MCP 서버 1만 개 중에 결국 남은 건 3개였다

MCP 서버가 1만 개를 넘겼다. 월간 SDK 다운로드가 9700만 건이라는 수치를 보고 처음엔 나도 뭔가 다 써봐야 할 것 같은 기분이 들었다. 근데 몇 달 지나고 보니 실제로 매일 켜두는 서버는 3개뿐이었다.

MCP 서버 생태계가 예상보다 빨리 컸다

Model Context Protocol, MCP는 2024년 Anthropic이 공개한 개방형 표준이다. AI 모델이 파일 시스템이나 API, 데이터베이스 같은 외부 도구에 일관된 방식으로 접근할 수 있게 해주는 프로토콜이다. 발표 당시에는 "또 새로운 표준이 나왔네" 정도로 봤는데, 2026년 4월 현재 공개 서버만 1만 개를 넘겼다. GitHub, Slack, PostgreSQL, Playwright 같은 익숙한 도구는 물론이고 심지어 카카오맵 연동 MCP까지 나올 정도다.

토스, 배달의민족 같은 국내 대형 서비스들도 사내 MCP 서버를 직접 만들어서 공개하기 시작했다. API 스펙을 개발자들이 AI에게 바로 설명해줄 수 있는 구조를 갖추려는 거다. 방향 자체는 맞는 것 같다고 느꼈다. 근데 막상 내가 써보니까 이야기가 좀 달랐다.

처음엔 열심히 설치했다

추천 목록이라고 이름 붙은 아티클들을 몇 개 봤더니 "이건 필수", "저건 게임 체인저" 같은 표현이 가득했다. filesystem, GitHub, PostgreSQL, Brave Search, Playwright, Sequential Thinking, Linear, Slack… 하나씩 따라 설치하다 보니 어느새 설정 파일에 서버가 11개가 됐다.

설치가 생각보다 안 쉽다

npm 기반 서버는 그나마 낫다. 문제는 stdio로 띄우는 방식과 SSE(Server-Sent Events) 방식이 혼재돼 있다는 점이었다. Claude Desktop 설정 파일에 각 서버의 커맨드와 인자를 직접 적어줘야 하는데, 환경 변수 처리 방식이 서버마다 조금씩 달랐다. 어떤 서버는 토큰을 env에 넣어야 하고, 어떤 서버는 args 배열에 직접 넣어야 하고. 세 번에 한 번은 설정 후 연결이 안 돼서 디버깅을 했다.

이전에 AI 코딩 도구 실제 사용 현황, JetBrains 설문에서 읽히는 것들에서도 비슷한 이야기가 나왔는데, 도구의 실제 사용 비율과 설치 비율이 큰 차이를 보이는 이유가 이런 초기 설정 비용 때문이기도 하다.

쓰다 보니 하나씩 꺼지기 시작했다

11개 서버를 다 띄운 상태로 Claude Desktop을 쓰다 보니 이상한 일이 생겼다. 간단한 질문을 해도 AI가 쓸 도구를 고르느라 잠깐 멈추는 느낌이 들었고, 가끔 엉뚱한 MCP 서버를 호출하려는 것처럼 보이는 상황도 있었다. Linear를 연결해뒀는데 그게 뭔지 AI가 잘 모르는 것 같달까.

도구 설명이 AI 성능을 결정한다

알고 보니 각 MCP 서버에 등록된 도구(tool) 설명의 품질이 서버마다 천차만별이었다. 잘 만든 서버는 "이 도구는 파일 시스템에서 특정 경로의 파일을 읽는다, 이럴 때 써라" 같은 명확한 설명이 붙어 있다. 근데 급하게 만들어진 서버들은 설명이 두루뭉술하거나 아예 없는 경우도 있었다. 도구 설명이 부실하면 LLM이 어떤 상황에서 그 도구를 써야 할지 판단을 못 한다. 결국 도구가 아무리 많아도 제대로 쓰이지 않는다.

그 뒤로 서버를 하나씩 꺼보면서 실제로 뭔가 달라지는지 확인했다. 대부분의 경우 별 차이가 없었다. Linear 서버를 꺼도 작업 흐름이 크게 안 바뀌었고, PostgreSQL도 내가 직접 DB 쿼리를 시키는 경우가 거의 없었다. 한 달 지나니까 자연스럽게 3개만 켜두게 됐다.

결국 정착한 조합 3개

내가 매일 쓰는 MCP 서버는 이렇다.

• filesystem: 현재 작업 중인 프로젝트 디렉토리를 읽고 쓰는 용도. 대부분의 Claude Desktop 코딩 작업에서 이게 없으면 기본이 안 된다. 허용 경로를 좁혀두는 게 보안상 낫고, 실제로 좁혀두면 AI가 더 집중하는 느낌도 난다.
• sequential-thinking: 복잡한 문제를 단계별로 분해해서 생각하는 프레임을 AI에게 제공한다. 단순 코드 작성보다 설계나 분석이 필요한 상황에서 차이가 느껴진다. 이건 설치만 해두면 AI가 필요할 때 알아서 쓴다.
• brave-search 혹은 웹 검색 서버: 최신 정보가 필요한 질문에서 답변 품질이 올라간다. 특히 라이브러리 버전이나 최근 업데이트 내용 물어볼 때 유용하다.

조합 기준은 내가 뭘 자주 하냐에 따라 달라진다

DB를 많이 만지는 사람이라면 PostgreSQL MCP가 필수일 수 있고, GitHub PR 리뷰를 AI와 자주 한다면 GitHub MCP가 핵심 조합이 된다. 나는 주로 프로토타입 코딩이랑 스크립트 자동화를 하는 편이라 위 3개로 대부분 커버가 됐다. 처음부터 모든 서버를 설치하기보다 일주일 써보고 실제로 쓰인 도구만 남기는 방식이 더 낫더라.

Google Antigravity 사용기, 에이전트 개발 흐름이 왜 달라졌나에서도 언급했지만, 에이전트 도구의 실제 효율은 도구의 수보다 얼마나 정확히 쓰이느냐에서 나온다. MCP도 마찬가지였다.

그래도 계속 쓸 것 같다, 근데 기대는 낮춘다

솔직히 단점도 있다. 서버 하나 추가할 때마다 Claude Desktop 설정 파일을 직접 수정해야 한다는 점은 아직도 번거롭다. GUI 설정 화면이 없어서 JSON 형식 오류 한 번에 전체 MCP가 안 뜨는 경우도 겪었다. 서버 품질 편차가 크다 보니 추천 목록을 그대로 믿으면 실망하기 쉽다.

그럼에도 불구하고 계속 쓰는 이유는, 나한테 맞는 조합을 한 번 찾고 나면 그 이후가 꽤 편하기 때문이다. 파일 읽기, 웹 검색, 단계적 추론이라는 세 개를 붙여두면 코딩 세션에서 Claude가 확실히 더 쓸 만해진다. 1만 개 서버가 다 필요한 건 아니지만, 3개는 충분히 가치가 있다.

---

📎 참고 자료

• MCP Ecosystem in 2026: From Experiment to 97 Million Installs
• API 연동 자동화 여정: 토스는 왜 사내 MCP 서버를 개발하였는가 — 토스 테크
• Essential MCP Plugin Recommendations: Sequential Thinking, Brave Search

---

📌 함께 보면 좋은 글

• 바이브 코딩 툴 비교: Cursor vs Bolt.new vs Lovable, 셋 다 써봤다
• AI 세계 모델 기술, 로봇과 자율주행이 달라지는 이유
• Karpathy LLM Wiki 패턴 실제 적용기, AI 에이전트 3계층 메모리 구축했다