AI 개발 효율 극대화, 나의 MCP 적용 후기 (feat. 옵시디언, Supabase)

최근 개발자 커뮤니티의 가장 뜨거운 화두는 단연 인공지능(AI)의 활용일 것입니다.

많은 개발자들이 코드를 생성하거나 디버깅 아이디어를 얻는 등 다양한 방식으로 AI의 도움을 받고 있습니다.

하지만 단순히 질문하고 답변을 얻는 것을 넘어, AI가 내 개발 환경과 직접적으로 소통하며 자율적으로 작업을 수행하게 할 수는 없을까요?

 

이 질문에 대한 해답으로 최근 주목받고 있는 개념이 바로 MCP (Modular Control Plugin, 혹은 사용자에 따라 다르게 불릴 수 있는 AI 연동 플러그인) 입니다.

 

MCP는 AI 에이전트가 특정 응용 프로그램이나 데이터베이스, 파일 시스템 등 외부 환경을 직접 제어할 수 있도록 연결해주는 '다리'와 같은 역할을 합니다.

저 역시 수많은 MCP를 직접 사용해보며 개발 워크플로우를 혁신하는 경험을 했습니다. 아직 모든 것을 통달한 것은 아니지만, 제가 직접 겪은 단계별 진화 과정을 공유하며 AI 개발 효율을 한 차원 높이고자 하는 분들께 작은 도움이 되고자 합니다.

 

1단계: 파일 시스템 연동, AI 조수의 첫걸음

모든 튜토리얼이 그렇듯, 저의 첫 MCP 경험도 로컬 파일 시스템(File System) 연동에서 시작했습니다.

복잡한 설정 없이 내 컴퓨터 안의 파일을 AI가 직접 조회하고, 수정하고, 새로운 노트를 작성해주는 기능은 무척 신선했습니다.

제가 가진 문서들을 기반으로 내용을 요약하거나 질문에 답해주는 등, 막연했던 AI 조수의 개념이 현실로 다가오는 순간이었습니다.

하지만 단순히 로컬 파일과 노트만 다루다 보니 금세 한계가 느껴졌습니다.

실제 업무는 로컬 파일을 넘어 다양한 웹 서비스와 지식 관리 도구를 넘나들기 때문입니다.

이때부터 저의 MCP 여정은 본격적으로 시작되었습니다.

 

2단계: 지식 관리의 자동화 (옵시디언, 퍼플렉시티 MCP)

개발자에게 지식 관리와 정보 검색은 코딩만큼이나 중요한 작업입니다.

저는 평소 지식 관리 도구로 옵시디언(Obsidian)을, 정보 검색 및 요약에는 퍼플렉시티(Perplexity)를 사용하고 있었습니다.

만약 AI가 이 도구들을 직접 사용할 수 있다면 어떨까?

 

이 아이디어를 바탕으로 옵시디언 MCP와 퍼플렉시티 MCP를 도입한 것은 '신의 한 수'였습니다.

• 옵시디언 MCP: AI가 저의 모든 노트를 검색하고, 내용을 참조하여 새로운 문서를 연결하고 생성해주었습니다. 프로젝트 관련 문서들을 자동으로 관리하는 인덱스 페이지나, 데일리 및 위클리 회고 템플릿을 만드는 작업이 놀랍도록 편해졌습니다.
• 퍼플렉시티 MCP: Pro 계정에서 제공하는 API를 활용하여 최신 정보를 검색하고 정리하는 작업을 AI에게 맡길 수 있었습니다.

이 시점부터 제가 만드는 문서의 약 30%는 AI가 직접 초안을 작성하거나 상당 부분 기여하기 시작했습니다.

단순한 '코드 생성기'가 아니라, 저의 지식 베이스를 이해하고 확장해주는 진정한 '파트너'가 된 것입니다.

 

3단계: 사이드 프로젝트의 혁신 (Supabase, Context MCP)

진정한 신세계는 사이드 프로젝트에 MCP를 적용하면서 열렸습니다.

이전에는 AI에게 프론트엔드 코드나 데이터베이스 쿼리를 요청해도, 그저 텍스트로 된 코드를 복사해서 제 IDE나 데이터베이스 클라이언트에 붙여넣어야 했습니다.

이 과정은 번거로웠고, 프로젝트의 특정 버전이나 라이브러리 호환성을 AI가 정확히 인지하지 못해 오류가 발생하는 일도 잦았습니다.

 

하지만 슈퍼베이스(Supabase) MCP와 컨텍스트(Context)를 참조하는 MCP를 도입하자 상황이 180도 바뀌었습니다.

AI는 더 이상 깡통이 아니었습니다. 프로젝트의 버전을 스스로 인지하고 필요한 컨텍스트를 참조하여 코드를 작성했으며, 슈퍼베이스 MCP를 통해 데이터베이스를 직접 제어했습니다.

AI에게 "사용자 테이블에서 특정 조건의 데이터를 조회하고, 그 결과를 바탕으로 새로운 데이터를 삽입해줘"라고 요청하면, AI는 SQL 쿼리를 생성해서 저에게 보여주는 것이 아니라, 직접 데이터베이스에 쿼리를 실행하고 결과를 확인했습니다.

AI가 10분 이상 스스로 생각하고, 코드를 작성하고, 시스템을 제어하며 일하는 모습을 보며 진정한 '자율 에이전트'의 가능성을 엿볼 수 있었습니다.

물론 아쉬운 점도 있었습니다. 제가 사용한 슈퍼베이스 MCP는 모든 작업을 순수 SQL문으로만 처리하여, 조회나 수정 등 기능별로 세밀한 권한 관리가 어려웠습니다.

또한, 모델 자체의 추론(Reasoning) 능력이 향상되면서 '순차적 사고(Sequential Thinking)' MCP가 때로는 불필요하게 작업 단계를 늘리는 것처럼 느껴지기도 했습니다.

 

4단계: MCP 생태계의 탐험과 직접 수정

이제 저의 워크플로우는 'IDE를 벗어나야 하는 작업이 생기면, 관련 MCP가 있는지부터 찾아보는 것'으로 바뀌었습니다.

앞으로는 웹 기반 테스트를 도와주는 MCP, 배포 자동화 MCP, 그리고 현재 프롬프트로 관리하는 메모리 뱅크를 대체할 수 있는 메모리 관리 MCP 등을 도입해 볼 계획입니다.

더욱 고무적인 점은, MCP의 표준 구조가 잘 잡혀있어 필요에 따라 직접 수정하기가 용이하다는 것입니다.

사소한 오류가 발생하거나 기능을 추가하고 싶을 때, 커서(Cursor)와 같은 AI 코드 에디터에게 요청하면 놀랍도록 정확하게 코드를 수정해주었습니다.

나아가 특정 목적에 따라 필요한 MCP 목록만 활성화시켜주는 '컨텍스트' 기능을 활용하여, '블로그 글쓰기 모드', '백엔드 개발 모드'처럼 작업 환경을 유연하게 전환하는 방법도 시도해 볼 예정입니다.

 

AI를 활용한 개발의 미래는 단순히 더 좋은 코드를 생성하는 것을 넘어, AI가 우리의 개발 생태계 전체와 상호작용하며 협업하는 방향으로 나아가고 있습니다.

MCP는 그 혁신의 중심에 있는 강력한 도구입니다. 여러분은 어떤 MCP를 어떻게 활용하고 계신가요?

여러분의 경험과 팁을 공유해주세요.