MCP를 활용한 챗봇 구축기 - MCP 서버 편 (6/6)

 

 

이번 글에서는 MCP 툴 없이 직접 모델과 통신한 구현과 MCP 툴 기반 구조를 나란히 비교해보려 합니다.

두 방식 모두 질문 → SQL 생성 → 실행 → 요약이라는 흐름은 같지만, 구현 철학과 역할 분담 구조가 완전히 다릅니다.

---

1. 직접 모델 호출 방식 (비-MCP 방식)

먼저, 모델을 직접 호출해 SQL을 만들고, 그 결과를 요약하는 전통적인 접근입니다.

const result = await model.generateContent(prompt);
const text = (await result.response.text()).trim();

그리고 결과 rows를 직접 넣어서 요약 프롬프트를 또 호출하죠.

const prompt = `
  질문: ${question}
  결과: ${JSON.stringify(rows)}
  → 요약해줘
`;
const summary = (await model.generateContent(prompt)).response.text();

이 구조의 특징은:

• 모델에게 질문과 함께 컨텍스트를 주입
• 직접적인 요청 흐름
• 개발자가 모든 흐름을 설계함

---

2. MCP 툴 기반 구조

이번엔 MCP 툴 기반 구조입니다. 모델에게 툴 목록을 미리 등록해두고, 질문이 오면 모델이 스스로 "어떤 툴을 어떤 순서로 호출할지" 결정하도록 합니다.

MCP 방식에서는 이런 3개의 툴이 등록되어 있습니다:

🔧 1) generate-sql

server.tool(
  'generate-sql',
  { properties: { question, tables } },
  async (args) => {
    const prompt = `질문: ${args.question}
테이블: ${args.tables.join(', ')}`;
    const result = await model.generateContent(prompt);
    return result.response.text();
  }
);

🔧 2) execute-sql

server.tool(
  'execute-sql',
  { properties: { sql: { type: 'string' } } },
  async (args) => {
    const result = await pool.query(args.sql);
    return JSON.stringify(result.rows);
  }
);

🔧 3) summarize-sql-result

server.tool(
  'summarize-sql-result',
  { properties: { sql, rows } },
  async (args) => {
    const prompt = `질문 결과 요약:
SQL: ${args.sql}
데이터: ${JSON.stringify(args.rows)}`;
    const result = await model.generateContent(prompt);
    return result.response.text();
  }
);

각 툴은 독립적으로 실행되며, 모델이 "연결 순서"를 판단하여 generate → execute → summarize 흐름을 조립합니다.

---

💡 동일한 기능을 직접 호출 방식으로 구현하면?

MCP 없이 구현한 코드에서는 아래처럼 3개의 함수를 직접 호출합니다:

📦 1) SQL 생성

async function generateSQL(question, tables) {
  const prompt = `질문: ${question}
테이블: ${tables.join(', ')}`;
  const result = await model.generateContent(prompt);
  return result.response.text();
}

📦 2) SQL 실행

const rows = await pool.query(sql);

📦 3) 결과 요약

async function generateSummary(question, rows) {
  const prompt = `질문: ${question}
데이터: ${JSON.stringify(rows)}`;
  const result = await model.generateContent(prompt);
  return result.response.text();
}

결론적으로 MCP 방식은 동일한 함수 단위를 툴로 감싸서 등록해두고, 모델이 필요한 순서로 호출하게 만든 구조입니다.

예: 등록된 MCP 툴 목록

• generate-sql: 자연어 → SQL
• execute-sql: SQL 실행
• summarize-sql-result: 결과 요약

const parsedSteps = JSON.parse(await model.generateContent(prompt));
for (const step of parsedSteps) {
  const toolResult = await server.callTool(step.tool, step.args);
}

 

이 구조는:

• 툴을 기반으로 설계됨
• 모델이 실행 순서를 조립함
• 서버는 단순히 툴 실행자 역할

---

구조적 비교

항목	직접 모델 호출 방식	MCP 툴 기반 구조
흐름 설계	개발자가 모두 설계	모델이 조립
확장성	프롬프트마다 추가 구현 필요	툴만 추가하면 됨
복잡도	처음은 단순하나 점점 커짐	초반 설계가 필요하지만 구조는 깔끔
모델 의존도	단발성 호출 중심	연속된 흐름도 모델이 주도

---

실제로 구현해보니

기능적인 결과는 거의 같습니다. 질문하면 SQL 생성되고, 실행되고, 요약도 됩니다. 사용자 입장에서는 두 방식 차이를 못 느낄 정도죠.

하지만 서버 입장에서 느껴지는 구조적 차이는 꽤 큽니다.

• 비-MCP는 일회성 처리가 편하고 빠름
• MCP는 구조를 한번 만들면 계속 재사용, 확장이 쉬움

또한 툴 단위로 분리해두면, 각 도구의 로깅, 테스트, 교체가 훨씬 유리해집니다.

---

마치며

두 가지 구조를 비교해보며 느낀 점은:

“작고 단순한 프로젝트는 직접 호출이 빠르지만, 복잡해질수록 MCP 기반이 구조적으로 더 낫다.”

 

 

긴 글 읽어 주셔서 감사합니다.

 

그리고 지금까지 소스 공개합니다.

REST API 기준

https://github.com/pm2makeq/chatbot_restapi

GitHub - pm2makeq/chatbot_restapi: restapi chatbot

 

MCP 기준

https://github.com/pm2makeq/mcp-project

GitHub - pm2makeq/mcp-project

 

전체글

MCP를 활용한 챗봇 구축기 - 장대한 서막 (1/6)

MCP를 활용한 챗봇 구축기 - RestAPI를 적용 (2/6)

MCP를 활용한 챗봇 구축기 - MCP 툴 기반으로 확장해보기 개요 (3/6)

MCP를 활용한 챗봇 구축기 - 클라이언트 편 (4/6)

MCP를 활용한 챗봇 구축기 - REST API 서버 편 (5/6)

MCP를 활용한 챗봇 구축기 - MCP 서버 편 (6/6)