MCP 서버로 GPT-4o 연동하기: 간단한 AI 도구 구축 가이드

 

🚀 개요

MCP(Model Context Protocol)는 AI 모델과 다양한 도구들을 연결하는 표준화된 프로토콜입니다. 이번 포스트에서는 MCP 서버를 구축하여 GPT-4o와 연동하는 방법을 알아보겠습니다.

🛠️ 구현 아키텍처

우리가 구축할 시스템은 다음과 같은 구조를 가집니다:

클라이언트 ←→ MCP 서버 ←→ GPT-4o (OpenAI API)

📝 코드 구현

1. MCP 서버 구축 (mcp_server.py)

from mcp.server.fastmcp import FastMCP, Context
from langchain_openai import ChatOpenAI
import os

# OpenAI API 키 설정
os.environ["OPENAI_API_KEY"] = "sk-your-api-key-here"

# MCP 서버 초기화
mcp = FastMCP("GPT-4o MCP")

# GPT-4o 질문 도구 정의
@mcp.tool()
async def ask_gpt(ctx: Context, question: str) -> str:
    llm = ChatOpenAI(model="gpt-4o", temperature=0.3)
    return llm.invoke(question)

# 서버 실행
if __name__ == "__main__":
    mcp.run(transport="stdio")

2. 클라이언트 구현 (client.py)

import asyncio
from mcp_server import ask_gpt

async def client():
    question = "mcp와 agent의 관계는?"
    result = await ask_gpt(None, question)
    print("답변:", result)

asyncio.run(client())

 

결과

 

 

 

 

🔍 코드 분석

MCP 서버의 핵심 구성요소

1. FastMCP: MCP 프로토콜을 구현하는 서버 클래스
2. @mcp.tool(): 데코레이터를 통해 함수를 MCP 도구로 등록
3. stdio 통신: 표준 입출력을 통한 프로세스 간 통신

주요 특징

• 비동기 처리: async/await를 사용한 효율적인 비동기 작업 처리
• LangChain 통합: OpenAI API를 LangChain 인터페이스로 래핑
• 모듈화: 서버와 클라이언트를 분리한 깔끔한 구조

💡 활용 방안

이 기본 구조를 확장하여 다양한 AI 도구를 구축할 수 있습니다:

• 다중 모델 지원: GPT-4o 외에 Claude, Gemini 등 추가
• 컨텍스트 관리: 대화 히스토리 유지 및 관리
• 도구 체인: 여러 AI 도구를 순차적으로 연결
• 웹 인터페이스: REST API나 WebSocket으로 확장

🎯 결론

MCP를 통해 AI 모델을 도구화하면 재사용 가능하고 확장성 있는 AI 시스템을 구축할 수 있습니다. 특히 에이전트 시스템에서 MCP는 다양한 AI 도구들을 표준화된 방식으로 통합할 수 있는 강력한 프레임워크를 제공합니다.

 

 

 

 

 

#MCP #GPT4o #LangChain #AI도구 #파이썬 #비동기프로그래밍 #OpenAI #AI에이전트 #ModelContextProtocol #FastMCP #기술블로그 #AI개발