Maestro는 YAML로 모바일 앱과 웹의 E2E 테스트를 작성하는 오픈소스 프레임워크로, 요소가 표시될 때까지 자동으로 대기해 준다. 저자는 수동 YAML 작성 시 요소 지정에 시간이 많이 걸려 Maestro MCP를 도입했고, Claude Code에 `maestro mcp`를 등록해 자연어로 시나리오를 전달하면 AI가 YAML을 자동 생성하도록 구성했다.
Claude Code가 MCP를 통해 REAPER와 Synthesizer V Studio 2를 조작해 작사부터 믹스, 자기 평가까지 혼자 곡을 완성하는 실험을 진행했다. 결과물은 평면적이었지만 그 원인이 모두 수치로 설명되었으며, AI가 스스로 발견할 수 있는 문제와 그렇지 못한 문제를 기록한 실패 중심의 글이다.
AI 에이전트는 자율적으로 작업을 수행하여 편리하지만, 기존 대화형 AI와 달리 기밀 데이터 무단 접근이나 악의적 프롬프트 속임 등 새로운 보안 위험을 안고 있습니다. 이에 따라 2026년 3월 Databricks는 Agentic AI와 MCP에 대응하는 자체 AI/ML 보안 프레임워크인 DASF를 공개했습니다.
MCP는 에이전트가 도구를 설명하고 호출하는 방식을 표준화했지만 인증과 권한 등 실제 운영에 필요한 부분은 해결하지 못했다. 이에 DoorDash는 모든 도구 호출이 거치는 Agent Gateway를 구축하여 호출자 인증과 권한 확인 등을 중앙화했다.
MCP는 모델에게 자연어를 통해 API와 파일 시스템에 프로그래밍 방식으로 접근할 수 있게 해주지만, 사용하지 않는 도구 정의까지 로드해 컨텍스트가 비대해지는 단점이 있다. 반면 Skills는 재사용 가능한 프롬프트가 담긴 마크다운 파일로, 점진적 공개를 통해 에이전트가 수십 개 스킬을 인지하면서도 전체 지시를 로드하지 않아도 되며, MCP와 경쟁 관계가 아니라 상호 보완적으로 작동한다.
LLM 기반 개발 환경에서 반복적으로 쓰게 되는 MCP 도구를 실제 사용 기준으로 추려 설명합니다.
