[MCP] MCP(Model Context Protocol) 학습 및 실습 프로젝트

 최근 Hugging Face의 MCP(Model Context Protocol) 관련 블로그와 공식 문서를 읽고, 추가로 Hugging Face MCP Course, Agent Course를 수강하면서 MCP의 구조와 활용 가능성을 집중적으로 학습했습니다. 이번 글에서는 학습한 MCP의 개념과 프로젝트에 대해 공유하고자 합니다.

 

MCP 개념

MCP 구조

 MCP는 AI 어시스턴트·IDE·에이전트가 다양한 도구와 리소스를 표준화된 방식으로 연결할 수 있도록 설계된 프로토콜입니다. 이를 통해 개발 환경과 AI가 보다 매끄럽게 상호작용할 수 있고, 검색·분석·실행과 같은 기능을 통합된 워크플로우에서 활용할 수 있습니다.

https://huggingface.co/learn/mcp-course/unit1/key-concepts

MCP 장점

• M×N 통합 문제 해결: 다양한 AI 시스템과 도구, 데이터 소스를 각기 연결하는 복잡한 문제를 MCP는 단일한 표준 프로토콜로 해결해, 연동과 유지보수를 간편하게 만듭니다.
• 개발 환경과 도구 간 일관성: IDE, API, 데이터 서비스 등 다양한 환경에서 MCP가 동일한 방식으로 통신을 지원하여 개발과 확장을 쉽게 합니다.
• 대화형 및 맥락 기반 상호작용 지원: 단순 호출을 넘어서 실시간으로 지속적 맥락을 유지하며, AI와 도구가 상호작용할 수 있는 워크플로우를 가능하게 합니다.

(Hugging Face MCP course 1. Introduction to Model Context Protocol 참고)

 

MCP 통신 방식

 

• 메시지 포맷: 모든 통신은 JSON-RPC 2.0 기반
  • request(메서드 호출), response(응답), notification(일방향 알림) 구조
• 전송 방식 (Transport)
  • stdio: 같은 머신에서 프로세스 간 통신
  • HTTP + SSE / Streamable HTTP: 네트워크 환경에서 사용, 서버가 결과를 스트리밍으로 푸시 가능
• 상호작용 흐름 (Lifecycle)
  1. 초기화: 버전·기능 교환
  2. 발견: 사용 가능한 도구·리소스 확인
  3. 실행: tools/call 등 기능 호출, 필요 시 스트리밍 응답
  4. 종료: shutdown → exit 순으로 연결 종료

(Hugging Face MCP course 1. Introduction to Model Context Protocol - The Communication Protocol
 참고)

 

MCP 실습 프로젝트

 MCP에 대한 학습을 바탕으로 HuggingFace Gradio MCP 서버, Hugging Face MCP 등을 활용한 프로젝트를 직접 실습하며 적용해 보았습니다.

공개 데이터셋 검색 MCP 서버

 여러 공개 데이터 소스(Hugging Face, Zenodo, Kaggle 등)를 통합해 탐색할 수 있는 MCP 서버를 제공하는 것을 목표로 개발했습니다. 단순히 한 플랫폼에 국한되지 않고, 다양한 공개 데이터셋을 한 번에 검색할 수 있도록 설계했습니다.

 

 또한, Gradio에서 "mcp_server=True" 옵션을 사용해서 빠르게 MCP Server로 연동할 수 있었습니다. 

(Hugging Face MCP Course 2. Use Case: End-to-End MCP Application - Building the Gradio MCP Server 참고)

 

• Hugging Face Space (Gradio) : Open Dataset Finder

Open Dataset Finder - a Hugging Face Space by Hyeonseo

• Github Repository : dataset-search-mcp

GitHub - hyeonseo2/dataset-search-mcp

Claude Desktop 실행 화면

 

HuggingFace 일일 트렌드 수집

 Hugging Face 트렌드를 수집하기 위한 목표로 개발한 프로젝트입니다. 매일 Hugging Face MCP 서버를 통해 Hub에서 인기 모델, 데이터셋, 스페이스를 모아 자동으로 정리하고, 이를 Markdown 파일로 추가하는 PR를 생성합니다.

• Github Repository : Daily HuggingFace (개발중)

GitHub - hyeonseo2/daily-huggingface

마크다운 페이지

 

결론

 이번 학습과 프로젝트를 통해 MCP가 단순한 기술을 넘어서, 개발 워크플로우를 더 효율적으로 만들 수 있다는 점을 확인했습니다. 특히 Open Dataset Finder와 Daily HuggingFace 실습 프로젝트를 진행하면서, 이러한 MCP를 통해 생산성 향상과 자동화 측면에서 실질적인 가치로 이어질 수 있다는 것을 실감했습니다. 앞으로 해당 경험을 바탕으로 MCP를 다양한 방식으로 활용하고, 새로운 아이디어들을 적극적으로 시도해볼 계획입니다.