📦

Simplemcpagent Fastmcp Backend

mcp 에이전트를 직접 만들어보자!

0 installs

Trust: 34 — Low

Devtools

Ask AI about Simplemcpagent Fastmcp Backend

I know everything about Simplemcpagent Fastmcp Backend. Ask me about installation, configuration, usage, or troubleshooting.

0/500

Loading tools...

Reviews

Documentation

📦 MCP란?

일반적으로 LLM 기반 AI는 복잡하거나 외부 정보가 필요한 질문에 대해 한계를 보임. 이를 보완하기 위해 Tool 사용이라는 개념이 도입.

AI 응답 플로우 (Tool 사용)
사용자 → LLM(ChatGPT) → Tool 호출 (MCP 서버) → 결과 → LLM(ChatGPT) → 사용자

이전에는 각 인터페이스별로 도구를 개별 개발했기 때문에 중복이 많았지만, MCP(Model Context Protocol)가 등장하면서 표준화된 도구를 재사용하는 것이 가능해짐

🤖 MCP 에이전트란?

MCP 에이전트는 사용자 또는 상위 LLM의 요청을 받아, 그 요청에 적절한 MCP 도구를 호출하고, 결과를 다시 상위로 반환하는 중계자이자 실행자이다. LLM의 판단 능력과, MCP 도구의 실행 능력을 잇는 연결 지점이자, 행동을 수행하는 AI의 팔과 다리 같은 존재다.

에이전트 동작 흐름
사용자(웹UI 등) → 에이전트 서버(MCP 클라이언트) → MCP 서버 → 에이전트 서버(MCP 클라이언트) → 사용자(웹UI 등)

🚀 실행 방법

의존성

클라이언트 UI: Streamlit
MCP 서버: FastMCP

에이전트 실행

streamlit run agent_server.py

실행 예시

💭 MCP에 대한 개인적인 생각

오픈AI가 MCP를 지지하는 것은 1등 기업이 고립되지 않기 위해 앤트로픽과의 경쟁보다는 전략적 협력을 택한 것이라 판단됨.
프로토콜은 결국 규격의 표준화이며, 지배적인 표준 채택은 생산성을 급격히 높이는 기반이 됨.
MCP는 앤트로픽이 제안했지만 폐쇄적이지 않은 구조이며, 플랫폼 중심이 아닌 범용·호환 중심의 개방형 표준임.
오픈AI의 지지는 단순 기술 문제가 아닌 AI 생태계를 바라보는 시각의 변화를 반영한 것으로, 장기적인 생산성 확보를 위한 전략적 판단이라 생각됨.
결국 MCP의 핵심은 기술적 디테일이 아닌 업계를 바라보는 기업가적 패러다임 변화이며, 이는 향후 4차 산업 전반에도 적용 가능한 통찰이라고 봄.