Model Context Protocol(MCP)은 에이전트가 GitHub, 데이터베이스, 파일 시스템, 브라우저 같은 도구에 접근하는 표준 방법을 제공합니다. 많은 MCP 튜토리얼이 Claude나 GPT를 전제로 하지만, 둘 다 필요하지 않습니다. 이 글에서는 도구 호출을 지원하는 OpenAI 호환 모델이라면 어떤 것이든 MCP와 함께 동작하는 이유, 개발자들이 실제로 쓰는 클라이언트에서 설정하는 방법, 그리고 직접 작성한 코드에서 MCP를 오픈 모델에 연결하는 방법을 설명합니다.
MCP는 왜 어떤 모델과도 동작하나요?
MCP는 애플리케이션과 모델 사이가 아니라 애플리케이션과 도구 서버 사이에 있습니다. MCP 아키텍처 문서는 세 가지 역할을 설명합니다.
- 호스트: 에디터 확장 프로그램이나 직접 작성한 스크립트 같은 AI 애플리케이션.
- 클라이언트: 호스트가 각 MCP 서버와 유지하는 연결 하나.
- 서버: 도구, 리소스, 프롬프트를 노출하는 프로그램. 로컬에서는 stdio로, 원격에서는 Streamable HTTP로 동작합니다.
문서는 분명하게 말합니다. MCP는 “does not dictate how AI applications use LLMs or manage the provided context.”(번역: AI 애플리케이션이 LLM을 쓰거나 제공된 컨텍스트를 관리하는 방식을 규정하지 않습니다.) 호스트는 tools/list로 각 서버의 도구 목록을 가져와 모델이 볼 수 있는 하나의 레지스트리로 합치고, 모델이 도구를 요청하면 해당 서버에 tools/call을 보냅니다.
OpenAI 호환 API에서 “모델이 볼 수 있다”는 것은 도구가 일반 tools 배열에 들어간다는 뜻입니다. MCP 도구에는 이미 이름, 설명, inputSchema가 있어 함수 정의와 일대일로 대응됩니다. 모델은 MCP가 관여한다는 사실을 전혀 모릅니다. 필요한 것은 안정적인 도구 호출뿐입니다.
MCP에는 어떤 모델을 써야 하나요?
| BroadNet의 모델 | 도구 호출 표시 | 컨텍스트 | MCP 적합성 |
|---|---|---|---|
| GLM 5.3 | 예 | 1,048,576 | 서버가 많을 때 좋은 기본값 |
| Qwen3.8 27B | 예 | 262,144 | 좋음, 이미지 입력도 지원 |
| DeepSeek V4.1 Flash | 표시되지 않음 | 1,048,576 | 먼저 테스트, 이미지 입력 |
| Gemma 4 VL 26B | 표시되지 않음 | 32,768 | 권장하지 않음 |
도구를 지원하는 두 모델을 나란히 비교하려면 GLM 5.3 vs Qwen3.8 27B를 참고하세요. 컨텍스트는 생각보다 중요합니다. 모든 MCP 도구 스키마가 매 호출에 실립니다. opencode 문서는 “MCP tools consume model context, so add only the servers you need.”(번역: MCP 도구는 모델 컨텍스트를 소비하므로 필요한 서버만 추가하세요.)라고 말합니다. 에이전트 토큰 예산 글에서 측정 방법을 볼 수 있습니다.
자주 쓰는 클라이언트에서 MCP는 어떻게 설정하나요?
| 클라이언트 | MCP 서버 설정 위치 | 전송 방식 | 비고 |
|---|---|---|---|
| Cline | MCP Servers 패널, mcpServers JSON |
stdio, Streamable HTTP, 레거시 SSE | 원격 타입은 "streamableHttp" |
| Continue | config.yaml의 mcpServers 또는 .continue/mcpServers/ |
stdio, sse, streamable-http | Agent 모드에서만 |
| opencode | opencode.jsonc의 mcp.servers |
local, remote |
비밀 값에는 {env:NAME} 사용 |
| n8n | AI Agent에 연결한 MCP Client Tool 노드 | 원격 서버 엔드포인트(문서에서는 SSE 엔드포인트로 설명) | All, Selected, All Except 중에서 도구 선택 |
| OpenAI Agents SDK | Agent의 mcp_servers=[...] |
stdio, Streamable HTTP, SSE | HostedMCPTool은 사용 불가 |
그다음 클라이언트의 모델을 제공업체로 지정하세요. Cline, Continue, opencode 가이드에서 BroadNet용 모델 설정을 다룹니다. Continue에서는 tool_use 기능을 잊지 마세요. 그렇지 않으면 Agent 모드를 쓸 수 없습니다.
Continue 문서에 나오는 예시입니다.
mcpServers:
- name: SQLite MCP
type: stdio
command: npx
args: ["-y", "mcp-sqlite", "/path/to/your/database.db"]
Python에서 MCP를 오픈 모델에 어떻게 연결하나요?
에이전트를 직접 만든다면 연결 코드는 짧습니다. 아래 코드는 MCP Python SDK의 Client(2.0 이상, pip install "mcp>=2")를 사용합니다. 이 클래스는 StdioServerParameters를 받으면 stdio 서버를 실행합니다. 여기에 BroadNet을 가리키는 OpenAI SDK를 함께 씁니다.
import asyncio, json, os
from mcp import Client, StdioServerParameters
from mcp.types import TextContent
from openai import OpenAI
llm = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
server = StdioServerParameters(command="npx",
args=["-y", "@modelcontextprotocol/server-filesystem", "."])
async def main(question):
async with Client(server) as mcp:
listed = await mcp.list_tools()
tools = [{"type": "function", "function": {
"name": t.name, "description": t.description or "",
"parameters": t.input_schema}} for t in listed.tools]
messages = [{"role": "user", "content": question}]
for _ in range(8):
r = llm.chat.completions.create(model="broadnet/glm-5.3",
messages=messages, tools=tools, max_tokens=4000)
msg = r.choices[0].message
messages.append(msg.model_dump(exclude_none=True))
if not msg.tool_calls:
return msg.content
for call in msg.tool_calls:
try:
res = await mcp.call_tool(call.function.name,
json.loads(call.function.arguments or "{}"))
text = "\n".join(b.text for b in res.content if isinstance(b, TextContent))
out = f"Error: {text}" if res.is_error else text
except Exception as e:
out = f"Error: {e}"
messages.append({"role": "tool", "tool_call_id": call.id, "content": out})
print(asyncio.run(main("List the Markdown files here and summarize the README.")))
mcp 1.x에는 Client 클래스가 없습니다. stdio_client(...)로 서버를 열고, ClientSession으로 감싼 뒤 initialize()를 호출하고, 카멜 표기 필드인 inputSchema와 isError를 읽으세요. 중요한 세부 사항은 세 가지입니다.
- 오류는 도구 결과가 됩니다. MCP SDK는 도구 실패를 예외로 발생시키지 않고
is_error로 보고합니다. 이를 그대로 돌려보내면 모델이 조정할 수 있습니다. 검증과 재시도는 도구 호출 가이드에서 다룹니다. - 루프에 상한을 두세요. 여기서는 8단계입니다. 큰 결과를 반환하는 MCP 서버는 컨텍스트를 빠르게 채웁니다.
- 도구를 필터링하세요. 작업에 필요한 도구만 노출하세요. OpenAI Agents SDK는 이를 위해
tool_filter를 제공하고, n8n에는 Selected와 All Except가 있습니다.
OpenAI Agents SDK를 쓰나요? MCPServerStdio와 MCPServerStreamableHttp 클래스는 여러분의 프로세스 안에서 실행됩니다. Agents SDK 가이드처럼 사용자 지정 제공자와 함께 쓰세요. HostedMCPTool은 OpenAI Responses API 안에서 실행되며 OpenAI 모델에서만 동작합니다.
오픈 모델에서 MCP를 쓸 때 무엇이 잘못되나요?
- 도구가 너무 많음. 모델이 엉뚱한 도구를 고르거나 도구를 무시합니다. 활성 도구 집합을 작게 유지하세요. 직접 만든 도구라면 JSON 스키마 생성기로 깔끔하고 평평한
parameters스키마를 만들 수 있습니다. - 큰 도구 결과. 데이터베이스 테이블 전체를 반환하는 서버는 컨텍스트 윈도우를 쉽게 넘길 수 있습니다. 크기를 제한하거나 페이지로 나누세요.
- 비거나 잘린 응답. GLM 5.3과 Qwen3.8 27B는 먼저 추론하며, 추론은
max_tokens에 포함됩니다. 한도를 늘리세요. - 신뢰. MCP 서버는 여러분의 컴퓨터에서 코드를 실행하거나 여러분의 자격 증명으로 서비스를 호출합니다. 신뢰할 수 있는 서버만 설치하고, 쓰기나 지출이 발생하는 작업은 확인을 거치게 하세요.
BroadNet Inference는 어디에 적합한가요?
BroadNet Inference는 모델 쪽을 담당합니다. 도구 호출이 표시된 GLM 5.3과 Qwen3.8 27B를, 위의 모든 MCP 클라이언트가 쓸 수 있는 표준 채팅 완성 형식으로 제공하며, 프롬프트와 출력은 보관하지 않습니다(데이터 비보관). MCP 서버나 호스팅형 도구를 대신 실행해 주지는 않으며, 그 일은 클라이언트가 합니다. 두 모델의 토큰당 가격은 가격 페이지에, 키는 inference.broadnet.ai에 있습니다.
