부 플러그인을 개발하는 수준이다. 본질적으로 Web2 플러그인 마켓과 큰 차이가 없으며, 유일한 차이는 Web3 시나리오에 집중하고 있다는 점뿐이다.
향후 트렌드 및 산업 영향
현재 점점 더 많은 암호화 업계 관계자들이 AI와 블록체인을 연결하는 MCP의 잠재력을 인식하기 시작하고 있다. 예를 들어 Binance 창립자 CZ는 최근 AI 개발자들에게 고품질 MCP 서버를 적극적으로 구축하여 BNB 체인 상의 AI 에이전트에게 더 풍부한 도구 세트를 제공할 것을 공개적으로 촉구했다. BNB MCP 서버 프로젝트 목록은 이미 공개되어 생태계 탐색을 원하는 사용자들이 참고할 수 있다.
인프라가 성숙함에 따라 '개발자 중심' 회사들의 경쟁 우위는 API 설계에서 벗어나, 누구나 더 풍부하고 다양하며 쉽게 조합 가능한 도구 세트를 제공할 수 있는지로 전환될 것이다.
미래에는 모든 애플리케이션이 MCP 클라이언트가 될 수 있고, 모든 API가 MCP 서버가 될 수 있다.
이러한 환경은 새로운 가격 메커니즘을 낳을 수 있다. 즉, 에이전트가 실행 속도, 비용 효율성, 관련성 등을 기준으로 도구를 동적으로 선택하여, 크립토 및 블록체인이 매개체가 되는 보다 효율적인 에이전트 서비스 경제 체계를 형성할 수 있다.
물론 MCP 자체는 직접적으로 최종 사용자에게 노출되지 않는다. 그것은 하나의 하부 프로토콜 계층이다. 즉, MCP의 진정한 가치와 잠재력은 AI 에이전트가 이를 통합하고 실용적인 애플리케이션으로 전환할 때 비로소 드러나는 것이다.
결국, 에이전트는 MCP 기능의 운반체이자 증폭기이며, 블록체인과 암호화 메커니즘은 이러한 지능 네트워크를 위한 신뢰할 수 있고 효율적이며 조합 가능한 경제 시스템을 구축한다.
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
IOSG Ventures
