MCP 서버 30분 만에 만들기 — Python FastMCP로 구축비 0원, 통합비용 M×N→M+N

김 팀장은 고민이 깊었다. 사내에서 AI 에이전트 도입 논의가 시작되자, "우리 ERP랑 그룹웨어랑 메신저랑 전부 각각 API 붙여야 하나요?"라는 질문이 쏟아졌다. API 5개를 각각 문서 읽고, 인증 토큰 발급받고, 에러 포맷 익히고… 팀원 2명이 2주는 족히 걸릴 일이었다. 그런데 지난주, 신입 개발자가 점심시간에 만든 MCP 서버 하나로 그 5개 시스템을 한 번에 연결했다. 구축 시간? 30분. 추가 비용? $0.

MCP는 AI 시대의 USB-C다

Anthropic이 2024년 11월 공개한 MCP(Model Context Protocol)는 AI 에이전트와 외부 도구를 연결하는 표준 프로토콜이다. 마치 USB-C가 전원·데이터·영상·오디오 커넥터를 하나로 통일했듯, MCP는 "LLM이 외부 세계와 대화하는 방식"을 하나로 통일한다. WorkOS의 표현을 빌리자면, "MCP는 AI 애플리케이션에게 USB-C가 노트북에게 갖는 의미와 같다. AI 에이전트는 MCP를 통해 어떤 MCP 서버든 같은 프로토콜로 연결할 수 있다."

2026년 3월 기준, 10,000개 이상의 MCP 서버가 활성화되어 있고 매달 9,700만 건의 SDK 다운로드가 발생한다(AgentMarketCap, 2026년 4월). OpenAI·Google·Anthropic·xAI가 모두 MCP를 채택했거나 지지하고 있다. FastMCP 3.0은 하루 100만 건 이상 다운로드되는 사실상의 표준 Python 프레임워크다.

통합 비용, M×N에서 M+N으로

문제는 간단한 산수다. API가 N개, AI 에이전트가 M개라면 N×M개의 커스텀 어댑터가 필요하다. API 5개에 에이전트 3개면 15개의 개별 연결을 만들고 유지보수해야 한다. 각각 인증 방식이 다르고, 에러 처리도 다르다.

MCP는 이 구조를 허브 앤 스포크로 바꾼다. 각 도구마다 MCP 서버 하나만 만들면, 모든 에이전트가 같은 프로토콜로 연결된다. 5개 통합이면 20개 연결을 5개 서버로 대체하는 셈이다. AgentMarketCap의 분석에 따르면, 통합 5개 이상부터 MCP가 REST API 직접 연결 대비 50~80% 적은 LLM 토큰을 소비한다. 동적 도구 로딩(dynamic tool loading)을 적용하면 토큰 오버헤드를 최대 70%까지 줄일 수 있다.

"MCP는 REST API를 대체하지 않는다. REST API 위에 AI 에이전트가 소비할 수 있는 레이어를 덧씌우는 프로토콜이다." — WorkOS, MCP vs REST 분석

FastMCP로 30분 만에 서버 만들기

여기서부터는 직접 해볼 수 있는 내용이다. Python 3.11 이상만 있으면 된다.

1단계: 설치 (2분)

pip install fastmcp

FastMCP는 MCP Python SDK 위에 구축된 고수준 프레임워크다. Express.js가 Node의 http 모듈을 감싸듯, FastMCP는 MCP의 JSON-RPC·스키마 생성·전송 계층을 추상화한다.

2단계: 첫 도구 만들기 (5분)

from fastmcp import FastMCP

mcp = FastMCP("my-first-mcp")

@mcp.tool()
def get_weather(city: str) -> str:
    """지정된 도시의 현재 날씨를 조회합니다."""
    import requests
    resp = requests.get(
        f"https://wttr.in/{city}?format=%C+%t",
        timeout=10
    )
    return f"{city}: {resp.text.strip()}"

if __name__ == "__main__":
    mcp.run()  # stdio 모드

@mcp.tool() 데코레이터 하나만 붙이면 평범한 Python 함수가 AI 에이전트가 호출할 수 있는 MCP 도구가 된다. 타입 힌트는 자동으로 JSON Schema로 변환되어 Claude·Cursor·VS Code 등에서 바로 인식한다. dev.to의 한 개발자는 "FastMCP 3.x로 pip install 한 번, @tool 데코레이터 한 번, mcp.run() 한 번. 30분도 안 걸려서 Claude Desktop과 연결되는 MCP 서버가 완성됐다"고 기록했다.

3단계: 실제 업무에 연결하기 (10분)

회사 ERP·그룹웨어·DB도 같은 방식으로 연결할 수 있다. 아래는 사내 CRM을 MCP로 감싸는 실제 예제다:

from fastmcp import FastMCP
from pydantic import BaseModel
import httpx

mcp = FastMCP("internal-crm")

class Customer(BaseModel):
    id: str
    name: str
    email: str
    tier: str

@mcp.tool()
async def search_customers(query: str, tier: str = None) -> list[Customer]:
    """고객명 또는 이메일로 CRM 검색. 등급 필터 가능."""
    async with httpx.AsyncClient() as client:
        r = await client.get(
            "https://crm.internal/api/search",
            params={"q": query, "tier": tier},
            headers={"Authorization": f"Bearer {CRM_TOKEN}"}
        )
        return [Customer(**row) for row in r.json()]

@mcp.tool()
async def get_customer_notes(customer_id: str) -> str:
    """고객의 최근 영업 담당자 메모를 조회합니다."""
    async with httpx.AsyncClient() as client:
        r = await client.get(
            f"https://crm.internal/api/notes/{customer_id}",
            headers={"Authorization": f"Bearer {CRM_TOKEN}"}
        )
        return r.text

if __name__ == "__main__":
    mcp.run(transport="streamable-http", host="0.0.0.0", port=8000)

비용 분석: 무료인 것과 진짜 비용

MCP 서버 자체는 무료다. Python 파일 하나면 된다. 하지만 총소유비용(TCO)으로 보면 이야기가 달라진다.

여기서 중요한 건 도입하지 않을 때의 기회비용이다. API 5개를 수동 통합할 때 드는 인건비를 계산해보자. 개발자 2명이 2주간 풀타임으로 API 문서 읽고, 인증 구현하고, 테스트한다고 치면 — 한국 중소기업 기준 월 400만원 개발자 2명 × 0.5개월 = 400만원. MCP 서버 하나로 30분이면 같은 결과를 낸다면, 절감액은 인건비 400만원 - 클라우드 비용 월 $5 = 약 395만원 절감이다.

MCP vs REST API: 언제 무엇을 쓸까

2026년 3월, Perplexity가 MCP를 버리고 직접 API로 전환했다는 소식이 업계를 뒤흔들었다. CTO Denis Yarats는 토큰 오버헤드·인증 마찰·불필요한 기능을 이유로 들었다. 하지만 이것은 MCP의 실패가 아니라 "사용 사례에 맞는 도구 선택"의 교과서적 사례다. Perplexity는 단일 에이전트가 고정된 도구 세트를 사용하는 구조였다. 이런 경우 직접 REST API가 더 효율적이다.