A Large-Scale Dataset of MCP Implementations on GitHub
이 논문은 실제 MCP 생태계, 개발 트렌드 및 아키텍처 패턴을 분석하기 위한 기초적인 벤치마크를 구축하기 위해 엄격한 하이브리드 검증 파이프라인을 통해 생성된, GitHub로부터 추출한 2,297개의 검증된 모델 컨텍스트 프로토콜(MCP) 구현 사례를 포함하는 최초의 대규모 증거 기반 데이터셋을 소개한다.
원본 논문은 CC0 1.0 (http://creativecommons.org/publicdomain/zero/1.0/)에 따라 공공 도메인에 제공됩니다. 이것은 아래 논문에 대한 AI 생성 설명입니다. 저자가 작성하거나 승인한 것이 아닙니다. 기술적 정확성을 위해서는 원본 논문을 참조하세요. 전체 면책 조항 읽기
AI의 세계를 컴퓨터 속에 사는 거대하고 수다스러운 로봇이라고 상상해 보세요. 오랫동안 이 로봇은 학습 데이터에 있는 내용만 말할 수 있었습니다. 마치 교과서에 적힌 내용만 아는 학생처럼 말이죠. 하지만 최근에 **모델 컨텍스트 프로토콜(Model Context Protocol, MCP)**이라는 새로운 규칙책이 도착했습니다. MCP를 AI 로봇이 단순히 말하는 것을 넘어, 날씨 앱, 검색 엔진, 또는 코드 에디터와 같은 실제 도구들에 연결되어 실제로 '행동'할 수 있게 해주는 범용 번역기이자 표준 전원 콘센트라고 생각하면 됩니다.
하지만 문제는, 아무도 이 "전원 콘센트"를 실제로 얼마나 많은 사람들이 만들고 있는지, 혹은 그 내부 구조가 어떻게 생겼는지 정확히 알지 못했다는 점입니다. 소문이나 목록은 있었지만, 실제 코드에 대한 확실한 지도는 없었습니다.
그곳에 바로 이 논문이 있습니다. 저자들은 디지털 보물 사냥꾼이 되어, 개발자들이 코드를 저장하는 거대한 도서관인 GitHub를 뒤져 이 MCP 프로젝트들에 대한 최초의 방대하고 검증된 지도를 구축했습니다.
위대한 발굴
연구팀은 단순히 추측하지 않았습니다. 대신 단서를 찾기 위해 매우 똑똑한 로봇 파이프라인을 구축했습니다. 그들은 "MCP"를 언급하는 3,238개의 잠재적 프로젝트에서 시작했습니다. 하지만 어떤 프로젝트가 "나는 MCP 프로젝트다"라고 말한다고 해서 모두 진짜 MCP 프로젝트인 것은 아닙니다. 어떤 것들은 빈 껍데기에 불과했고, 어떤 것들은 단순한 튜토리얼이었으며, 또 어떤 것들은 "MCP"라는 이름을 전혀 다른 용도(예: AI 도구가 아닌 마인크래프트 게임 모드)로 사용하고 있었습니다.
진실을 밝히기 위해 그들은 다단계 검진을 실시했습니다:
- 이력서 확인: 프로젝트에 최근 업데이트가 있었는가? 만약 9개월 동안 움직임이 없었다면 탈락이었습니다.
- 코드 스캔: 해당 프로젝트가 실제로 MCP 시스템에 연결하려고 시도하고 있음을 증명하는 특정 "지문" 파일(예:
package.json또는pyproject.toml)을 찾았습니다. - 구조 확인: 코드가 단순히 개념으로만 존재하는 것이 아니라, 실제로 실행될 준비가 되었음을 보여주는 특정 폴더와 진입점(entry points)을 확인했습니다.
이러한 필터링 과정을 거친 후, 그들은 진짜인 2,297개의 프로젝트를 찾아냈습니다. 그들은 매우 신중했기에 무작위 샘플을 수동으로 재검토했을 때, 프로세스의 정확도가 **83%**에 달한다는 것을 확인했습니다. 심지어 실제 도구처럼 보이지만 작동하는 부분이 없는 단순한 "보여주기식" 템플릿인 프로젝트 90개를 발견하여 최종 명단에서 제외했습니다.
이 프로젝트들은 무엇을 하고 있는가?
검증된 2,297개의 프로젝트 목록을 확보한 후, 연구팀은 이들을 연극 속 캐릭터처럼 세 가지 주요 역할로 분류했습니다:
- 클라이언트(Clients): 이들은 "요청자"입니다. 도구를 요청하기 위해 손을 뻗는 로봇의 손과 같습니다. (예: 날씨를 묻는 채팅 인터페이스)
- 서버(Servers): 이들은 "제공자"입니다. 도구를 보유하고 있다가 요청이 들어오면 건네줍니다.
- 게이트웨이(Gateways): 이들은 "중간 관리자" 또는 번역기입니다. 서로 다른 시스템이 소통할 수 있도록 돕고, AI와 외부 서비스 사이의 간극을 메워줍니다.
데이터에 따르면, 이 도구들을 만드는 데 있어 Python과 TypeScript가 슈퍼스타 언어입니다. 이 두 언어는 요청자(Client)와 제공자(Server) 모두에서 시장을 지배하고 있습니다. 흥로도하게도, "중간 관리자"(Gateway)들은 속도와 신뢰성으로 유명한 언어인 Go를 선호하는 경향이 있습니다.
어떻게 만들어지는가?
이 논문은 대부분의 프로젝트가 거대한 기업형 단일 구조(monolith)가 아니라고 시사합니다. 대신, 이들은 작고 민첩한 팀처럼 보입니다. 전형적인 프로젝트는 약 4명의 고유 기여자(contributor)와 70개의 커밋(업데이트)을 가지고 있습니다. 개발자들은 한 번에 크고 무서운 업데이트를 하기보다는, 작고 빈번한 수정을 선호하는 것으로 보입니다.
이것이 의미하는 바
이 논문은 AI 도구에 대한 모든 미스터리를 해결했다고 주장하는 것이 아닙니다. 대신, 이 논문은 견고하고 증거에 기반한 토대를 제공합니다. 이는 MCP 생태계가 빠르게 성장하고 있지만, 현재 몇몇 핵심 언어에 의해 주도되고 있으며 작은 규모의 반복적인 개발 패턴을 따르고 있음을 시사합니다. 연구자들에게 깨끗하게 검증된 2,297개의 실제 프로젝트 목록을 제공함으로써, 이 연구는 마케팅 홍보에 근거한 추측이 아니라 AI 연결이 실제로 어떻게 진화하고 있는지 이해하기 위한 미래 연구의 발판을 마련했습니다.
연구 분야의 논문에 파묻히고 계신가요?
연구 키워드에 맞는 최신 논문의 일일 다이제스트를 받아보세요 — 기술 요약 포함, 당신의 언어로.