AI와 개발의 새로운 패러다임

최근 인공지능 기술의 급속한 발전으로 개발자들의 작업 방식이 크게 변화하고 있습니다. 특히 대규모 언어 모델(LLM)을 활용한 개발 지원 도구들이 늘어나면서, 개발 생산성과 효율성이 비약적으로 향상되고 있죠. 그 중에서도 Model Context Protocol(MCP) 도구는 AI 모델의 활용 가능성을 한층 더 확장시키고 있습니다.

스콧 스펜스(Scott Spence)는 자신의 블로그에서 클로드(Claude)와 클라인(Cline)에서 MCP 도구를 활용한 경험을 공유했습니다. 특히 Svelte 5와 같은 최신 프레임워크 작업에서 이러한 도구들이 어떻게 도움이 되는지에 대한 인사이트를 제공합니다.

LLM의 훈련 데이터 한계와 대안

대부분의 LLM 모델들이 직면한 가장 큰 문제 중 하나는 훈련 데이터의 한계입니다. 예를 들어, Svelte 5와 같은 최신 프레임워크에 대해 질문하면 AI 비서는 “죄송합니다. 제 훈련 데이터는 [날짜]까지입니다”라고 대답하거나 아예 잘못된 정보를 제공하기도 합니다.

이러한 문제를 해결하기 위한 접근법으로는:

1. Claude 프로젝트에 모든 Svelte 5 문서를 프로젝트 데이터로 제공하기
2. MCP 도구를 활용하여 LLM에게 필요한 도구를 제공하기

스콧은 두 번째 접근법인 MCP 도구 활용에 초점을 맞추고 있습니다.

MCP 도구란 무엇인가?

Model Context Protocol(MCP) 도구는 AI 모델이 특정 작업을 수행하는 데 필요한 추가 기능을 제공하는 도구입니다. 클로드 데스크톱이나 클라인과 같은 AI 도구에 연결하여 사용할 수 있으며, 웹 검색, 문서 읽기, 기억 저장 등 다양한 기능을 확장할 수 있습니다.

스콧이 자신의 클로드 데스크톱에 구성한 MCP 도구들은 다음과 같습니다:

• Brave Search – 웹 검색 기능
• Sequential thinking – 순차적 사고를 도와주는 도구
• Jina AI Reader – 웹페이지를 AI 친화적인 형태로 파싱
• Tavily Search – 또 다른 검색 엔진
• Memory LibSQL – SQLite 기반의 메모리 저장 도구

직접 만든 MCP 도구들

스콧은 자신의 필요에 맞게 몇 가지 MCP 도구를 직접 개발했습니다.

mcp-memory-libsql

기존의 Memory MCP 도구는 JSON 파일에 데이터를 저장했지만, 팀 전체가 공유해야 하는 상황이었습니다. 이를 해결하기 위해 SQLite를 libSQL 형태로 사용하여 Turso에 데이터베이스를 배치함으로써 팀 전체가 접근할 수 있게 했습니다.

mcp-tavily-search

Brave Search와 함께 사용하여 두 검색 결과를 비교할 수 있게 해주는 도구입니다.

mcp-jinaai-reader

웹 페이지 데이터를 LLM 친화적인 형태로 가져오는 도구입니다. Puppeteer나 Playwright 같은 다른 도구들도 있지만, 문서를 찾고 파싱하는 용도로는 이 도구가 더 빠르고 효율적이었습니다.

모든 것을 하나로: 실제 활용 사례

스콧은 이러한 MCP 도구들을 클로드 데스크톱에 연결한 후, 클라인에게 다음과 같은 작업을 지시했습니다:

1. Svelte 블로그에서 최신 글을 가져오기
2. 해당 글에서 언급된 새로운 기능 식별하기
3. 그 기능에 대한 문서를 읽기
4. 해당 기능에 대한 집중적인 데모 만들기

다음은 실제 프롬프트의 일부입니다:

순차적 사고를 사용하여 Svelte 5 데모 앱 만들기:

1. 기능 탐색:
   a. Jina.ai reader를 사용하여 https://svelte.dev/blog 파싱
   b. 최신 블로그 포스트의 URL 추출
   c. Jina.ai reader로 해당 포스트 파싱
   d. 언급된 새로운 Svelte 5 기능 식별
   e. 식별된 기능에 대한 문서 링크 추출

2. 문서 분석:
   a. Jina.ai reader로 기능 문서 페이지 파싱
   b. 구현 세부사항과 사용 패턴 추출
   c. 중요한 고려사항이나 함정 기록

3. 문서를 기반으로 다음과 같은 집중적인 데모 구현:
   - 새로 발견된 기능 사용
   - 적절한 Svelte 5 문법으로 구현:
     - 반응형 상태를 위한 $state(value) (임포트 필요 없음)
     - 계산된 값을 위한 $derived(expression)
     - 이벤트를 위한 onclick={handler}
   - 스타일링을 위한 기존 DaisyUI 설정 사용

이를 통해 클라인은 Svelte 5의 새로운 기능을 활용한 작업 우선순위 지정 데모를 만들어냈습니다.

왜 이것이 중요한가

Svelte와 같이 빠르게 진화하는 프레임워크로 작업하는 경우, LLM만으로는 모든 답을 얻기 어렵습니다. MCP 도구는 다음과 같은 이점을 제공합니다:

• 정확하고 최신 정보 획득
• 구현 접근법 검증
• AI 비서의 지식을 최신 상태로 유지

미래 발전 방향

스콧은 최근 Svelte 문서를 위한 MCP 도구인 mcp-svelte-docs를 발표했습니다. 이 도구를 프롬프트에 통합하여 어떤 결과가 나오는지 테스트 중입니다.

시작하는 방법

직접 시도해보고 싶다면 다음이 필요합니다:

1. Svelte의 기본 지식
2. 클로드 데스크톱 설정
3. Windows를 사용한다면 WSL 구성 (스콧의 블로그에 관련 글이 있습니다)

결론: 개발 워크플로우의 게임 체인저

MCP 도구를 활용한 작업은 개발 워크플로우에 혁신을 가져옵니다. 여러 도구를 결합하는 데서 진정한 힘이 나옵니다 – Brave Search와 Tavily Search를 교차 참조하고, Jina.ai Reader로 문서를 파싱하며, 순차적 사고를 활용해 모든 것을 통합하는 것이죠.

이러한 도구들은 AI에 관한 것만이 아니라, 개발 워크플로우를 향상시키는 것에 관한 것입니다. 목표는 기존 워크플로우를 대체하는 것이 아니라 강화하는 것입니다. Svelte, React 또는 다른 프레임워크로 작업하든, 이러한 도구들은 변화에 대응하고 더 나은 코드를 작성하는 데 도움을 줍니다.

참고자료

• Using MCP Tools with Claude and Cline