나는 여전히 Skills보다 MCP를 선호한다

5 hours ago 2
  • MCP는 LLM이 도구의 내부 구조를 몰라도 작업을 요청할 수 있는 API 추상화 기반 표준 인터페이스로, 원격 사용과 자동 업데이트를 지원함
  • Zero-Install 구조, OAuth 인증, 샌드박싱 보안을 통해 설치 부담과 권한 문제를 줄이고, 어떤 플랫폼에서도 동일한 환경을 제공함
  • 반면 Skills는 CLI 설치 의존성과 인증·배포 복잡성, 플랫폼별 호환성 문제 등으로 인해 실제 실행 환경에서 마찰이 큼
  • Skills는 지식 계층, MCP는 연결 계층으로 구분되어야 하며, LLM이 외부 시스템과 상호작용할 때는 MCP를, 절차적 지식 전달에는 Skills를 사용하는 것이 적절함
  • MCP Nest와 같은 클라우드 터널링 서비스로 로컬 MCP 서버를 원격에서 접근할 수 있어, 표준화된 AI 통합 환경 구축의 핵심으로 평가됨

MCP의 장점

  • Model Context Protocol(MCP) 은 LLM이 도구의 내부 동작을 이해하지 않아도, 단순히 요청만으로 작업을 수행할 수 있는 API 추상화 구조를 기반으로 함
    • 예: LLM이 DEVONthink와 상호작용할 때 devonthink.do_x()를 호출하면 MCP 서버가 모든 처리를 담당
  • Zero-Install 원격 사용이 가능해, 클라이언트는 MCP 서버 URL만 지정하면 별도 설치 없이 바로 작동
  • 자동 업데이트가 지원되어, 원격 MCP 서버가 새로운 도구나 리소스로 갱신되면 모든 클라이언트가 즉시 최신 버전을 사용 가능
  • OAuth 기반 인증으로 보안이 강화되며, 사용자가 직접 토큰을 관리할 필요 없음
  • 이식성이 높아, Mac·모바일·웹 등 어떤 환경에서도 동일한 MCP 서버를 통해 접근 가능
  • 샌드박싱 구조로 로컬 환경의 직접 실행 권한을 제한하고, 제어된 인터페이스만 노출
  • 스마트 검색 및 자동 업데이트 기능을 통해 필요한 도구만 로드하고, 로컬 설치 시에도 실행 시 자동 갱신 가능

Skills의 한계와 마찰

  • Skills는 LLM에게 특정 지식이나 사용법을 가르치는 데는 유용하지만, 실제 동작 수행 시 CLI 의존성이 문제로 작용
  • 대부분의 Skill은 별도의 CLI 설치를 요구하지만, ChatGPT·Perplexity·Claude 웹 버전 등은 CLI 실행이 불가능
  • 이로 인해 다음과 같은 문제가 발생함
    • 배포 복잡성: CLI를 바이너리·NPM·uv 등으로 배포·관리해야 함
    • 비밀 관리 문제: 인증 토큰을 .env 파일에 평문 저장하거나, 세션이 초기화되면 인증이 사라짐
    • 생태계 단절: Skill 설치·업데이트 방식이 플랫폼마다 달라 호환성 문제와 YAML 파싱 오류 발생
    • 컨텍스트 낭비: LLM이 단일 함수 호출만 필요해도 전체 SKILL.md를 로드해야 함
  • “CLI를 먼저 설치하라”는 지침이 포함된 Skill은 불필요한 복잡성을 추가하며, 원격 MCP로 대체하는 것이 더 효율적임

적절한 도구 선택 기준

  • MCP 사용 시점: LLM이 웹사이트·서비스·애플리케이션 등 외부 시스템과 연결될 때 표준 인터페이스로 활용
    • 예: Google Calendar는 OAuth 기반 원격 MCP로 인증과 실행을 처리해야 하며, CLI 설치를 요구하지 않아야 함
    • Chrome·Hopper·Xcode·Notion 등도 각각의 기능 제어를 위한 내장 MCP 엔드포인트를 제공하는 것이 이상적임
  • Skills 사용 시점: 순수 지식 전달과 맥락 제공에 집중해야 함
    • 이미 설치된 도구(curl, git, gh, gcloud)의 사용법을 가르치는 용도
    • 조직 내 용어·업무 흐름·문체 표준화
    • PDF 처리나 비밀 관리(fnox 사용법 등)와 같은 절차적 지식 공유
  • Skills는 지식 계층, MCP는 연결 계층으로 구분되어야 함

커넥터와 매뉴얼

  • Skills와 MCP의 역할을 명확히 구분하기 위해, Skills는 LLM 매뉴얼(LLM_MANUAL.md), MCP는 커넥터(Connector) 로 불러야 한다는 제안
  • 실제 운영 중인 예시
    • mcp-server-devonthink: LLM이 DEVONthink를 직접 제어할 수 있는 로컬 MCP 서버
    • microfn: mcp.microfn.dev에서 원격 MCP 제공
    • Kikuyo: mcp.kikuyo.dev에서 원격 MCP 제공
    • MCP Nest: 로컬 MCP 서버를 클라우드로 터널링해 원격 접근 가능하게 하는 서비스 (mcp.mcpnest.dev/mcp)
  • 일부 프로젝트에서는 CLI용 Skill도 함께 제공하지만, MCP 사용법을 설명하는 Skill이 더 유용함
    • Skill은 MCP의 기능·도구 관계·사용 시점 등을 설명하는 지식 레이어로 작동
    • MCP는 실제 연결과 실행을 담당
  • 이 조합을 통해 LLM이 반복적인 시행착오 없이 효율적으로 MCP를 활용할 수 있음

MCP와 Skill의 병행 활용

  • MCP 사용 중 발견한 날짜 형식 오류나 검색 제한 등 비직관적 패턴을 Skill로 정리해 재사용
  • 이렇게 생성된 Skill은 MCP의 치트시트 역할을 하며, LLM이 불필요한 토큰 낭비 없이 정확히 동작하도록 지원
  • .claude/skills 폴더를 통해 프로젝트별 AI 행동 지침을 유지하고, 자주 쓰는 절차를 dotfiles 형태로 관리
  • AI 통합의 미래는 표준화된 인터페이스(MCP) 에 달려 있으며, CLI 기반의 파편화된 접근은 지양해야 함
  • Skyscanner·Booking.com·Trip.com·Agoda.com 등 주요 서비스의 공식 MCP 제공이 기대됨

MCP Nest 소개

  • MCP Nest는 로컬 전용 MCP 서버(Fastmail, Gmail 등)를 클라우드 터널링을 통해 원격 접근 가능하게 하는 서비스
  • Claude·ChatGPT·Perplexity 등 MCP 지원 클라이언트에서 동일하게 사용 가능
  • 로컬 머신을 직접 노출하지 않고도 모든 기기에서 동일한 MCP 환경을 유지할 수 있음
Read Entire Article