OpenAI가 2025년 3월에 MCP(Model Context Protocol)를 채택한 것은 Large language model 시스템을 위한 표준화된 도구 통합을 향한 Artificial intelligence 업계의 중대한 변화를 의미했다. 원래 2024년 11월에 Anthropic이 도입한 MCP는 AI 애플리케이션이 클라이언트-서버 아키텍처를 통해 외부 데이터 소스 및 도구와 연결할 수 있게 해주는 범용 오픈소스 프로토콜이다. OpenAI가 MCP를 수용함으로써 기존의 독점적 플러그인 방식에서 탈피하여 AI 개발의 파편화를 줄이기 위한 광범위한 업계 노력에 동참했음을 시사했다.
이 발표는 2025년 3월 26일에 이루어졌으며, OpenAI는 공식적으로 Agents SDK와 Responses API에 MCP 지원을 통합했다. 이번 조치로 개발자들은 OpenAI 모델을 사용하여 파일 액세스, 데이터베이스 쿼리, 웹 브라우징 및 타사 애플리케이션 통합을 위한 도구를 포함하는 성장하는 MCP 서버 생태계에 원활하게 연결할 수 있게 되었다. 이 결정은 개발자 커뮤니티에서 MCP의 빠른 채택으로 이미 이점을 누리고 있던 Anthropic의 Claude 모델의 경쟁 압력에 대한 대응으로 널리 여겨졌다.
배경 및 맥락
MCP 이전에는 AI 개발자들이 Large language model을 외부 시스템에 연결하는 데 상당한 어려움을 겪었다. 각 통합에는 사용자 지정 코드가 필요했으며, 종종 공급업체 종속과 중복 작업으로 이어졌다. OpenAI는 이전에 2023년 3월에 출시된 자체 플러그인 시스템을 제공하여 ChatGPT가 타사 서비스와 상호 작용할 수 있게 했다. 그러나 플러그인은 독점적이고 범위가 제한적이라는 비판을 받았으며, OpenAI는 2024년에 사용자 지정 작업 및 함수 호출을 선호하여 플러그인을 더 이상 사용하지 않기로 결정했다.
MCP는 실제 세계 작업을 처리할 수 있는 AI 어시스턴트를 만드는 것에 대한 Anthropic의 연구에서 비롯되었다. 이 프로토콜은 AI 모델이 도구를 발견, 호출 및 관리하는 표준화된 방법을 정의하며, 통신에는 JSON-RPC를 사용하고 로컬 및 원격 연결을 모두 지원한다. 오픈소스 특성 덕분에 모든 개발자가 MCP 서버를 만들 수 있고 모든 AI 애플리케이션이 클라이언트 역할을 할 수 있어 다양한 AI 공급업체 간의 상호 운용성을 촉진했다.
2025년 초까지 MCP는 Anthropic을 넘어 Google DeepMind, Microsoft (AI), Amazon Web Services를 포함한 주요 기술 기업들의 지원을 받으며 영향력을 확장했다. 따라서 OpenAI의 MCP 채택은 단순한 기술적 결정이 아니라 Generative AI 기술의 성숙을 위해 업계 전반의 표준이 필요하다는 전략적 인정이었다.
OpenAI 통합 세부 사항
OpenAI의 MCP 통합은 두 가지 주요 제품에 구현되었다. 개발자가 자율 AI 에이전트를 구축할 수 있게 해주는 Agents SDK는 기본 MCP 클라이언트 지원을 받아 에이전트가 추가 구성 없이 모든 MCP 서버에 연결할 수 있게 되었다. 채팅 기반 애플리케이션을 지원하는 Responses API도 MCP 호환성을 추가하여 개발자가 API 호출에서 MCP 도구 정의를 직접 전달할 수 있게 되었다.
통합의 주요 기술적 기능에는 동기 및 스트리밍 도구 호출 지원, OAuth 2.0을 통한 인증, 여러 MCP 서버를 동시에 처리하는 기능이 포함되었다. OpenAI는 또한 기본 제공 MCP 유틸리티가 포함된 Python SDK와 TypeScript SDK를 제공하여 필요한 상용구 코드의 양을 줄였다. 회사는 GitHub, Slack 및 Google Drive용 서버와 같은 인기 있는 MCP 서버에 연결하는 방법을 보여주는 문서와 예제를 게시했다.
주목할 만한 측면 중 하나는 OpenAI가 기존 함수 호출 인터페이스와의 하위 호환성을 유지하기로 한 결정이었다. 개발자는 이전 방법을 계속 사용할 수 있었지만 MCP는 더 표준화되고 이식 가능한 접근 방식을 제공했다. 이러한 이중 지원은 기존 사용자의 전환을 용이하게 하는 동시에 새 프로젝트가 처음부터 MCP를 채택하도록 장려했다.
업계 반응 및 영향
이 발표는 개발자 커뮤니티에서 대체로 긍정적인 반응을 얻었다. 많은 사람들은 이를 MCP 설계의 검증이자 AI 도구 통합을 괴롭혀 온 파편화를 줄이는 단계로 보았다. 업계 분석가들은 OpenAI의 채택이 회사의 대규모 사용자 기반이 더 많은 MCP 서버에 대한 수요를 주도할 것이므로 MCP의 성장을 가속화할 것이라고 지적했다.
Anthropic은 이 움직임을 환영했으며, 공동 창업자인 Dario Amodei는 (제공된 목록에 없으므로 생략) 공급업체 간 협력에 대한 낙관론을 표명했다. 그러나 일부 관찰자들은 OpenAI의 구현에 특정 제한 사항이 있다고 지적했다. 예를 들어, 초기 버전은 Anthropic의 Claude 통합에서 사용할 수 있었던 리소스 구독 및 샘플링과 같은 MCP의 전체 기능 세트를 지원하지 않았다. OpenAI는 이러한 기능이 후속 업데이트에서 추가될 것이라고 말했다.
Google DeepMind 및 Meta AI (목록에 없으므로 생략)와 같은 경쟁사들은 당시 MCP에 완전히 전념하지 않았지만, Google은 Gemini API에서 실험적 지원을 발표했다. 더 넓은 의미는 MCP가 AI 도구 연결의 사실상 표준이 되고 있다는 것이었으며, 이는 Transformer (architecture) 아키텍처가 신경망 설계의 표준이 된 방식과 유사하다.
기술 아키텍처 및 사용 사례
MCP는 AI 애플리케이션이 클라이언트 역할을 하고 외부 도구가 서버로 노출되는 클라이언트-서버 모델에서 작동한다. 각 서버는 클라이언트가 발견하고 호출할 수 있는 도구, 리소스 및 프롬프트 세트를 제공한다. 통신은 로컬 프로세스의 경우 stdio를 통해, 원격 연결의 경우 HTTP/SSE를 통해 JSON-RPC를 사용한다. 프로토콜에는 도구 발견, 호출 및 결과 스트리밍 기능과 오류 처리 및 취소 기능이 포함된다.
OpenAI의 통합을 통해 개발자는 예를 들어 회사 내부 데이터베이스를 쿼리하고, 이메일을 보내거나, 클라우드 서비스와 상호 작용할 수 있는 에이전트를 통합 인터페이스를 통해 구축할 수 있었다. 사용 사례는 고객 지원 자동화에서 데이터 분석 및 코드 생성에 이르기까지 다양했다. 프로토콜 설계는 범위가 지정된 권한 및 감사 로깅과 같은 보안 기능도 지원하여 기업 배포에 중요했다.
실용적인 예로는 MCP 서버를 통해 OpenAI 기반 어시스턴트를 postgresql 데이터베이스 (목록에 없으므로 생략)에 연결하여 구조화된 데이터에 대한 자연어 쿼리를 가능하게 하는 것이었다. 또 다른 예는 github (목록에 없으므로 생략)과 통합하여 코드를 검토하고, 이슈를 열고, 풀 리퀘스트를 관리할 수 있는 에이전트를 만드는 것이었다. 이러한 기능은 MCP가 Large language model을 텍스트 생성기에서 실행 가능한 도구로 전환할 수 있는 잠재력을 보여주었다.
다른 접근 방식과의 비교
MCP 이전에는 AI 도구 통합을 표준화하려는 몇 가지 다른 프로토콜과 프레임워크가 있었다. 2023년 6월에 도입된 OpenAI의 함수 호출은 모델이 외부 함수를 트리거할 수 있는 구조화된 JSON을 출력할 수 있게 했지만 개발자가 스키마를 수동으로 정의해야 했고 발견 메커니즘을 제공하지 않았다. Google의 도구 사용 API와 Microsoft의 Semantic Kernel은 유사한 기능을 제공했지만 각자의 생태계에 묶여 있었다.
MCP는 공급업체에 구애받지 않고 오픈소스이며 커뮤니티 기여를 장려하는 거버넌스 모델을 갖춤으로써 차별화되었다. OpenAI, Anthropic 등의 채택은 네트워크 효과를 만들어 단일 공급업체가 무시하기 점점 더 어렵게 만들었다. 2025년 중반까지 MCP 레지스트리에는 AWS Trainium 클러스터 관리부터 Samsung Electronics 기기 제어에 이르기까지 1,000개 이상의 커뮤니티 기여 서버가 등재되었다.
향후 개발 및 과제
OpenAI의 채택 이후 MCP 생태계는 계속 진화했다. 2025년 4월, Linux 재단은 MCP 프로젝트를 호스팅하여 중립적인 거버넌스와 장기적인 지속 가능성을 제공할 것이라고 발표했다. 이 움직임은 어떤 단일 회사도 프로토콜의 방향을 통제할 수 없도록 하기 위한 것으로 여겨졌다.
그러나 과제는 남아 있었다. 보안은 주요 관심사였으며, MCP 서버가 민감한 데이터를 노출하거나 임의 명령을 실행할 가능성이 있었다. OpenAI와 Anthropic은 모두 보안 지침을 발표했지만 MCP의 분산된 특성으로 인해 집행이 어려웠다. 또한 지연 시간이 긴 원격 연결에 대한 프로토콜 성능은 여전히 최적화 중이었으며, 일부 개발자는 기본 API에 비해 응답 시간이 느리다고 보고했다.
또 다른 문제는 MCP 자체 내에서의 파편화 가능성이었다. 더 많은 회사가 프로토콜을 채택함에 따라 상호 운용성을 훼손할 수 있는 분기된 구현의 위험이 있었다. 이를 해결하기 위해 Linux 재단의 기술 자문 위원회는 인증 프로그램과 적합성 테스트를 개발하기 시작했다.
AI 개발 관행에 미치는 영향
OpenAI의 MCP 채택은 개발자들이 AI 애플리케이션 개발에 접근하는 방식에 지대한 영향을 미쳤다. 이는 사용자 지정 통합을 구축하는 것에서 사전 구축된 MCP 서버를 조립하는 것으로 초점을 전환했으며, 이는 패키지 관리자가 소프트웨어 개발에 혁명을 일으킨 방식과 유사하다. 이는 정교한 AI 에이전트를 만드는 진입 장벽을 낮추어 소규모 팀이 광범위한 엔지니어링 노력 없이 다양한 도구를 활용할 수 있게 했다.
교육 기관과 연구 실험실도 혜택을 받았다. 예를 들어, MIT CSAIL 및 Stanford AI Lab은 커리큘럼에 MCP를 통합하여 학생들에게 상호 운용 가능한 AI 시스템을 구축하는 방법을 가르치기 시작했다. 프로토콜의 개방적 특성은 실험과 협업을 촉진하여 투명성과 재현성이라는 학계의 가치와 일치했다.
더욱이 MCP의 채택은 Neural network 훈련 파이프라인 설계에 영향을 미쳤다. 일부 팀은 MCP를 사용하여 훈련 인프라를 데이터 소스 및 모니터링 도구에 연결하여 보다 자동화되고 효율적인 워크플로우를 만들었다. MCP를 더 넓은 AI 수명 주기에 통합한 것은 이 프로토콜이 추론 및 배포를 넘어 계속 관련성을 유지할 것임을 시사했다.
결론
2025년 3월 OpenAI의 MCP 채택은 Artificial intelligence 업계의 분수령이 되는 사건이었다. 경쟁사가 원래 개발한 개방형 표준을 수용함으로써 OpenAI는 생태계를 공통 프로토콜로 통합하고 파편화를 줄이며 혁신을 촉진하는 데 일조했다. 이 움직임은 시장 동향에 대한 실용적인 대응이자 상호 운용 가능한 AI 시스템의 미래에 대한 전략적 베팅이었다.
2025년 말 현재 MCP는 모든 주요 AI 공급업체의 지원을 받아 Large language model을 외부 도구에 연결하는 기본 선택지가 되었다. 이 프로토콜의 성공은 경쟁사 간의 협력조차도 기술 발전을 가속화할 수 있음을 보여주었다. 보안 및 표준화에 대한 과제는 남아 있지만, 그 궤적은 모델이 단순히 지능적일 뿐만 아니라 디지털 세계에 원활하게 통합되는 더욱 연결되고 유능한 AI 환경을 향해 나아가고 있음을 시사한다.