Sources: ByteByteGo

1️⃣ MCP (Model Context Protocol)

한 줄 정의: LLM이 외부 도구를 사용하는 방법을 표준화하는 인터페이스

역할 :

  1. LLM ↔ 외부 시스템(DB, 파일시스템, GitHub, Slack, 내부 API 등) 연결 규격
  2. 도구 탐색(Discovery)
  3. 도구 호출(Invocation)
  4. 구조화된 결과 반환(Result schema)

핵심 포인트

  1. “무엇을 할지” 결정하지 않는다.
  2. 단지 도구를 어떻게 노출하고 호출할지 표준화한다.
  3. 기존의 앱별 커스텀 glue code를 줄이는 목적.

쉽게 말해 MCP는 ‘연결 규격’이다.

2️⃣ RAG (Retrieval-Augmented Generation)

한 줄 정의: 모델을 재학습하지 않고, 실행 시점에 필요한 정보를 가져와서 답변 품질을 높이는 방식

동작 방식

  1. 사용자가 질문
  2. Retriever가 관련 문서 검색 (PDF, 코드, 벡터DB 등)
  3. 검색된 내용을 프롬프트에 삽입
  4. LLM이 답변 생성

장점

  1. 내부 지식 기반 활용
  2. 최신 데이터 반영
  3. 사내 비공개 데이터 처리
  4. 환각(hallucination) 감소

한계

  1. 행동하지 않는다.
  2. 시스템을 조작하지 않는다.
  3. 단지 답변을 더 똑똑하게 만드는 것

쉽게 말해 RAG는 ‘정보 공급 장치’다.

3️⃣ AI Agents

한 줄 정의: 목표를 가지고 스스로 판단하고 행동하는 시스템

특징

  1. 관찰(Observe)
  2. 추론(Reason)
  3. 결정(Decide)
  4. 행동(Act)
  5. 반복(Loop)

할 수 있는 것

  1. 도구 호출
  2. 코드 작성
  3. 웹 브라우징
  4. 메모리 저장
  5. 작업 위임
  6. 자율 실행

핵심

  1. Agent는 “행동”이 있다.
  2. 단순 답변 생성이 아니라 실제 작업을 수행한다.

쉽게 말해 Agent는 ‘일하는 주체’다.

관계 정리 (중요)

한 문장 정리

  1. MCP는 도구를 연결하는 표준
  2. RAG는 모델이 똑똑해지게 하는 정보 주입 방식
  3. AI Agent는 실제로 일을 수행하는 실행 시스템

이 셋은 서로 경쟁하지 않는다 .오히려 Agent가 MCP를 통해 도구를 쓰고, RAG를 통해 지식을 보강하는 구조가 가장 자연스럽다.