주요 내용

• 주요 주장

  • AI 분야에서 “Skills”가 새로운 표준으로 떠오르고 있지만, 저자는 Model Context Protocol(MCP)이 서비스 접근에 더 실용적이고 효율적인 아키텍처라고 주장한다.
  • Skills는 지식 전달이나 기존 툴 사용법을 가르치는 데는 유용하지만, 실제 서비스 연동을 위해서는 CLI 설치와 토큰 관리 등 여러 복잡한 문제가 발생한다.
  • MCP는 API 추상화로서 LLM이 무엇을 해야 하는지만 알면 되며, 원격 서버를 통해 설치 없이 즉시 업데이트, 간편 인증, 포터블 사용, 샌드박싱 등을 제공한다.

• MCP의 장점

  • Zero‑Install Remote Usage: 서버 URL만 지정하면 로컬에 설치 필요 없음.
  • Seamless Updates: 서버 업데이트 시 모든 클라이언트가 즉시 최신 버전 사용.
  • Saner Auth: OAuth 등 안전한 인증 흐름 제공.
  • True Portability: 다양한 디바이스·플랫폼에서 동일하게 사용 가능.
  • Sandboxing: 제한된 인터페이스만 노출해 보안 강화.
  • Smart Discovery: 필요할 때만 도구 로드, 컨텍스트 절약.
  • Auto‑Updates: 로컬 설치 시 npx -y·uv 등으로 매 실행마다 최신 버전 확보.

• Skills의 문제점

  • 대부분 CLI 의존 → 로컬 터미널이 없는 환경(웹 ChatGPT, Perplexity 등)에서는 동작 불가.
  • Deployment Mess: 바이너리·패키지 관리 복잡.
  • Secret Management Nightmare: 토큰·비밀 관리가 어려워 환경마다 다름.
  • Fragmented Ecosystem: 설치·업데이트·호환성 문제 발생, 다양한 플랫폼마다 다른 방식 요구.
  • Context Bloat: 전체 SKILL.md를 LLM 컨텍스트에 로드해야 하며, 불필요한 토큰 소모.

• 적절한 도구 선택 기준

  • MCP 사용: 서비스·앱·웹 API와 직접 연결이 필요할 때. 예) Google Calendar, Chrome 상태 제어, Hopper 디버깅, Xcode, Notion 등.
  • Skills 사용: 순수 지식·컨텍스트 전달이 목표일 때. 예) curl, git 사용법 교육, 조직 내 용어·워크플로우 정의, PDF 처리 방법, 비밀 관리 패턴 등.

• Connector vs. Manual 개념

  • Skills를 LLM_MANUAL.md로, MCP를 Connector로 명명하면 역할 구분이 명확해진다.
  • 실제 사례:
    • mcp-server-devonthink: 로컬 MCP 서버로 DEVONthink 제어.
    • microfn / Kikuyo: 원격 MCP 제공.
    • MCP Nest: 로컬 MCP를 클라우드 터널링해 원격 접근 가능.
    • Skills를 활용해 MCP 사용 시 발생하는 ‘gotchas’를 정리, 토큰 절약과 사용자 경험 향상.

• 결론

  • 저자는 MCP가 서비스 연동을 위한 표준화된 인터페이스라면, Skills는 지식 전달용 매뉴얼로 남아야 한다고 주장한다.
  • 산업 전반이 MCP를 포기하고 Skills만 남게 된다면, AI와 서비스 통합이 복잡하고 파편화될 위험이 있다.
  • 앞으로 Skyscanner, Booking.com, Trip.com 등 주요 서비스가 공식 MCP를 제공하길 기대한다.