콘텐츠로 이동

Task 4: MCP

Amazon Q Developer의 MCP (Model Context Protocol) 기능은 AI 어시스턴트가 외부 도구와 데이터 소스에 접근할 수 있도록 하는 표준화된 프로토콜입니다. MCP를 사용하면 Amazon Q가 최신 AWS 문서, 코드 샘플, 사내 지식베이스 등 실시간 정보에 접근하여 더 정확한 답변을 제공할 수 있습니다.

이전 실습에서 배운 Rules가 AI의 동작을 제어했다면, MCP는 AI의 능력을 확장합니다.

이 실습에서는 AWS Knowledge MCP 서버를 설정하고, Rules와 결합하여 자동화된 워크플로우를 구축합니다.

🎯 학습 목표

  • AWS Knowledge MCP 서버를 Amazon Q Developer에 설정하기
  • MCP 도구를 수동으로 호출하고 실행 결과 확인하기
  • Rules와 MCP를 결합하여 자동화된 워크플로우 구축하기

💡 MCP 작동 원리

MCP는 사용자 - MCP 클라이언트 - MCP 서버 - 데이터 소스 - LLM으로 이어지는 흐름으로 작동합니다.

  • MCP 통신 흐름 (10단계) MCP Architecture

    위 다이어그램은 사용자 질문이 MCP를 통해 처리되는 전체 과정을 보여줍니다:

    1. Query (사용자 질문)

    • 사용자가 Amazon Q에 자연어로 질문을 입력합니다.
    • 예: "AWS Bedrock의 이미지 생성 모델은 무엇인가요?"

    2. Prompt (LLM에 전달)

    • MCP 클라이언트(Amazon Q CLI)가 사용자 질문을 LLM으로 전달합니다.
    • 이때 Context, Rules, 대화 기록도 함께 포함됩니다.

    3. Use tool to get additional context (도구 사용 결정)

    • LLM이 질문을 분석하고, 외부 정보가 필요하다고 판단합니다.
    • "최신 AWS Bedrock 문서를 확인해야겠다"고 결정합니다.

    4. Call (MCP 도구 호출)

    • MCP 클라이언트가 MCP 서버에 특정 도구 실행을 요청합니다.
    • 예: aws_docs_search 도구를 query="Bedrock image generation models" 파라미터로 호출

    5. Query (데이터 소스 조회)

    • MCP 서버 내의 도구가 실제 데이터 소스(AWS 문서 데이터베이스)에 쿼리를 전송합니다.

    6. Response (데이터 소스 응답)

    • 데이터 소스가 관련 문서와 코드 샘플을 MCP 도구에 반환합니다.

    7. Result (도구 실행 결과)

    • MCP 도구가 검색 결과를 정리하여 MCP 클라이언트에 반환합니다.

    8. Tool result (결과 LLM 전달)

    • MCP 클라이언트가 도구 실행 결과를 LLM에게 전달합니다.
    • LLM은 이제 최신 정보를 컨텍스트로 활용할 수 있습니다.

    (Repeat as required):

    • LLM이 추가 정보가 필요하다고 판단하면 3~8단계를 반복합니다.
    • 예: 코드 샘플이 필요하면 get_code_sample 도구를 추가로 호출합니다.

    9. Final response (최종 답변 생성)

    • LLM이 원래 질문 + 도구 결과를 종합하여 최종 답변을 생성합니다.
    • "2025년 기준 AWS Bedrock에서는 Stable Diffusion 3.0 모델을 사용할 수 있습니다..."

    10. Response (사용자에게 응답)

    • MCP 클라이언트가 최종 답변을 사용자에게 표시합니다.

Act 1: AWS Knowledge MCP 서버 설정하기

AWS Knowledge MCP Server는 최신 AWS 문서와 코드 샘플을 제공하는 원격 MCP 서버입니다.

1-1. MCP 서버 설정 UI 열기

  1. Amazon Q Developer 패널 상단의 "Configure MCP servers" 버튼을 클릭합니다.

    mcp_set1

  2. MCP 서버 목록 화면에서 "+" 버튼을 클릭합니다.

    mcp_set2

1-2. AWS Knowledge MCP 서버 추가하기

  1. 다음 정보를 입력하여 MCP 서버를 설정합니다:

    항목 값
    Scope Global
    Name AWS Knowledge MCP Server
    Transport http
    URL https://knowledge-mcp.global.api.aws

    mcp_set3

  2. "Save" 버튼을 클릭하여 설정을 저장합니다.

    Scope: Global vs Local

    • Global: 모든 프로젝트에서 사용 가능
    • Local: 현재 프로젝트에만 적용

1-3. 사용 가능한 도구 확인하기

  • 설정이 완료되면 MCP 서버가 제공하는 Tools (도구) 목록이 자동으로 표시됩니다.

    mcp_set4

    MCP 서버 설정 완료!

    이제 Amazon Q Developer가 AWS Knowledge MCP Server를 통해 실시간으로 최신 AWS 정보에 접근할 수 있습니다!

Act 2: MCP 도구 수동 호출하기

설정한 MCP 서버의 도구를 실제로 사용해보겠습니다.

2-1. 새 채팅 세션 시작하기

  1. 채팅 입력창에 /clear를 입력하거나, 상단 탭에서 "+" 버튼을 클릭하여 새 채팅을 시작합니다.

    clear

2-2. MCP 도구 호출 테스트하기

  • 다음 프롬프트를 입력하여 Amazon Q가 MCP 서버를 호출하는지 확인합니다:

    프롬프트

    AI로 이미지를 생성하고자 합니다. AWS의 Bedrock FM 모델 중 어떤 모델을 사용하여 이미지를 생성할 수 있는지 최신 문서를 참고해서 답변하세요.

    mcp_set5

2-3. 도구 실행 승인하기

  • 채팅 중 Amazon Q가 MCP 도구 사용을 요청하면 "Run" 버튼이 표시됩니다.
    "Run" 버튼을 클릭하여 도구 실행을 승인합니다. mcp_set6

    도구 실행 권한

    MCP 도구는 기본적으로 "Ask" 권한으로 설정되어 사용 전 확인을 요청합니다.

    자동 실행을 원한다면 MCP 설정에서 권한을 "Always Allow"로 변경하세요.

2-4. 응답 확인하기

  • Amazon Q가 MCP 도구를 통해 최신 AWS 문서를 검색하고, 그 결과를 바탕으로 답변합니다.

    mcp_set7

  • 확인할 사항:

    • ✅ 최신 정보(2025년 기준)가 포함되어 있는지
    • ✅ 구체적인 모델 이름이 제공되는지
    • ✅ 응답 하단에 참조 출처가 표시되는지

    MCP 도구 작동 확인 완료!

    Amazon Q가 실시간 외부 데이터를 활용하여 답변한 것을 확인했습니다!

Act 3: Rules와 MCP를 결합한 자동화

현재는 "최신 문서를 참고해서"라고 명시해야 MCP 도구가 호출됩니다. 이 과정을 자동화하기 위해 Rules를 추가하겠습니다.

3-1. MCP 자동 사용을 위한 Rule 생성하기

  1. 채팅 입력창 우측의 "Rules" 버튼을 클릭합니다.

    create_rule1

  2. 드롭다운 메뉴에서 "Create a new rule"을 선택합니다.

  3. Rule name 입력창에 mcp_rule을 입력하고 "Create" 버튼을 클릭합니다.

    mcp_set8

3-2. Rule 내용 작성하기

  • IDE에서 자동으로 열린 .amazonq/rules/mcp_rule.md 파일에 다음 규칙을 작성합니다:

    mcp_rule.md

    모든 AWS 관련 질의나 요청을 처리할 때에는, 항상 최신 공식 문서를 기준으로 응답과 결과를 생성해야 합니다.

이를 위해 AWS Knowledge MCP Server에서 제공하는 도구를 사용하여 정보를 조회하고, 그 결과를 기반으로 답변을 구성하십시오.

3-3. 자동화 테스트하기

Rule이 제대로 작동하는지 테스트합니다.

  1. 새 채팅 시작:

    • /clear를 입력하거나 새 탭을 엽니다.

  2. Active File Context 제거:

    • 입력창 위에 "Active file" Context가 있다면 ❌ 버튼을 클릭하여 제거합니다.

    mcp_set9

  3. 테스트 프롬프트 입력:

    예시 프롬프트 
    AWS S3 버킷 조회 및 객체 업로드 예시 Python 코드를 작성하지 않고(파일 생성 없이) 답변과 함께 설명하세요.

  4. 자동 실행 확인:

    Amazon Q가 자동으로 mcp_rule.md Context를 추가하고, MCP 도구를 호출하는지 확인합니다.

    mcp_set10

🧹 리소스 정리

실습을 마친 후, Amazon Q가 생성한 파일이 있다면 삭제합니다.

리소스 정리의 이유

다음 실습에서 불필요한 컨텍스트가 포함되지 않도록 하기 위함입니다.

💡 MCP 활용 고급 팁

  1. 다양한 AWS MCP 서버 활용하기

    AWS는 여러 전문화된 MCP 서버를 제공합니다:

    AWS 공식 MCP 서버 디렉토리: https://awslabs.github.io/mcp/

    주요 AWS MCP 서버:

    • AWS Knowledge MCP Server: 문서 및 코드 샘플
    • AWS Diagram MCP Server: AWS 아키텍처 다이어그램 생성
    • AWS Documentation MCP Server: 심화 문서 검색
    • AWS RDS Operator MCP Server: RDS 인스턴스 관리

  2. 커뮤니티 MCP 서버 탐색하기

    AWS 외에도 다양한 커뮤니티 MCP 서버를 사용할 수 있습니다:

    Smithery - MCP 서버 마켓플레이스: https://smithery.ai/

    인기 커뮤니티 MCP 서버:

    • GitHub MCP Server: 리포지토리 관리 및 이슈 추적
    • Slack MCP Server: 메시지 전송 및 채널 관리
    • PostgreSQL MCP Server: 데이터베이스 쿼리 실행
    • Google Drive MCP Server: 문서 검색 및 다운로드
    • Linear MCP Server: 프로젝트 관리 및 이슈 트래킹

  3. 로컬 MCP 서버 구축하기

    사내 시스템이나 프라이빗 데이터 소스를 위한 자체 MCP 서버를 구축할 수 있습니다.

    MCP 서버 구축 언어:

    • Python
    • TypeScript/Node.js
    • Rust
    • Go

    참고 자료:

  4. MCP 도구 권한 세밀하게 관리하기

    프로덕션 환경에서는 도구별로 권한을 세밀하게 설정해야 합니다:

    권한 수준:

    • Ask: 매번 사용자 승인 필요 (민감한 작업)
    • Allow: 자동 실행 (읽기 전용, 안전한 작업)
    • Deny: 완전히 차단 (위험한 작업)

  5. MCP와 Rules의 시너지 극대화하기

    Rules와 MCP를 전략적으로 결합하면 강력한 자동화를 구축할 수 있습니다:

    시나리오 1: 보안 정책 자동 적용 

    # Rule
모든 AWS IAM 정책 생성 시:
1. AWS Security Best Practices MCP Server로 보안 검증
2. 최소 권한 원칙 준수 확인
3. 위험한 권한(*)이 포함되면 경고

    시나리오 2: 코드 리뷰 자동화 

    # Rule
Pull Request 코드 리뷰 시:
1. GitHub MCP Server로 최근 이슈 확인
2. 관련 이슈가 있으면 자동으로 링크 추가
3. Slack MCP Server로 리뷰 요청 알림 전송

⚠️ 주의사항

토큰 사용량

MCP 도구가 검색한 결과는 토큰을 소비합니다. 구체적이고 좁은 범위의 검색을 수행하세요.

보안

  • 도구별 권한을 최소한으로 설정
  • 민감한 데이터 접근 도구는 "Ask" 권한 유지

✅ 요약

이 워크숍 활동에서 다음 항목을 실습했습니다:

  • ✅ MCP 작동 원리를 10단계 통신 흐름으로 이해
  • ✅ AWS Knowledge MCP 서버를 설정하고 도구 확인
  • ✅ MCP 도구를 수동으로 호출하고 최신 문서 기반 답변 받기
  • ✅ Rules와 MCP를 결합하여 자동화된 워크플로우 구축

🚀 다음 단계

다음 실습에서는 지금까지 배운 Chat, Agent, Rules, MCP의 모든 기능을 결합하여:

  • 실제 AI Image Gallery 애플리케이션 구축
  • AWS Bedrock을 활용한 이미지 생성 기능 구현
  • Streamlit 웹 프레임워크로 UI 개발

이제 실전 애플리케이션 구축으로 모든 지식을 통합해봅시다! 🎉