MCP (Model Context Protocol) (1)

MCP?

MCP는 한말로 모델이 사용할 context를 외부 시스템이 환경적으로 관리하고 제공하는 표준 인터페이스  (Model Context Protocol) 입니다.

• 기존 LLM은 prompt에 모든 정보를 계속 넣어줘야 했습니다.
• MCP는 이것을 환경적으로 분리
  • 어느 정보를 기억할지
  • 어느 정보를 주입할지
  • 어느 때 업데이트할지 를 체계적으로 관리합니다.

즉, 모델은 context에 대해 더 고민하지 않고, MCP가 context의 lifecycle을 대신 관리합니다.

 

---

MCP의 주요 구성요소

MCP는 아래 3가지 해습 컨포리트로 이루어집니다.

구성 요소	역할
Context Store (저장소)	장기 context를 저장하는 DB 같은 역할.
Node (삽입 노드/삽입기)	새 context를 store에 어떻게 저장할지 결정.
Retriever (검색기)	현재 모델이 필요로 하는 context를 찾아서 반환.

 

---

Context Store

• 보통 벡터DB, NoSQL DB, 혹은 전용 MCP store를 사용.
• 대화, 문서, 사용자 정보 등 장기 context가 사적.
• 다른 DB와 다른 점
  • 메타데이터 관리
  • 타임스템프 관리
  • 중요동 관리

예시

{
  "userId": "12345",
  "timestamp": "2025-06-12T12:00:00Z",
  "topic": "여행계획",
  "content": "이번 여름에 도쿄로 여행 가려고 해."
}

 

---

Node (Insert Node)

• 새 context를 store에 삽입하는 과정 담당.
• 예를 들어, 사용자가 새로운 사실을 말했을 때:
  • "내 강아지 이름은 보리야"
• 이 정보를 store에 어떤 포맷으로 넣을지, 어떤 weight를 줄지 결정.
• 보통 모델이나 heuristic rule이 같이 작동.

 

---

Retriever (Retrieval Node)

• 모델이 inference할 때, store에서 필요한 context를 검색
• 일반적으로 embedding 검색 (벡터 기반 유사도 검색)을 수행
• 때로는 rule-based filter나 metadata query도 결합

예

• 유저가 "보리가 사료를 안 먹어" → Retriever는 과거 "내 강아지 이름은 보리야"를 검색해서 모델에게 제공

 

---

 

MCP 구조 다이어그램

사용자 입력 → Insert Node → Context Store → Retriever → LLM Prompt → 응답

1. 사용자의 입력이 들어온다.
2. Insert Node가 이것을 store에 저장할지 판단.
3. Context Store에 추적.
4. 다음 대화 때 Retriever가 store에서 관련 데이터를 검색.
5. 검색된 context가 LLM prompt에 주입됨.
6. 모델이 더 "기억력 좋은" 답변 생성.

 

 

---

예시: 대화형 AI의 콘템스트 유지

사용 시나리오: AI 비서

• 유저: "이번 여름에 제주도 가려고 해."
• AI: "어디에서 미리 예정하고 계시나요?"
• 유저: "7월 초 생각 중이야."

이 대화에서 Insert Node는 다음 정보를 저장

• 여행지: 제주도
• 일정: 7월 초

몇 주 뒤 유저가

• "숙소 좀 추천해줘" → Retriever가 과거 대화 검색 → Prompt에 자동 주입 →
• 모델: "7월 초에 제주도 여행 계획하셨던 거 맞죠? 추천 드릴게요."

이처럼 MCP는 LLM의 short-term memory 한계를 보완해 장기 memory처럼 작동시켜줍니다.

 

 

---

MCP가 갖오는 변화

기존 방식	MCP 방식
매 prompt마다 모든 정보를 새로 주입	필요한 context만 자동 검색 후 주입
prompt 길이 제한 문제	context store로 offload
사용자가 기억 유지를 직접 관리	시스템이 자동 관리