LLM은 자체는 사실 굉장히 불완전합니다

과거 GPT-3.5 시절 ChatGPT한테 "오늘 서울 날씨 어때?" 물어보신 적 있으시죠. 당시의 GPT는 그리 똑똑하지 못했죠. 그저 "저는 실시간 정보에 접근할 수 없어서…"라는 그 답답한 답변이 돌아오곤 했습니다.

사실 지금의 LLM 역시 마찬가지 입니다. 그 모델 그 자체로는 본인이 미리 학습한 정보만 알 뿐 검색만 하면 바로 나오는 오늘의 날씨 조차 알지 못하죠. 날것 그대로의 LLM은 생각보다 많은것을 모릅니다.

• 최신 정보를 모르고
• 우리 회사 자료를 모르고
• 단순한 계산도 가끔 잘 모르죠…

그래서 사람들은 일찍부터 두 가지 도구를 추가했습니다. 코드 실행기와 인터넷 검색. 이 두 개만 있어도 LLM은 한층 똑똑해 보였죠.

그런데 우리 정보는 여기저기 흩어져 있어요

문제는 우리의 일상이 인터넷 검색과 계산만으로 굴러가지 않는다는 거예요.

생각해보세요.

• 어제 팀과 나눈 대화는 Slack에
• 분기 보고서는 Google Drive에
• 회의록과 기획안은 Notion에
• 오늘 할 일은 또 다른 할 일 앱에
• 떠오른 아이디어는 또 다른 노트 앱에

ChatGPT한테 "어제 김 대표님과 한 회의 정리해줘"라고 하면 안 되죠. 회의록이 어디 있는지 LLM은 모르니까요.

그래서 우리가 매일 하는 행동은 복붙입니다. 그러다 여기저기 우리의 전문 영역인 Copy & Paste를 반복하다보면 손이 뻐근해지죠. 그러다보니 귀찮아지고 때론 "그냥 내가 하지 뭐." 라고 생각하며 AI에게 일을 시키는게 귀찮아지기까지 하죠.

오해 - LLM이 진짜 잘하는 것

하지만 사실 LLM에 대한 오해가 있습니다. LLM이 가장 잘하는 건 '자유롭고 창의적인 글쓰기'가 아니에요.

진짜 잘하는 건 정형화된 텍스트—코드, JSON, 표 같은 구조화된 형식입니다. Claude에게 "JSON 형식으로 정리해줘"라고 한 번이라도 시켜보신 분이라면 알 거예요. 풀어서 쓸 때보다 훨씬 정확하게 결과를 내준다는 걸요.

이게 왜 중요할까요? 컴퓨터끼리는 정형화된 형식이 편하기 때문이에요. "오늘 날씨"라는 모호한 자연어를 컴퓨터는 처리하기 어렵지만, {"action": "get_weather", "city": "Seoul"}처럼 오면 정확히 처리합니다.

그렇다면 이런 발상이 가능하지 않을까요?

1) LLM이 우리의 자연어를

2) 컴퓨터끼리 통하는 정형화된 형식으로 번역해서 외부 도구에 보내고,

3) 응답을 다시 자연어로 풀어주면 어떨까?

이게 바로 MCP의 출발점이었어요.

MCP의 등장 — 공용 약속 하나로

MCP는 Model Context Protocol의 줄임말. 풀어 쓰면 'LLM이 외부 정보를 가져오기 위한 약속'입니다.

쉽게 말해, AI가 외부 도구들과 대화하기 위한 공용 약속이에요.

이전엔 도구마다 따로 통역기를 만들어야 했어요. Notion용, Slack용, Drive용… 도구가 늘수록 통역기도 N×N으로 폭증했죠. MCP 이후엔 "이 약속만 지키면 모든 LLM이 모든 도구와 대화할 수 있다"가 가능해졌습니다.

흐름은 단순해요.

1. 사용자가 자연어로 요청 — "어제 회의록 정리해줘"
2. LLM이 어떤 도구가 필요한지 판단
3. MCP를 통해 정형화된 형식으로 도구에 요청
4. 도구가 결과를 응답
5. LLM이 그 결과를 자연어로 정리해서 답변

데이브의 4종 세트

저는 주로 아래의 5개 도구(사실은 더 많지만)를 Claude에 MCP로 연결해두고 있어요.

• 📒 Notion — 회사 문서 및 지식 저장소.
• 🧠 Mem — 빠른 메모와 AI 검색. 포스트잇 더미 역할. 
• ☀️ Sunsama — 오늘의 실행. 책상 위 할 일 목록.
• 🔁 Habitify — 매일의 루틴 및 습관관리.
• 💬 Slack — 회사 및 커뮤니티 채팅.

각각 잘하는 영역이 다르기 때문에 하나의 도구로 모으지 않고 각각을 활용하고 있습니다. 하지만 전체 정보를 하나로 모아서 보고 정리할때는 Claude와 연결된 MCP를 통해 알아서 꺼내 쓰면 되기 때문이죠.

MCP가 실제로 일하는 모습 — 데이브의 하루

☕ 아침 7시 — "Claude야, 오늘 좀 도와줘."

Claude가 Habitify에서 오늘 루틴을 확인하고, Sunsama에서 오늘 할 일을 가져옵니다. 어제 미룬 것, 오늘 회의, 우선순위 높은 일을 하나로 정리해서 보여주죠. 직접 했다면 15~20분 걸렸을 일이 한마디로 끝납니다.

🏃 낮 — 작업 중

회의나 산책 중 떠오른 아이디어를 Mem에 짧게 던져둡니다. 점심쯤 Claude에게 새로운 노트들을 확인해달라고 요청합니다. 거라면 Claude 가 대답하죠.

"이 메모는 'Q3 마케팅 기획' 관련 같은데, Notion 해당 페이지에 추가할까요?"

해당 메모를 일일이 정리하지 않아도 Claude 가 알아서 정확한 위치를 찾아주고 옮겨주죠.

🌙 저녁 — "오늘 어땠지?"

Claude가 Habitify 완료 루틴, Sunsama 끝낸 일, Mem 새 메모를 한 번에 살펴 짧은 회고를 만들어 달라고 요청합니다. 그리고 필요에 따라 Notion 에 정리도 해두죠.

이것이 바로 'Agent' 입니다

MCP로 외부 도구들을 잘 연결한 AI를 우리는 Agent라고 부릅니다. 답변만 해주는 AI가 아니라, 실제로 도구를 다루며 일을 끝내는 AI죠.

여기서 한 가지 노하우.

모든 도구를 한꺼번에 연결하는 게 능사가 아닙니다.

직관과는 반대일 수 있어요. 도구가 많을수록 똑똑해지지 않을까 싶지만, 실제로는 그 반대예요. 도구가 너무 많으면 LLM이 "어떤 걸 써야 하지?" 헷갈려 합니다. 사람도 책상 위에 도구 100개 있는 것보다 5개만 있을 때 빨리 일하잖아요.

그래서 각각의 도구들은 목적에 맞게 프로젝트를 만들어서 나눠쓰면 훨씬 더 좋은 효율을 만들어 냅니다.

• 글쓰기용 Claude → Notion + Mem
• 일정 관리용 Claude → Sunsama + Google Calendar
• 루틴 관리용 Claude → Habitify + Mem

상황에 맞게 최적화된 도구만 붙여주는 것, 이게 Agent를 잘 쓰는 핵심입니다.

이번 주, 여러분의 AI에게도 도구 하나만 연결해보세요. 욕심부리지 말고 가볍게 Notion 하나만도 괜찮아요. 그 첫 연결의 경험이, 일하는 방식을 조용히 바꿔놓을 거예요.

당근메일 제휴 및 광고 문의

문제를 해결하고 즐거움을 얻어가는 곳