하이퍼스케일러 업체들이 발빠르게 AI 에이전트와 모델 컨텍스트 프로토콜을 지원하고 나섰다. 주요 클라우드 업체가 제공하는 공식 MCP 서버를 사용하면 클라우드 운영을 자동화할 수 있다.

앤트로픽의 모델 컨텍스트 프로토콜(MCP)은 “AI를 위한 USB-C”로 불리며, 소프트웨어 업계 전체적으로 AI 어시스턴트에 대한 사고의 범위를 넓히는 데 있어 큰 역할을 했다. 이제 에이전트는 외부 데이터와 API는 물론 내부 플랫폼과 데이터베이스에 대한 액세스를 통해 강력한 자동화를 수행하기 위한 역량을 갖추고 있다.

MCP는 더 이상 트렌디한 AI 신생업체나 틈새 서비스형 소프트웨어 업체의 전유물이 아니다. 주요 클라우드 기업도 고객사가 핵심 클라우드 컴퓨팅 운영을 자동화하도록 돕기 위해 각자의 서비스에 MCP 서버를 속속 추가하면서 실험을 진행하고 있다. 이런 MCP 서버는 AI 소비를 위한 프로토콜로서 기존 CLI 및 API와 공존하며 이를 보완한다.

엔지니어는 자신이 선택한 클라우드에 연결된 MCP 서버를 사용해 AI 코딩 에이전트에 클라우드 문서, 그리고 호스트 클라우드와 관련된 고도의 컨텍스트 정보를 제공함으로써 응답의 품질을 개선할 수 있다. 지식 수집이 전부가 아니다. 클라우드 컴퓨팅의 MCP는 새 서버를 가동하고 구성을 조정하거나 운영 메타데이터를 즉시 불러오는 용도로도 사용할 수 있다.

가장 좋은 점은 MCP를 준수하는 모든 AI 클라이언트는 자연어 명령만으로 이런 서버와 상호작용이 가능하다는 것이다. 커서, 윈드서프, 비주얼 스튜디오 코드와 같은 인기 있는 AI 기반 개발 환경과 클로드, 코덱스, 깃허브 코파일럿과 같은 LLM 기반 AI 에이전트는 모두 기본적으로 MCP를 지원한다.

주요 클라우드 제공업체의 MCP 서버를 살펴보자. 공식적으로 지원되는 원격 MCP 서버는 이미 있는 클라우드 자격 증명을 사용해 AI 클라이언트에서 인증된 API 호출을 가능하게 해준다. 비용도 무료이므로 표준 클라우드 서비스와 데이터 전송 비용만 고려하면 된다.

AWS MCP 서버

아마존 웹 서비스(AWS)는 광범위한 AWS 제품 카탈로그에 걸쳐 60개 이상의 공식 MCP 서버 제품군을 제공한다. AWS MCP 서버는 문서 액세스를 제공하는 서버부터 인프라와 배포, 컨테이너, 람다 함수, AI/ML 프레임워크, 데이터 및 분석, 메시징, 비용 분석 전용 서버에 이르기까지 폭넓은 분야를 망라한다.

처음 시작하는 경우 범용 AWS MCP 서버가 가장 적합하다. AWS가 호스팅하는 원격 서버로, 최신 문서, API 레퍼런스, 다단계 워크플로우를 실행하기 위한 표준 운영 절차(SOP)에 에이전트를 연결한다. 이런 SOP는 인프라를 구성, 프로비저닝하고 클라우드 비용을 모니터링하고 분석할 수 있다.

실제 MCP 사용례로, 여러 AWS 서비스에 영향을 미친 오류를 해결하는 상황을 예로 들어 보자. 사용자는 AWS MCP 서버 프롬프트로 “지난 30분 사이 프로덕션에서 증가한 5xx 오류를 조사해”와 같은 명령을 입력할 수 있다. 적절한 컨텍스트와 권한을 갖춘 AWS MCP 서버는 여러 서비스에 걸쳐 관련 지표와 로그, 구성 데이터에 액세스해서 가능성이 높은 오류의 근본 원인을 찾아준다.

AWS의 MCP 접근 방식이 갖는 가장 큰 장점은 서버가 공식적으로 유지 관리된다는 점이다. 카탈로그는 포괄적일 뿐만 아니라, 개선된 전송 프로토콜인 스트리머블 HTTP(Streamable HTTP)로의 점진적인 전환을 포함해 계속 발전하고 있다. 전반적으로 AWS는 에이전트를 지향하는 클라우드 운영을 위한 기반으로서 MCP에 막대하게 투자한 것으로 보인다.

애저 MCP 서버

마이크로소프트 애저 MCP 서버는 AI 에이전트가 자연어 명령을 통해 애저 서비스와 상호작용할 수 있게 해준다. 애저는 MCP 서버를 개별적으로 제공하는 방식이 아니라 MCP 서버를 애저 모범 사례, AI/ML 서비스, 분석, 컴퓨팅, 컨테이너, 데이터베이스, 데브옵스, IoT, 스토리지를 비롯한 40개 이상의 개별 MCP 툴로 나눠 제공한다.

문서에 따르면 사용자는 애저 MCP 서버를 사용해서 “내 리소스 그룹을 모두 표시해” 또는 “이름이 ‘documents’인 스토리지 컨테이너에 있는 블롭을 목록으로 만들어”와 같은 프롬프트를 통해 대화하듯이 애저와 상호작용할 수 있다. 그 외에도 데이터베이스를 나열하고 애저 스토리지 계정을 열거하고 애저 데이터베이스의 대규모 데이터 집합을 분석하는 등 다양한 작업을 쿼리로 수행할 수 있다.

애저는 AWS에 비해 조금 더 친화적이며 쉽게 따라할 수 있는 시작 가이드를 제공한다. 문서에는 설치 방법, 툴 매개변수, 민감한 기능에 대한 에이전트의 제어를 활성화하거나 비활성화하기 위한 설정에 대해 명확한 안내가 나와 있다. 각 툴에는 가능한 자연어 프롬프트의 예시가 포함된 문서가 충실하게 갖춰져 있다.

구글 클라우드 MCP 서버

구글 클라우드 플랫폼(GCP)은 2025년 12월에 공식 구글 클라우드 MCP 서버를 발표했다. 따라서 구글 클라우드 원격 MCP 서버는 이 기사를 작성하는 시점을 기준으로 아직 프리뷰 상태다. 즉, “개발 중인 현재 상태 그대로” 제공되며 지원도 제한적이다. 어쨌든 구글 클라우드는 현재 데이터 집합 작업, 가상머신 관리, 쿠버네티스 관리를 포괄하는 4개의 공식 원격 MCP 서버를 제공한다.

예를 들어 자연어로 “데이터 집합 ‘newUsers’의 메타데이터 세부 정보와 테이블 ID를 가져와”라고 지시하면 빅쿼리(BigQuery) MCP 서버가 테이블 ID를 나열하기 위한 list_table_ids 툴과 메타데이터를 불러오기 위한 get_dataset_info 및 get_table_info 툴을 호출한다.

또는 컴퓨트 엔진(Compute Engine) MCP에 “동부 지역의 프로젝트 0009에서 실행 중인 내 VM을 종료해”와 같은 명령을 내리면 MCP는 stop_instance 툴을 호출해 VM을 정지시킬 수 있다. 그 외에 인스턴스 삭제 또는 재설정과 같은 작업이나 컴퓨팅 메타데이터 및 운영 트레이스 가져오기와 같은 비교적 가벼운 작업을 지원하는 툴도 있다.

구글 클라우드는 구글 쿠버네티스 엔진(GKE)과 구글 시큐리티 오퍼레이션을 위한 MCP 서버를 제공한다. 또한 구글은 개발자가 구글 맵 플랫폼에서 LLM 앱을 구축하는 데 도움을 주는 맵스 그라운딩 라이트(Maps Grounding Lite) MCP 서버를 로컬 호스팅을 위한 다른 여러 오픈소스 서버와 함께 제공한다.

구글 클라우드 MCP 서버도 다른 클라우드 서비스와 마찬가지로 읽기 전용 또는 읽기-쓰기 기능을 활성화하기 위한 제어 기능을 제공한다. 한 가지 독특한 장점은 모든 MCP 상호작용과 액세스에 대한 로깅이다. 이는 클라우드 관리자의 감사 작업에 도움이 될 수 있다. 현재 GCP가 제공하는 MCP 서버는 다른 하이퍼스케일러에 비하면 다소 빈약한 수준이지만 MCP 툴은 핵심 클라우드 컴퓨팅 운영 자동화 측면에서 미래가 밝아 보인다.

오라클 MCP 서버

오라클은 오래전부터 기업을 위한 프라이빗 및 퍼블릭 클라우드 옵션을 제공해왔다. 최근 인기 있는 오라클 플랫폼을 포괄하는 소수의 MCP 서버를 통해 MCP에 발을 들였다. 이런 서버는 오라클 클라우드 인프라스트럭처(OCI)를 관리하고 오라클 데이터베이스와 MySQL 리소스를 운영할 수 있다.

예를 들어 오라클 SQLcl은 오라클 데이터베이스를 위한 명령줄 인터페이스(CLI)로, 이 CLI의 MCP 서버는 에이전트가 쿼리를 실행하고 결과를 처리할 수 있게 해준다. 오라클 블로그에서 엔지니어들이 제안하는 “취미로 하는 내 사이드 프로젝트에 연결해서 거기 어떤 데이터가 있는지 알려줘”라는 프롬프트를 사용하면 스토리지에 저장된 모든 오라클 연결을 반환하는 list-connections 툴이 호출된다.

그 외에 오라클 MCP 서버의 사용례로는 데이터베이스 스키마를 일반적인 언어로 설명하고 생성하기, 실시간으로 MySQL 사용 패턴 분석하기, 프로젝트에서 애플리케이션에 데이터를 입력하기 위한 기존 데이터베이스 테이블 가리키기 등이 포함된다.

오라클의 MCP 작업 일부는 여전히 개념 증명 단계에 있지만 잘 정립된 데이터베이스 플랫폼을 새로운 AI 기반 프로토타이핑 및 개발 워크플로우와 결합하기 위한 흥미로운 방향을 보여준다.

IBM 클라우드 MCP 서버

IBM 클라우드 MCP 서버는 기사 작성 시점을 기준으로 아직 실험 단계에 있지만 AI 어시스턴트와 IBM 클라우드 플랫폼 사이의 포괄적인 지식 수집 계층 역할을 한다. 사용자의 IBM 클라우드 컴퓨팅 환경 내 서비스에 대한 정보를 불러오는 데 사용할 수 있다.

이 기사에서 소개하는 MCP의 대부분이 클라우드에서 실행되는 것과 달리 IBM 코어 MCP 서버는 로컬에 설치한 다음 IBM 클라우드 CLI를 가리키도록 설계됐다. 즉, 본질적으로 IBM 클라우드 CLI를 기반으로 한 계층이다. 코어 MCP 서버는 목적에 맞게 컨테이너화할 수도 있다. 다만 몇 가지 잠재적인 제약 사항도 있는데, 서버가 상태를 유지하며(stateful), 다중 계정용으로 설계되지 않았고 OAuth를 지원하지 않는다.

코어 MCP 서버는 클라우드 리소스를 검색하고 광범위한 메타데이터를 불러오고 문자열을 기반으로 결과를 필터링하고 서비스 이름을 나열하는 등의 작업을 위해 IBM 클라우드를 쿼리하는 사용자 친화적인 방법이 될 수 있다. 문서에서 제안하는 간단한 프롬프트로는 “이 계정에 VPC가 있는가?”, “us-east에서 사용 가능한 영역은 어디인가?”, “내 계정에 어떤 리소스 그룹이 있는가?” 등이 있다.

IBM 클라우드는 코어 MCP 서버 외에도 클라우드 인터넷 서비스(DNS, GLB, WAF, DDoS, CDN), 로그, 스트림, 쿠버네티스 및 오픈시프트, 코드 모니터링, 오브젝트 스토리지, 서버리스 서비스, VPC, 기타 IBM 클라우드 서비스를 위한 MCP 서버를 제공한다.

문서는 내용이 충실하고 예제도 잘 작성돼 있다. IBM의 세밀한 CLI와 API 명령에 이미 익숙한 사용자라면 MCP도 자연스럽게 익힐 수 있을 것이다. 다만 IBM 클라우드 MCP 서버를 통해 사용 가능한 대다수 작업은 읽기 전용이다. 현재로서는 IBM의 MCP 서버는 주로 실험적인 정보 수집 인터페이스 역할을 한다.

클라우드는 기회의 문

MCP는 최근 하이퍼스케일러들의 프로토콜 지원 추세와 맞물려 기업 시장에서 탄력을 얻고 있다. 클라우드 운영과 관련해 MCP를 사용하면 GUI에서 필드를 구성하거나 API 레퍼런스와 제품 문서를 수동으로 검색하는 것과 같은 단조로운 작업을 없앨 수 있다.

이 기사에서 살펴본 MCP 서버를 사용하면 하이퍼스케일 클라우드 운영을 위한 새롭고 간소화된 AI 기반 제어 계층이라는 흥미로운 방향을 향하게 된다. 그게 목표다. 물론 현실은 아직 초기 단계이며, 이런 서버 중 상당수가 실험 또는 프리뷰 단계에 머물러 있다. 또한 보안 모델도 서버마다 크게 다르고, 모든 서버가 변경 작업을 지원하는 것도 아닌 만큼 상당수 서버가 기본적으로 읽기 전용 모드로 작동한다.

AI 에이전트와 MCP, 자연어를 활용해 클라우드 운영을 자동화하기 위해서는 창의성은 물론이고 많은 실험과 테스트도 필요하다. 데이터베이스 조회와 리소스 관리부터 프로비저닝, 확장, 근본 원인 분석 및 비용 최적화에 이르기까지, MCP를 워크플로우에 어떻게 적용할지는 궁극적으로 운영자의 결정에 달려 있다. 본질적으로 MCP를 사용하면 클라우드는 기회의 문이 된다. 그 기회를 활용해 무엇을 할 것인지는 각자의 선택에 달려 있다.
dl-itworldkorea@foundryco.com