개발자, 하루 1,200회 방해받아… MCP, 생산성 개선 목표

소프트웨어 개발자들은 실제 코드를 작성하는 시간보다 코딩하지 않는 시간에 훨씬 더 많은 시간을 보낸다. 업계 연구에 따르면 직접적인 프로그래밍 작업은 개발자의 근무일 중 약 16%만을 차지하며, 대부분의 시간은 지원 업무와 운영에 소모된다. 팀이 더 적은 자원으로 더 많은 성과를 내도록 압박받고 CEO들이 AI 생성 코드를 자랑하는 시대에 중요한 질문이 제기된다: 엔지니어 업무량의 나머지 84%를 어떻게 최적화할 것인가?

개발자가 가장 생산적인 상태를 유지하도록 지원하라

개발자 생산성을 가장 크게 저하시키는 요인 중 하나는 컨텍스트 전환, 즉 소프트웨어를 구축하고 출시하는 데 필요한 끊임없이 확장되는 도구 및 플랫폼 간 지속적인 전환이다. 하버드 비즈니스 리뷰 연구에 따르면, 평균적인 디지털 근로자는 하루에 앱과 웹사이트를 거의 1,200회 전환한다. 모든 방해는 비용을 수반한다. 캘리포니아 대학 연구에 따르면 단 한 번의 방해 후 완전히 집중력을 회복하는 데 약 23분이 소요되며, 더 심각한 것은 방해받은 작업의 거의 30%가 결코 완료되지 않는다는 점이다. 이러한 컨텍스트 전환 문제는 소프트웨어 개발 성과 측정을 위한 가장 널리 채택된 프레임워크 중 하나인 DORA에도 반영될 정도로 핵심적이다.

AI 기반 조직들이 직원들에게 단순히 대규모 언어 모델(LLM) 접근 권한을 제공하는 것을 넘어, 적은 자원으로 더 많은 성과를 내도록 권한을 부여하려는 가운데 새로운 트렌드가 형성되고 있다. Brex의 수석 엔지니어인 Jarrod Ruhland는 "개발자는 통합 개발 환경(IDE) 내에서 집중할 때 가장 높은 가치를 창출한다"고 믿습니다. 이 원칙에 따라 그는 이를 현실로 만들기 위한 새로운 방법을 모색했으며, Anthropic의 새로운 프로토콜이 그 해법의 핵심이 될 수 있습니다.

MCP: IDE에 컨텍스트를 제공하는 프로토콜

커서(Cursor), 코파일럿(Copilot), 윈드서프(Windsurf)와 같은 LLM 강화 IDE 같은 AI 기반 코딩 어시스턴트는 개발자 르네상스를 주도하며 전례 없는 속도로 확산되고 있다. 커서는 출시 1년 만에 연간 반복 매출 1억 달러를 달성하며 사상 최단 기간 성장한 SaaS 제품이 되었고, 현재 포춘 500대 기업의 70%가 마이크로소프트 코파일럿을 사용 중이다.

그러나 이러한 어시스턴트는 전통적으로 코드베이스 컨텍스트에 국한되어 왔습니다. 이는 개발자가 코드를 더 빠르게 작성하는 데 도움이 되지만, 더 광범위한 컨텍스트 전환 문제를 해결하지는 못합니다. 이를 해결하기 위한 새로운 프로토콜이 등장했습니다: 모델 컨텍스트 프로토콜(MCP). 2024년 11월 Anthropic이 출시한 MCP는 AI 시스템(특히 LLM 기반 도구)과 외부 데이터 소스 및 애플리케이션 간의 통합을 단순화하기 위해 설계된 개방형 표준입니다. 지난 6개월간 신규 MCP 서버가 500% 증가했으며, 6월 한 달 동안만 약 700만 건의 다운로드를 기록하는 등 그 인기가 급증하고 있습니다.

MCP의 가장 영향력 있는 응용 사례 중 하나는 AI 코딩 어시스턴트를 개발자가 일상적으로 사용하는 도구와 직접 연결하여 워크플로를 간소화하고 컨텍스트 전환을 획기적으로 줄이는 능력입니다.

기능 개발을 예로 들어 보겠습니다. 기존 방식에서는 여러 시스템을 오가야 했습니다: 프로젝트 트래커에서 티켓을 확인하고, 팀원의 대화를 검토하여 명확성을 확인하고, API 세부 사항을 찾기 위해 문서를 검색한 후, 마지막으로 IDE를 열어 코딩을 시작하는 식이었습니다. 각 단계가 별도의 탭에서 진행되므로 정신적 전환이 필요했고, 이는 작업 속도를 늦췄습니다.

MCP와 Anthropic의 Claude 같은 현대적 AI 어시스턴트를 활용하면 이 모든 과정이 코드 에디터 내에서 진행될 수 있습니다.

예를 들어, 코딩 어시스턴트 내에서 기능을 완전히 구현하는 과정은 다음과 같을 수 있습니다:

• 선형 MCP 서버를 통해 티켓 세부 정보를 불러오고;
• Slack MCP 서버를 통해 관련 논의 내용 표출;
• Glean MCP 서버를 통해 필요한 문서에 접근;
• 커서에 초기 스캐폴딩 생성을 요청하여 기능을 작성합니다.

동일한 접근 방식은 다른 엔지니어링 워크플로에도 적용됩니다. 예를 들어 사이트 안정성 엔지니어(SRE)의 사고 대응은 다음과 같은 과정을 포함할 수 있습니다:

• Rootly MCP 서버를 통해 사고 세부 정보 가져오기
• Sentry MCP 서버를 통해 추적 데이터 검색
• Chronosphere MCP 서버를 통해 관측 가능성 메트릭을 가져옵니다
• Claude Desktop에 지시하여 버그 해결

새삼스러운 일도 아니다

우리는 이 패턴을 이미 목격한 바 있습니다. 지난 10년간 Slack은 수백 개의 앱을 위한 중앙 허브로 자리매김하며 직원의 생산성에 혁명을 일으켰습니다. 직원들은 채팅 창을 떠나지 않고도 다양한 업무를 관리할 수 있게 되었죠. Slack 플랫폼은 일상 업무 흐름에서 맥락 전환을 성공적으로 줄였습니다.

라이엇 게임을 예로 들어보자. 약 1,000개의 슬랙 앱을 통합한 결과, 엔지니어들은 코드 테스트 및 반복 작업에 소요되는 시간이 27% 감소했고, 새로운 버그를 22% 더 빠르게 발견했으며, 기능 출시 속도가 24% 향상되었다고 보고했다. 이러한 성과는 주로 간소화된 워크플로우와 도구 간 전환으로 인한 마찰 감소 덕분이었다.

이제 소프트웨어 개발 분야에서도 유사한 변화가 일어나고 있습니다. MCP(마이크로소프트 통합 플랫폼) 통합으로 강화된 AI 어시스턴트가 모든 외부 도구로의 연결 고리 역할을 하고 있습니다. 결과적으로 IDE는 일반 지식 근로자에게 슬랙이 그랬던 것처럼 엔지니어를 위한 새로운 올인원 지휘 센터로 자리매김할 준비가 되어 있습니다.

MCP는 아직 기업 환경에 적합하지 않을 수 있음

MCP는 비교적 새로운 표준입니다. 보안 관점에서 내장된 인증이나 권한 모델이 부족하며, 여전히 진화 중인 외부 구현에 의존합니다. 신원 확인과 감사 측면에서도 모호함이 존재합니다. 프로토콜은 특정 작업이 사용자 또는 AI 자체에 의해 시작되었는지 명확히 구분하지 않아, 맞춤형 솔루션 없이는 책임 소재와 접근 제어가 복잡해집니다. F5 Networks CTO실의 저명한 엔지니어이자 최고 전도사인 로리 맥비티(Lori MacVittie)는 MCP가 "오랫동안 유지해 온 핵심 보안 가정들을 깨고 있다"고 지적합니다.

코딩 어시스턴트 내에서 너무 많은 MCP 도구나 서버를 동시에 사용할 때 또 다른 실질적 한계가 발생합니다. 각 MCP 서버는 AI 모델이 처리해야 하는 설명과 매개변수가 포함된 사용 가능한 도구 목록을 광고합니다. 수십 개의 도구로 모델을 과부하시키면 컨텍스트 윈도우가 압도되어 도구 수가 증가함에 따라 성능 저하가 눈에 띄게 나타납니다. 일부 IDE 통합은 모델 용량을 초과하는 프롬프트 확장을 방지하기 위해 하드 리미트를 적용했습니다(커서 IDE 약 40개, OpenAI 에이전트 약 20개).

마지막으로, 현재 도구를 자동으로 탐지하거나 문맥에 맞게 제안하는 정교한 방법은 존재하지 않습니다. 단순히 목록으로 나열될 뿐입니다. 이로 인해 개발자는 워크플로우를 원활하게 유지하기 위해 수동으로 도구를 활성화/비활성화하거나 활성 세트를 관리해야 하는 경우가 많습니다. 앞서 언급한 라이엇 게임즈가 1,000개의 슬랙 앱을 설치한 사례를 고려하면, 관리되지 않은 도구 확산이 기업 환경에서 얼마나 문제가 될 수 있는지 분명해집니다.

의자 돌리기 줄이고, 소프트웨어 늘리기

지난 10년간 업데이트를 중앙화하는 슬랙 채널부터 '인박스 제로' 이메일 전략, 통합 플랫폼 엔지니어링 대시보드에 이르기까지 업무를 작업자에게 가져오는 방식의 가치가 입증되었습니다. 이제 AI가 도구 모음에 추가되면서 개발자 생산성을 극대화할 절호의 기회를 맞이했습니다. 슬랙이 비즈니스 커뮤니케이션의 허브가 되었다면, AI 코딩 어시스턴트는 단순히 코드가 작성되는 곳이 아닌 모든 관련 컨텍스트와 협업이 수렴되는 소프트웨어 창작의 허브로 자리매김할 완벽한 위치에 있습니다.

개발자가 생산적인 흐름을 유지할 수 있도록 함으로써, 오랫동안 엔지니어링 성과를 저해해 온 지속적인 정신적 전환을 없앨 수 있습니다.

소프트웨어 제공에 의존하는 모든 조직은 개발자들이 실제로 시간을 어떻게 보내는지 면밀히 살펴볼 가치가 있습니다. 발견하게 될 사실에 놀라실 수도 있습니다.

실뱅 칼라쉬(Sylvain Kalache)는 루트리(Rootly)의 AI 연구소를 이끌고 있습니다.