그 프롬프트… 어딨더라? 우리는 여러 사람이 각자의 장비로 여러 개의 서비스와 저장소를 관리하고, 또한 여러 개의 도구를 사용합니다. 모두가 다른 환경에서 각자 작업하면서도, 일관된 방식으로 일을 하거나 결과물을 만드는 것은 아주 중요한 만큼 우리에게 익숙한 과정입니다. AI 자산이란? 여기서 자산이란 영어 단어 assets를 번역한 표현입니다. 일반적으로 쓰이는 용어는 아니나 이 문서에서는 AI 도구를 활용하기 위해 […]
The post 흩어져 있는 AI 자산, ‘MCP stdio’로 헤쳐모여! first appeared on 우아한형제들 기술블로그. || 그 프롬프트… 어딨더라?
우리는 여러 사람이 각자의 장비로 여러 개의 서비스와 저장소를 관리하고, 또한 여러 개의 도구를 사용합니다. 모두가 다른 환경에서 각자 작업하면서도, 일관된 방식으로 일을 하거나 결과물을 만드는 것은 아주 중요한 만큼 우리에게 익숙한 과정입니다.
AI 자산이란?
여기서 자산이란 영어 단어 assets를 번역한 표현입니다. 일반적으로 쓰이는 용어는 아니나 이 문서에서는 AI 도구를 활용하기 위해 작성하는 여러 종류의 문서나 스크립트, 예를 들면 시스템 프롬프트, 스킬, 페르소나 등을 총칭합니다.
AI 자산도 이를 피해 갈 수 없습니다.
제한된 사용량을 피해 이 도구 저 도구를 유랑하다 보면, 혹은 여러 저장소에서 이 프롬프트 저 프롬프트를 복사해서 사용하다 보면, 어느 것이 최신 프롬프트인지, 어떤 스킬이 유용했는지 구분하기 어려워집니다. 더욱이 이런 AI 자산은 아주 긴 마크다운 문서, 혹은 복잡한 스크립트로 작성되어 있기 때문에 일일이 내용을 살펴보며 그 용도나 버전을 파악해 내기가 아주 피곤합니다.
흩어져 있는 여러 AI 자산을 중앙화하여 관리하고, 구성원들이 걱정 없이 최신화된 AI 자산을 언제 어디서든 쉽게 사용할 수 있는 방법, 있지 않을까요?
AI 자산 중앙화를 위한 두 가지 방법
AI 자산 중앙화를 구현하는 대표적인 방법으로는 Agent Sync와 MCP stdio가 있습니다.
본 문서에서는 두 방식의 장담점을 비교하고, 특히 완전한 중앙화 모델에 더 가까운 MCP stdio의 활용법과 실무 경험을 공유하고자 합니다.
Agent Sync
Agent Sync는 중앙 저장소에 AI 자산 파일을 관리하고, 각 프로젝트로 다운로드하는 방식입니다.
필요할 때에 사용자가 사용처에서 명령어를 실행하여 중앙에서 관리하는 AI 자산을 로컬로 다운로드하고, 다운로드한 AI 자산을 에이전트를 통해 활용할 수 있습니다.
장단점
Agent Sync를 사용하면 다운로드한 파일이 로컬에 있어 프롬프트 내용을 바로 확인할 수 있고, 필요하면 목적에 따라 쉽게 커스텀할 수 있습니다. 다만 자동으로 동기화되지 않기 때문에 버전 차이로 팀의 규칙이 쉽게 무너질 수 있으며, 동일한 자산이 여러 저장소에 중복되어 생성되기 때문에 체계적인 관리가 어렵습니다.
MCP stdio
MCP 서버를 만들고 AI 자산을 각 사용처에서 사용하는 방식입니다. 더불어 MCP에서 지원하는 여러 통신 수단 중 하나인 stdio(표준 입출력)를 사용하여 MCP 서버를 운용하는 비용과 난이도를 최소화합니다.
최초 한 번, 사용자의 AI 도구에 MCP 서버를 등록해두면 자동으로 최신 버전의 AI 자산을 에이전트를 통해 활용할 수 있습니다.
stdio란?
stdio는 Standard Input/Output의 약어로, HTTP가 네트워크 소켓을 이용한다면 stdio는 Linux의 기본 입출력 통로인 stdin과 stdout을 활용합니다. 덕분에 별도의 서버 구축 없이도 운영체제의 표준 스트림을 활용하여 복잡한 네트워크 설정 없이 로컬 프로세스 간의 데이터 통신을 구축할 수 있습니다.
장단점
MCP stdio를 사용하면 중앙에서 한 번 배포한 여러 IDE/CLI 환경에 빠르게 최신 자산을 일관되게 적용할 수 있습니다. 또한 표준 MCP 설계를 사용하기 때문에 텍스트 프롬프트뿐 아니라 도구 호출, 로컬/외부 연동 같은 실