목차
금요일 막차 전에 띄운 장보기쇼핑 MCP Server (2025-06)
원문 정보
- 원문: 우리 서비스와 연결된 MCP Server 빠르게 구현해보기: MCP 해커톤 후기
- 매체 · 게시일: 우아한형제들 기술블로그 · 2025-06-17
- 저자: 성시형
- 원문 내용을 바탕으로 재구성한 요약입니다.
한 판매자에게서 살 장보기 목록
양파, 우유, 돼지고기를 장보기 목록으로 주면 판매자별 상품 정보를 모으고, 어디에서 사야 가장 저렴한지 비교하는 AI입니다. 우아한형제들 MCP 해커톤에서 가장 호응을 얻은 주제였습니다. 당시 장보기쇼핑에서는 여러 판매자에게서 주문한 상품을 한 번에 배달받을 수 없었습니다. 배달비를 아끼려면 한 판매자에게서 사는 편이 유리했으므로, 장 볼 상품을 모두 담았을 때의 가격을 판매자별로 비교해 보려 했습니다.
이 도전에 모인 사람들은 MCP를 처음 접했습니다. 시작은 2025년 4월 17일, 10여 명이 있는 팀 채팅방의 스레드였습니다. 댓글이 201개나 달린 끝에 4월 25일 금요일 저녁으로 날짜가 잡혔고, 저녁 8시에 퀵 커머스 서버 개발자 6명과 기획자 2명이 모였습니다. AI Agent가 일을 편하게 해 줄 것이라는 확신은 있었지만, MCP 개발 경험은 없는 참가자들이었습니다.
AI와 서비스를 잇는 MCP
Agent가 사람의 지시를 받아 일을 하려면 실제로 작업할 수단이 있어야 합니다. PC에서는 오피스 프로그램이나 터미널, 웹과 앱을 쓸 수 있으면 됩니다. 그런데 연결 규격이 없다면 프로그램 개발자는 ChatGPT, HyperCLOVA X, Claude, Grok처럼 LLM마다 따로 대응해야 합니다.
MCP(Model Context Protocol)는 이 연결을 표준화하려고 Anthropic이 2024년 11월 발표한 프로토콜입니다. 프로그램을 MCP에 맞춰 개발하면 새 LLM이 나올 때마다 다시 대응하지 않아도 되고, LLM 제공자도 직접 연동 작업을 하지 않고 AI가 프로그램을 쓰도록 지원할 수 있습니다. 개발 가이드의 비유는 USB-C 포트입니다. 주변 장치를 같은 규격으로 연결하듯, AI와 데이터·도구 사이의 연결 방법을 맞춥니다.
MCP 클라이언트가 도구 사용을 요청하면 MCP 서버가 실제 기능이나 데이터를 제공합니다. 해커톤에서는 Cursor를 클라이언트로 쓰고, 장보기쇼핑 API를 호출하는 서버를 만들기로 했습니다. 2025년 6월 원문 작성 시점의 대표 클라이언트로는 Claude Desktop과 Cursor가 있었고, Notion과 Figma 등은 공식 MCP 서버를 제공했습니다. 당시 OpenAI ChatGPT와 Google Gemini는 웹·데스크톱 UI에서 MCP 연결을 지원하지 않았으며 SDK에서는 지원했습니다.
날씨 조회 샘플을 고친 상품 조회 서버
출발점은 미국 기상청의 날씨 조회 샘플이었습니다. Quick Start의 Python 코드에서 FastMCP로 서버 이름을 정하고, 위도와 경도를 받아 날씨를 반환하는 함수에 @mcp.tool()을 붙인 뒤, 시스템 표준 입출력인 stdio로 실행하면 서버가 동작했습니다.
바꿀 곳은 날씨 API를 호출하는 부분이었습니다. 테스트 환경의 장보기쇼핑 서비스를 연결하려고 Swagger에서 api-docs JSON을 가져와 Cursor에 전달하고, tool 함수를 수정해 달라고 요청했습니다. 코드 생성 기능으로 상품 목록을 조회하는 get_products를 만든 뒤, uv 명령으로 실행하도록 Cursor의 MCP 설정에 등록했습니다. 이제 프롬프트로 B마트 상품을 조회할 수 있었습니다.
함수에 데코레이터를 붙였을 뿐인데 Cursor는 어떻게 호출 방법을 알았을까요? 참가자들은 쉬는 시간에 Python SDK 1.6.0의 FastMCP 내부를 살폈습니다. FastMCP는 부팅 과정에서 tools, resources, prompts, templates의 핸들러를 등록하며, 도구에는 list_tools와 call_tool이 관여합니다. @mcp.tool을 붙인 함수를 분석해 도구로 등록하면, 클라이언트가 연결할 때 list_tools를 호출해 사용 가능한 도구를 파악합니다. 함수 바로 아래의 문자열 리터럴은 도구의 description이 됩니다.
사용자가 상품을 찾아 달라고 입력하면 LLM은 도구의 설명과 파라미터를 보고 호출 여부를 판단하고, 부족한 입력이 있으면 사용자에게 안내합니다. 이어 call_tool로 get_products를 실행하면 서버가 장보기쇼핑 API를 호출하고 응답을 포맷팅합니다. 클라이언트는 그 결과 문자열을 받아 LLM이 사용자에게 줄 답을 작성하도록 합니다. 도구 사용 여부를 LLM이 결정하므로, 프롬프트에 MCP tool을 쓰라고 명시해야 할 때도 있었습니다.
같은 SDK의 resources는 PDF 같은 정적 자원을 제공하고, prompts는 이력서 서식처럼 형식을 갖춘 작업을 지원하는 규격입니다. 이번 상품 조회에는 tool을 사용했습니다.
인증과 위치 확인을 미룬 검색 도구
해커톤을 시작하고 약 30분이 지났을 때 장보기쇼핑 서버와 연결된 상품 조회 도구가 마련됐습니다. 여기서 참가자들이 다음 도전으로 고른 주제가 판매자별 장보기 비교였습니다. 장보기쇼핑의 커머스 시스템에는 검색 API가 있었으므로 이를 그대로 활용하기로 했습니다.
검색에 필요한 값은 장 볼 상품 목록, 사용자 정보, 사용자 위치였습니다. 상품 목록은 프롬프트로 받을 수 있지만 사용자 정보는 인증을 거쳐야 했고, 위치도 하드웨어를 기준으로 파악해야 했습니다. 해커톤에서는 이 작업이 주제에서 멀어진다고 판단해 사용자 정보와 위치를 이미 확보했다고 가정하고 하드코딩했습니다. 인증과 위치 확인까지 구현한 데모는 아니었습니다.
팀원들은 Cursor와도 논의하며 search_products_wildcard를 만들었습니다. 키워드를 받으면 Elasticsearch로 상품명에 해당 키워드가 들어간 상품을 검색하고, 저렴한 상품부터 정렬하는 도구입니다. 서버를 다시 띄워 Cursor에 연결한 뒤 제육볶음 재료를 가장 저렴하게 살 수 있는 판매자를 찾아 달라고 요청했습니다. 결과가 나오자 박수가 터졌습니다.
정리를 마친 시각은 저녁 11시였습니다. 토요일 새벽 첫차를 타고 돌아갈 각오로 모였지만, 금요일 막차로 귀가할 수 있었습니다. 코드 생성과 질문·답변의 도움을 받아 처음 접한 MCP를 서비스 API에 연결하고 시연까지 마친 저녁이었습니다.
예측하기 어려운 tool 호출
시연은 더미 코드 수준이었지만, 저자는 서비스를 제공할 때 생길 문제도 엿보았습니다. 정해진 GUI에서 받는 웹·앱 요청과 달리 MCP 클라이언트는 제공된 도구로 다양한 요청을 보낼 수 있습니다. 불규칙한 트래픽과 예측하기 어려운 파라미터를 처리해야 한다는 고민이 남았습니다. MCP 개발 가이드도 서버가 반드시(MUST) 지킬 사항으로 아래 항목을 명시합니다.
- 모든 도구 입력 검증
- 적절한 접근 제어
- 도구 호출 횟수 제한
- 도구 응답값을 형식에 맞게 처리
도구를 갖추는 일에도 과제가 있었습니다. 사용자 요구에 맞는 도구가 없으면 “AI인데 왜 안 되지?”라는 반응이 나올 수 있습니다. 개별 도구를 만드는 데서 끝내지 않고, 사용자의 요청을 처리하도록 도구들이 연쇄적으로 이어지는 설계를 고민해야 했습니다.
제공 방식도 검토 대상이었습니다. 해커톤에서는 stdio로 통신하는 로컬 서버를 만들었지만, 저자는 코드 버전 관리를 생각하면 상용 단계에서는 원격 서버가 유리하겠다고 보았습니다. 원문 작성 시점에 기업이 공식 지원하던 MCP 서버도 대부분 Streamable HTTP로 통신하는 원격 서버였습니다. 이번 해커톤에서 원격 서버까지 구현한 것은 아니었습니다.
해커톤 일정과 구성
| 항목 | 값 |
|---|---|
| 계기가 된 스레드 | 2025-04-17, 댓글 201개 |
| 해커톤 일시 | 2025-04-25 금요일 저녁 8시 시작, 저녁 11시 정리 |
| 참가자 | 퀵 커머스 서버 개발자 6명, 기획자 2명 |
| 사용 도구 | Cursor, Python FastMCP(SDK 1.6.0), uv, Swagger, Elasticsearch |
| 서버 방식 | stdio 로컬 서버 |
| 주제 | 판매자별 상품 비교와 최저가 판매자 탐색 |