| 개발자 |
Anthropic |
Google DeepMind & 파트너 |
IBM / BeeAI |
| 도입 시기 |
2024년 11월 6 |
2025년 4월 2 |
2025년 4월/5월 2 |
| 주요 목적 |
AI를 외부 도구 및 데이터 소스에 연결 |
AI 에이전트 간 통신 및 협업 가능 |
특히 로컬 환경에서 에이전트 간 워크플로우 오케스트레이션 및 작업 위임 |
| 통신 모델 |
클라이언트-서버 (AI 호스트/클라이언트에서 MCP 서버로) |
피어 투 피어 (클라이언트 에이전트에서 원격 에이전트로) |
오케스트레이터 주도, 분산, 이벤트 기반 |
| 핵심 상호 작용 |
도구 탐색, 함수 실행, 데이터 검색 |
에이전트 탐색 (에이전트 카드), 작업 요청, 메시지 교환, 작업 위임 |
작업 생성, 위임, 진행 상황 추적, 상태 관리 |
| 통신 양식 |
주로 구조화된 데이터, 파일, 상황별 프롬프트 |
양식에 구애받지 않음: 텍스트, 이미지, 오디오, 비디오, 구조화된 데이터 |
다중 양식 메시지, 자연어 입력/출력 |
| 기반 표준 |
JSON-RPC 2.0 13, HTTP + SSE, Stdio |
HTTP, SSE, JSON-RPC |
RESTful API, HTTP 패턴, JSON-RPC |
| 주요 기능 |
범용 도구 연결, 컨텍스트 인식, 보안 양방향 연결, SDK |
에이전트 카드, 양식에 구애받지 않는 통신, 보안 비동기 작업, 프레임워크 상호 운용성, 구성 가능성 |
워크플로우 오케스트레이션, 작업 위임, 상태 저장 세션, 관찰 가능성, 기능 토큰, 로컬 우선 최적화 |
| 일반적인 사용 사례 |
CRM 데이터 검색, IDE 컨텍스트 접근, 자연어 데이터 접근 (AI2SQL), 다중 도구 에이전트 워크플로우 |
다중 에이전트 협업 (예: 번역가-일러스트레이터, 대출 처리), 교차 플랫폼 에이전트 통신 |
엣지 컴퓨팅, 로봇 공학, IoT, 개인 정보 보호에 민감한 환경, 기업 자동화 워크플로우, 보안 사고 대응 |
| 강점 |
표준화, AI 유용성 향상, 플러그 앤 플레이, 빠른 채택, 개발 간소화 |
상호 운용성, 확장성, 유연성 (작업 기간/양식), 기본적으로 보안 |
로컬 우선 최적화, 강력한 보안, 감사 가능한 작업, 동적 탐색, 글루 코드 감소 |
| 약점 |
보안 취약성 (프롬프트 주입, 데이터 유출), ID 관리 모호성, 상태 비저장 API를 위한 상태 저장 프로토콜 복잡성 |
상호 운용성 장벽 (의미론적 불일치), 보안 구현 부담, 지점 간 확장성 딜레마 ("N-제곱 문제") |
잠재적 상태 비저장 문제, 일대일 통신 제한, 초기 개발 단계 |
| 보완적 역할 |
개별 에이전트에 외부 도구/데이터 접근 제공 |
에이전트가 서로를 탐색하고 통신할 수 있도록 함 |
복잡한 작업에서 에이전트가 함께 작동하는 방식 조정 |
