목차
흩어진 프롬프트와 스킬을 한곳에 모으는 MCP stdio (2026-03)
원문 정보
- 원문: 흩어져 있는 AI 자산, ‘MCP stdio’로 헤쳐모여!
- 매체 · 게시일: 우아한형제들 기술블로그 · 2026-03-17
- 저자: 본문에 저자 미표기
- 원문 내용을 바탕으로 재구성한 요약입니다.
도구를 옮길 때마다 찾기 어려운 최신 프롬프트
사용량 제한을 피해 이 도구 저 도구를 오가고, 여러 저장소에서 프롬프트를 복사해 쓰다 보면 어느 것이 최신인지부터 헷갈립니다. 유용했던 스킬을 다시 찾기도 어렵습니다. 긴 마크다운 문서나 복잡한 스크립트를 일일이 열어 용도와 버전을 확인하는 일도 피곤합니다.
여기서는 시스템 프롬프트, 스킬, 페르소나처럼 AI 도구를 활용하려고 작성한 문서와 스크립트를 ‘AI 자산’이라 부르지요. 영어 assets를 옮긴 표현으로, 일반적으로 쓰이는 용어는 아닙니다. 이 자산들을 한곳에서 관리하면 구성원들이 장비와 도구, 저장소를 옮겨 다녀도 최신 자산을 쉽게 쓰도록 만들 수 있습니다.
작은 조직의 일관성을 위한 MCP stdio
Agent Sync는 중앙 저장소의 자산을 각 프로젝트로 내려받는 방식입니다. 사용자가 필요할 때 명령어를 실행하면 파일이 로컬에 생겨 내용을 확인하고 목적에 맞게 고치기 편합니다. 약점은 수동 갱신입니다. 동기화를 놓치면 버전 차이로 팀 규칙이 흐트러지고, 같은 파일을 여러 저장소에서 중복 관리해야 합니다.
MCP stdio는 중앙 패키지를 실행 시점에 불러옵니다. AI 도구에 MCP 서버를 한 번 등록하고 최신 버전을 사용하도록 설정하면, 여러 IDE와 CLI에서 자산을 일관되게 쓸 수 있습니다. 텍스트 프롬프트에서 도구 호출과 로컬·외부 연동까지 확장하기도 쉽습니다. 대신 MCP를 지원하는 도구가 필요하고, 로컬에서 자산 내용을 확인하거나 개별적으로 수정하기는 Agent Sync보다 어렵습니다.
원문 속 팀은 비교적 작은 조직에서 최신 자산을 걱정 없이 쓰는 환경을 원했고, 이 조건에는 MCP stdio가 적절해 보인다고 했습니다. 구성원 사이의 소통이 원활한 소규모 조직에 가장 맞는 방식이라는 판단입니다. 각 팀의 자율성을 중시하고 느슨한 중앙화를 원한다면 Agent Sync가 더 나은 선택일 것입니다.
Agent Sync와 MCP stdio의 선택 조건
| 구분 | Agent Sync | MCP stdio |
|---|---|---|
| 핵심 방식 | 중앙 자산을 로컬 파일로 복제 | 중앙 패키지를 실행 시점에 직접 로드 |
| 장점 | 파일 가시성, 로컬 커스텀, 오프라인 사용 | 최신 자산 자동 반영, 저장소 오염 적음, 도구 확장 용이 |
| 단점 | 수동 동기화 누락 시 드리프트, 파일 중복 관리 | MCP 지원 도구 필요, 로컬에서 내용 확인과 수정이 어려움 |
| 추천 상황 | 로컬 커스텀 편의와 간단한 사용 | 중앙 통제와 최신성, 확장성 우선 |
에이전트의 판단에 달린 공통 규칙
최신 자산을 준비해 두어도 에이전트가 이를 매번 참조한다는 보장은 없습니다. 에이전트가 필요하지 않다고 판단하면 MCP를 실행하지 않을 수 있기 때문입니다. 공통 규칙을 중앙에 모으는 일과 모든 에이전트 동작에서 그 규칙을 실행하도록 강제하는 일 사이에는 이런 한계가 남습니다.
로컬 프롬프트에도 같은 문제가 있습니다. 발생할 확률이 더 낮을 뿐이므로, MCP에서도 로컬 프롬프트를 보완하던 방식을 쓸 수 있습니다. 예를 들어 Cursor에서는 YAML front matter에 alwaysApply: true를 지정한 로컬 프롬프트를 추가하고, 코드 작성 전에 ai-assets-mcp/rule.coding-standards를 반드시 참조하라는 지침을 둡니다.
이렇게 MCP 규칙을 최대한 참조하도록 유도할 수 있습니다. 대신 로컬 지침을 추가한 만큼 컨텍스트양이 늘어나는 부담도 고려해야 합니다.
팀 미팅에서 함께 고르는 공통 자산
모든 자산을 중앙화할 필요는 없습니다. 구성원들은 각자 AI 도구에 MCP 서버를 설정해 사용하면서도, 필요하면 로컬에서 자신만의 규칙이나 스킬을 만들어 씁니다. 팀에도 유용하다고 생각되는 스킬은 주기적인 팀 미팅에서 제안하고, 중앙 저장소에 반영할지 함께 결정합니다.
중앙화를 우선 고려하는 대상은 팀의 커뮤니케이션이나 워크플로에 영향을 주는 자산입니다. 코드 병합 문서를 생성하는 스킬이 그 예입니다. 이런 스킬을 함께 관리하면 코드 리뷰의 가독성을 높이고 팀 생산성을 개선하는 데 도움이 됩니다.
문서와 스킬을 노출하는 중앙 패키지
구현은 흩어진 자산을 모으는 일에서 시작합니다. 예제에서는 central-mcp-agent/ 아래에 rules/, skills/, src/index.ts, package.json을 두고, 자산을 rules/*와 skills/*로 옮깁니다. 단순한 마크다운 문서뿐 아니라 스크립트를 포함한 스킬도 대상입니다. MCP 표준에 따라 에이전트가 이해할 수 있는 형태라면 패키지에 포함할 수 있습니다.
IDE와 통신하는 시작점은 src/index.ts입니다. 여기서 사용하는 stdio는 표준 입출력을 뜻합니다. HTTP가 네트워크 소켓을 쓰는 데 비해 stdio는 stdin과 stdout으로 로컬 프로세스 사이에서 데이터를 주고받습니다. 별도의 서버 구축이나 복잡한 네트워크 설정 없이 연결할 수 있어 MCP 서버 운영 비용과 난이도를 줄입니다.
서버 엔트리에서는 MCP Server를 만들고 prompts 핸들러를 등록한 뒤 서버를 실행합니다. ListPromptsRequestSchema에는 자산 목록을, GetPromptRequestSchema에는 요청한 자산의 내용을 반환하는 동작을 연결합니다. 예제에서 prompts를 사용한 이유는 개발자가 / 명령어로 자산을 명시적으로 확인하도록 하기 위해서입니다. 용도에 따라 resources나 tools 핸들러를 추가할 수도 있습니다.
마크다운 파일을 하나씩 직접 등록하는 것은 예제를 읽기 쉽게 만들기 위한 구성입니다. 실제로는 rules/*.md와 skills/*.md를 파일시스템에서 탐색해 노출하도록 만들면 문서를 추가하는 것만으로 자산을 늘릴 수 있습니다.
준비한 중앙 저장소는 package.json을 구성해 사내 레지스트리나 npm 레지스트리에 패키지로 배포합니다. npm은 프론트엔드 개발자에게 익숙해 선택한 환경입니다. Java나 Python 등 다른 운영 방식은 Model Context Protocol 기술 가이드에서 확인할 수 있습니다.
다음 실행에 최신 자산을 불러오는 IDE 설정
배포한 패키지를 AI 도구의 MCP 서버로 등록합니다. 예제의 실행 명령은 npx이며, -y와 @example/ai-assets-mcp@latest를 인자로 전달합니다.
Cursor에서는 ~/.cursor/mcp.json에 이 설정을 넣으면 프로젝트와 관계없이 같은 MCP 서버를 사용합니다. Claude Code에서는 CLI로 설정을 추가합니다. 패키지 버전에 붙인 @latest 덕분에 개발자가 별도 동기화 명령을 실행하지 않아도 다음 실행 때 최신 자산을 불러옵니다.
연결한 뒤에는 평소처럼 / 커맨드로 요청합니다. 에이전트에서 자산 목록을 확인하거나 코드베이스에서 도구를 실행할 수 있습니다.
활용 범위는 자산 조회에서 더 넓어질 수 있습니다. 다른 MCP 서버를 도구로 엮어 두면 위키에서 기획서를 읽고, 코드를 작성하고, Git 저장소에 MR을 작성하는 흐름까지 팀에 맞게 구성해 한 번에 자동화할 수도 있습니다.