ChatGPT와 Python으로 구축한 MCP(Model Context Protocol) 서버를 연동하여 외부 도구나 데이터를 활용하는 방법을 안내해 드리겠습니다. MCP는 AI 모델과 다양한 도구 및 데이터 소스를 효과적으로 연결하는 프로토콜로, ChatGPT의 기능을 확장하는 강력한 방법입니다.

MCP 서버 구축하기

먼저 Python을 사용하여 MCP 서버를 구축하는 방법부터 시작하겠습니다.

MCP SDK 설치

MCP 서버를 구축하기 위해서는 먼저 필요한 라이브러리를 설치해야 합니다.

pip install "mcp[cli]"

서버 예제 코드

다음은 기본적인 MCP 서버 구현 예제입니다.

# server.py
from mcp.server.fastmcp import FastMCP

mcp = FastMCP("Demo Server")

@mcp.tool()
def add(a: int, b: int) -> int:
    """두 수를 더합니다."""
    return a + b

@mcp.resource("greeting://{name}")
def get_greeting(name: str) -> str:
    """개인화된 인사말을 반환합니다."""
    return f"안녕하세요, {name}님!"

if __name__ == "__main__":
    mcp.run()

이 코드는 다음과 같은 기능을 제공합니다:

  • add: 두 수를 더하는 도구
  • greeting: 개인화된 인사말을 반환하는 리소스

ChatGPT에서 MCP 서버 사용하기

ChatGPT에서 MCP 서버를 사용하려면 MCP 클라이언트를 구현하여 서버에 요청을 보내야 합니다.

MCP 클라이언트 구현

import requests
import uuid
from datetime import datetime

class MCPClient:
    def __init__(self, server_url):
        self.server_url = server_url
        self.session_id = f"sess_{uuid.uuid4()}"

    def execute_operation(self, tool_name, operation, parameters):
        request = {
            "message_id": f"req_{uuid.uuid4()}",
            "timestamp": datetime.utcnow().isoformat() + "Z",
            "source": "model",
            "destination": "tool",
            "message_type": "request",
            "content": {
                "tool_name": tool_name,
                "operation": operation,
                "parameters": parameters
            },
            "metadata": {
                "session_id": self.session_id
            }
        }
        response = requests.post(self.server_url, json=request)
        return response.json()

이 클라이언트는 MCP 서버에 구조화된 요청을 보내고 응답을 처리하는 역할을 합니다.

ChatGPT와 MCP 서버 통합 과정

ChatGPT에서 MCP 서버를 활용하는 전체적인 절차는 다음과 같습니다:

통합 워크플로우

  1. MCP 서버 실행: 앞서 구축한 MCP 서버를 실행합니다.

  2. 클라이언트 구현: MCP 클라이언트를 구현하여 ChatGPT와 MCP 서버 간의 통신을 담당합니다.

  3. 요청 처리: ChatGPT에서 특정 작업이 필요할 때, MCP 클라이언트를 통해 MCP 서버에 요청을 보내고 응답을 받습니다.

실제 사용 예시

MCP 서버가 실행되면 다음과 같이 사용할 수 있습니다:

# 클라이언트 인스턴스 생성
client = MCPClient("http://localhost:8000")

# 도구 실행
result = client.execute_operation(
    tool_name="add",
    operation="execute",
    parameters={"a": 5, "b": 3}
)

print(result)  # 결과: 8

보안 고려사항

MCP 서버를 운영할 때는 다음과 같은 보안 요소를 반드시 고려해야 합니다:

입력 검증

사용자 입력을 철저히 검증하여 악의적인 요청을 방지합니다.

def validate_input(data):
    """입력 데이터 검증"""
    if not isinstance(data, dict):
        raise ValueError("Invalid input format")
    
    # 필수 필드 확인
    required_fields = ["tool_name", "operation", "parameters"]
    for field in required_fields:
        if field not in data:
            raise ValueError(f"Missing required field: {field}")
    
    return True

도구 권한 관리

각 도구에 대한 접근 권한을 명확히 정의하여 무단 사용을 방지합니다.

class AuthorizedMCP(FastMCP):
    def __init__(self, name, allowed_tools=None):
        super().__init__(name)
        self.allowed_tools = allowed_tools or []
    
    def check_permission(self, tool_name, user_id):
        """도구 사용 권한 확인"""
        if tool_name not in self.allowed_tools:
            raise PermissionError(f"Access denied for tool: {tool_name}")
        return True

세션 관리

세션 정보를 안전하게 관리하여 세션 하이재킹을 방지합니다.

import hashlib
import time

class SecureSession:
    def __init__(self):
        self.sessions = {}
        
    def create_session(self, user_id):
        session_token = hashlib.sha256(
            f"{user_id}{time.time()}".encode()
        ).hexdigest()
        
        self.sessions[session_token] = {
            "user_id": user_id,
            "created_at": time.time(),
            "last_activity": time.time()
        }
        
        return session_token
    
    def validate_session(self, session_token):
        if session_token not in self.sessions:
            return False
            
        session = self.sessions[session_token]
        # 세션 만료 확인 (예: 1시간)
        if time.time() - session["last_activity"] > 3600:
            del self.sessions[session_token]
            return False
            
        # 활동 시간 업데이트
        session["last_activity"] = time.time()
        return True

ChatGPT 커넥터를 통한 간편한 MCP 연결

이제는 ChatGPT에서 별도의 클라이언트 구현 없이도 커넥터 설정을 통해 MCP 서버에 직접 연결할 수 있습니다. 이 기능을 사용하면 앞서 설명한 복잡한 클라이언트 코드를 작성할 필요 없이 간편하게 MCP 서버를 활용할 수 있습니다.

ChatGPT MCP 커넥터 설정

커넥터 설정 방법

ChatGPT의 설정에서 다음과 같이 MCP 커넥터를 구성할 수 있습니다:

  1. 커넥터 생성: ChatGPT 설정에서 “신규 커넥터” 추가
  2. 서버 정보 입력:
    • 이름: MCP 서버의 식별 이름
    • 설명: 서버가 제공하는 기능에 대한 간단한 설명
    • MCP 서버 URL: 앞서 구축한 MCP 서버의 엔드포인트
  3. 인증 설정: OAuth 또는 기타 인증 방식 선택
  4. 연결 테스트: 설정이 완료되면 연결 상태 확인

커넥터의 장점

  • 간편성: 별도의 클라이언트 코드 작성 불필요
  • 안정성: ChatGPT에서 제공하는 표준화된 연결 방식
  • 관리 편의성: 설정 UI를 통한 직관적인 관리
  • 보안: OpenAI의 검증된 보안 프로토콜 적용

이 방식을 사용하면 개발자는 MCP 서버 구축에만 집중할 수 있으며, 클라이언트 측 복잡성을 크게 줄일 수 있습니다.

마무리

MCP(Model Context Protocol)를 활용하면 ChatGPT의 기능을 크게 확장할 수 있습니다. Python으로 구축한 MCP 서버를 통해 다양한 외부 도구와 데이터를 연동하여 더욱 강력한 AI 솔루션을 만들 수 있습니다.

특히 ChatGPT의 커넥터 기능을 활용하면 별도의 클라이언트 구현 없이도 간편하게 MCP 서버에 연결할 수 있어, 개발 과정이 훨씬 단순해집니다.

보안 요소를 철저히 고려하여 안전한 시스템을 구축하고, 사용자의 요구사항에 맞는 맞춤형 도구를 개발해 보시기 바랍니다.

참고