MCP-Use: 오픈소스 기반의 LLM 도구 접속용 MCP 클라이언트 라이브러리

읽을거리&정보공유
, , ,
1

MCP-Use: 오픈소스 기반의 LLM 도구 접속용 MCP 클라이언트 라이브러리
MCP-Use: 오픈소스 기반의 LLM 도구 접속용 MCP 클라이언트 라이브러리883×323 18.4 KB

MCP-Use 소개

대규모 언어 모델(LLM)은 점점 더 다양한 외부 도구들과의 통합이 요구되고 있습니다. 예를 들어 웹 검색, 파일 시스템 접근, 사용자 정의 API 호출 등 LLM의 활용 폭을 넓히기 위한 연동이 필수가 되었습니다. 하지만 이러한 통합 작업은 복잡한 설정과 보안 이슈, 성능 고려사항 등으로 개발자에게 부담을 줄 수 있습니다.

이를 해결하기 위해 등장한 것이 바로 MCP-Use입니다. 이 오픈소스 프로젝트는 LLM이 다양한 MCP(Model Context Protocol) 서버들과 연결되어 웹 브라우징, 파일 시스템, 3D 모델링, HTTP API 호출 등을 실행할 수 있도록 해주는 Python 라이브러리입니다. MCP-Use는 LangChain 기반의 LLM을 MCP 서버와 연결해주는 클라이언트를 제공하며, 다양한 MCP 서버를 동시에 사용할 수 있는 구조를 제공합니다.

MCP-Use는 유사한 프레임워크인 LangChain 자체의 기능과 Agent Framework, Auto-GPT, Open Agents 등과 비교할 수 있습니다. 기존 LangChain이나 Auto-GPT는 내부적으로 도구와 연결된 액터(agent)를 정의하고 동작시키지만, MCP-Use는 외부의 MCP 서버들을 모듈화된 방식으로 호출해 마치 마이크로서비스처럼 연결할 수 있게 합니다. 이는 각각의 MCP 서버가 독립적으로 작동하며 다양한 환경에 배포될 수 있도록 하기 위한 설계입니다. 또한 서버 간 분산 처리나 도구의 동적 할당 기능에서도 장점을 가집니다.

MCP-Use의 핵심 구성 요소

MCP 서버와 클라이언트 구조

MCP-Use는 두 가지 주요 요소로 구성됩니다:

  • MCPClient: MCP 서버들과의 연결을 관리하는 객체로, 설정 파일 또는 딕셔너리 기반 구성 가능
  • MCPAgent: LangChain 기반 LLM과 MCPClient를 연결하여 실제 질의(Query)를 수행하는 에이전트

지원되는 MCP 기능

다양한 종류의 MCP 서버와 통신이 가능합니다:

  • 웹 브라우징 (Playwright 기반 MCP)
  • Airbnb 예약 검색
  • Blender를 통한 3D 모델 생성
  • 커스텀 HTTP API 호출
  • 샌드박스 기반 실행 (E2B를 통한 클라우드 실행 지원)

LLM 지원

LangChain이 지원하는 대부분의 LLM(OpenAI, Anthropic, Groq, LLaMA 등)과 연동 가능하며, 중요한 전제는 Tool Calling (function calling / tool use) 기능이 활성화된 모델만 사용 가능하다는 점입니다.

설치 및 빠른 시작

# pip를 사용하여 설치합니다:
pip install mcp-use

# 또는 소스에서 직접 설치할 수 있습니다:
git clone https://github.com/pietrozullo/mcp-use.git
cd mcp-use
pip install -e .

MCP-Use는 LangChain을 통해 다양한 LLM 제공자와 통신합니다. 따라서 OpenAI 나 Anthropic과 같은 LangChain provider를 설치해야 합니다. 예를 들어:

pip install langchain-openai
pip install langchain-anthropic

이후, .env 파일에 해당 LLM 제공자의 API 키를 설정합니다:

OPENAI_API_KEY=
ANTHROPIC_API_KEY=

OpenAI / Anthropic 외의 다른 LLM 모델 제공자에 대해서는 LangChain chat models documentation 문서를 참고해주세요. 단, 앞에서 설명한 것과 같이 Tool Calling (function calling / tool use) 기능이 활성화된 모델만 사용 가능하니 주의해주세요.

MCP-Use의 주요 기능 소개

MCP 에이전트 예제

agent = MCPAgent(
    llm=ChatOpenAI(model="gpt-4o"),
    client=MCPClient.from_dict(config),
    max_steps=30
)
result = await agent.run("Find the best restaurant in San Francisco")

실시간 스트리밍 지원

MCPAgent는 astream()을 통해 결과를 스트리밍으로 받을 수 있으며, 이러한 실시간 스트리밍은 Interactive UI나 실시간 모니터링 시에 적합합니다:

async for chunk in agent.astream("Search something"):
    print(chunk["messages"], end="", flush=True)

멀티 서버 구성 및 동적 선택

다수의 MCP 서버를 동시에 등록하고, 요청에 따라 서버를 동적으로 선택 가능합니다:

{
  "mcpServers": {
    "airbnb": {"command": "npx", "args": ["-y", "@openbnb/mcp-server-airbnb"]},
    "playwright": {"command": "npx", "args": ["@playwright/mcp@latest"]}
  }
}

도구 접근 제어

보안 이슈를 고려하여 위험한 도구의 사용을 제한할 수 있습니다:

agent = MCPAgent(disallowed_tools=["file_system", "network"])

샌드박스 실행 (E2B)

복잡한 설정 없이 클라우드 환경에서 MCP 서버를 실행할 수 있도록 지원합니다. E2B API 키가 필요합니다:

pip install "mcp-use[e2b]"

라이선스

MCP-Use 프로젝트는 MIT 라이선스로 공개 및 배포 되고 있습니다. 상업적 이용에도 제약이 없습니다.

:house: MCP-Use 홈페이지

https://mcp-use.com/

:books: MCP-Use 공식 문서 사이트

:github: MCP-Use 프로젝트 GitHub 저장소

더 읽어보기



이 글은 GPT 모델로 정리한 글을 바탕으로 한 것으로, 원문의 내용 또는 의도와 다르게 정리된 내용이 있을 수 있습니다. 관심있는 내용이시라면 원문도 함께 참고해주세요! 읽으시면서 어색하거나 잘못된 내용을 발견하시면 덧글로 알려주시기를 부탁드립니다. :hugs:

:pytorch:파이토치 한국 사용자 모임:south_korea:이 정리한 이 글이 유용하셨나요? 회원으로 가입하시면 주요 글들을 이메일:love_letter:로 보내드립니다! (기본은 Weekly지만 Daily로 변경도 가능합니다.)

:wrapped_gift: 아래:down_right_arrow:쪽에 좋아요:+1:를 눌러주시면 새로운 소식들을 정리하고 공유하는데 힘이 됩니다~ :star_struck: