MCP Plugin과 Agent Plugin의 차이점
비슷한 개념들이 많이 나와서 MCP 플러그인과 Agent 플러그인이 어떤 점이 다른지 한번 비교 분석해 보도록 하겠다. 최근 ChatGPT, Claude, Codex와 같은 AI 개발 도구가 발전하면서 MCP(Model Context Protocol) 와 Agent Plugin이라는 용어가 자주 등장하고 있다.
둘 다 AI의 능력을 확장하는 기술처럼 보이지만, 실제 역할은 매우 다르다. MCP는 AI가 외부 시스템과 연결하기 위한 표준 인터페이스이고, Agent Plugin은 AI가 특정 업무를 수행하도록 만든 전문 실행 시스템이다.
1. 기존 LLM의 한계
초기 대규모 언어 모델(LLM)은 뛰어난 자연어 이해 능력을 가지고 있었지만 한계가 있었다. 예를 들어, ChatGPT에게 내 AWS 서버 상태를 확인해줘 라고 요청하면, 모델 자체는 AWS 계정에 접근할 수 없다. 또한, GitHub 저장소 코드를 분석하고 수정해서 Pull Request 만들어줘같은 작업도 직접 수행할 수 없다. 이 문제를 해결하기 위해 등장한 것이 도구 연결(Tool Calling) 방식이다.
2. MCP(Model Context Protocol)란?
MCP는 AI 모델과 외부 서비스를 연결하는 개방형 표준 프로토콜이다. 쉽게 말하면, AI가 다양한 프로그램, 데이터베이스, 클라우드 서비스와 통신할 수 있도록 만든 공통 연결 규격이다.
MCP Server는 특정 시스템의 기능을 AI에게 제공한다. 예를 들어, AWS MCP는 AI 에이전트가 AWS 클라우드 환경과 연결되어 인프라 운영 및 모니터링 작업을 수행할 수 있도록 지원한다. AI는 AWS 리소스 정보를 조회하고, 애플리케이션 실행 상태를 확인하며, 운영 데이터를 기반으로 문제 분석과 비용 최적화를 수행할 수 있다.
3. MCP의 핵심 역할
MCP는 LLM에게 “도구 사용 능력”을 제공한다.
AI
|
| "AWS 서버 상태 확인 필요"
|
AWS MCP 호출
|
AWS API 실행
|
결과 반환
|
AI 답변 생성
4. 에이전트 플러그인이란?
Agent Plugin은 특정 목적을 가진 전문 AI Agent 패키지이다. 단순히 도구를 연결하는 것이 아니라 목표 설정, 계획 수립, 작업 실행, 결과 평가, 반복 개선까지 수행한다. 예를 들어, 소프트웨어 엔지니어 에이전트 플로그인의 목표는 새로운 웹 서비스를 개발하라 이다. 내부 동작은 다음과 같다.
Software Engineer Agent
1. 요구사항 분석
2. 아키텍처 설계
3. 코드 작성
4. GitHub MCP 연결
5. 테스트 실행
6. 보안 검사
7. Pull Request 생성
8. 리뷰 반영
여기서 GitHub MCP는 도구이고 Software Engineer Agent는 일을 수행하는 주체이다.
5. MCP와 Agent Plugin 차이
| 구분 | MCP | Agent Plugin |
|---|---|---|
| 목적 | 연결 | 업무 수행 |
| 역할 | Tool 제공 | Task 수행 |
| 수준 | 인프라 계층 | 애플리케이션 계층 |
| 핵심 기능 | API 연결 | 판단, 계획, 실행 |
| 예시 | AWS MCP | Cloud Engineer Agent |
| 예시 | GitHub MCP | Developer Agent |
| 예시 | Database MCP | Data Analyst Agent |
6. AI Agent 구조에서 MCP와 Plugin 위치
상위 계층은 Agent가 담당하고 하위 연결 계층은 MCP가 담당한다.
댓글남기기