[생성형 AI] Claude API와 MCP 연동 방법(+실무 팁)

https://claremont.tistory.com/entry/%EC%83%9D%EC%84%B1%ED%98%95-AI-%EC%9A%94%EC%A6%98-%ED%95%AB%ED%95%9C-Anthropic-%ED%81%B4%EB%A1%9C%EB%93%9C%EC%9D%98-MCPfeat-Smithery-%EC%82%AC%EC%9D%B4%ED%8A%B8

[생성형 AI] 요즘 핫한 Anthropic 클로드의 MCP(feat. Smithery 사이트)

이전 글에서 Claude MCP(Model Context Protocol)에 대해서 다뤄봤었다.

오늘은 실제로 이 Claude API를 이용해서 MCP를 연동하는 방법에 대해서 알아보려 한다!

+ 실무 꿀팁도 담아보았다 ㅎㅎ

 

Anthropic사의 Claude 모델

 

Anthropic은 Claude 모델에 접근하기 위해 RESTful API를 제공하며, 이 API에 구조화된 입력(MCP)을 보내면, Claude는 그 문맥을 이해하고 적절한 응답을 생성한다. Claude 3 계열 모델들은 특히 MCP 형식의 입력을 깊이 이해하고 활용할 수 있도록 설계되어 있다.

 

1. 사전 준비

✅ API 키 발급

1. https://console.anthropic.com에서 계정을 생성
2. API Keys 탭에서 새로운 키를 발급 (예: sk-ant-... 형태)

✅ HTTP 클라이언트 준비

Python 기준으로는 보통 requests 또는 httpx, 혹은 openai 스타일의 wrapper를 사용한다!

 

 

2. 기본 API 요청 구조

Claude API는 https://api.anthropic.com/v1/messages 엔드포인트로 요청을 보낸다. 구조는 다음과 같다

POST /v1/messages
Authorization: Bearer YOUR_API_KEY
anthropic-version: 2023-06-01
Content-Type: application/json

 

Request Body 예시 (MCP 포함)

{
  "model": "claude-3-opus-20240229",
  "max_tokens": 1024,
  "temperature": 0.5,
  "system": "You are a helpful research assistant.",
  "messages": [
    {
      "role": "user",
      "content": [
        {
          "type": "text",
          "text": "<document>\n  <metadata>\n    <title>드론 배송 시스템</title>\n    <author>홍길동</author>\n  </metadata>\n  <content>\n    이 문서는 서울시의 드론 기반 배송 시스템 설계와 운영 방안을 다룬다...\n  </content>\n</document>\n\n<message role=\"user\">이 시스템에 머신러닝 기반 스케줄링을 추가하려면?</message>"
        }
      ]
    }
  ]
}

 

여기서 "content" 필드에 들어가는 MCP 형식의 텍스트가 바로 Claude가 문서 구조와 대화 흐름을 파악하게 만드는 핵심이다!

 

 

3. 응답 형식

Response 예시

{
  "id": "msg_01...",
  "type": "message",
  "role": "assistant",
  "content": [
    {
      "type": "text",
      "text": "머신러닝 기반 스케줄링을 추가하려면 다음과 같은 데이터와 모델이 필요합니다..."
    }
  ],
  "model": "claude-3-opus-20240229",
  "stop_reason": "end_turn"
}

 

content[0].text가 Claude의 실제 응답이다

 

 

 

4. Python 코드 예제

import requests

API_KEY = "sk-ant-..."
headers = {
    "Authorization": f"Bearer {API_KEY}",
    "Content-Type": "application/json",
    "anthropic-version": "2023-06-01"
}

data = {
    "model": "claude-3-opus-20240229",
    "max_tokens": 1024,
    "temperature": 0.5,
    "system": "You are a helpful research assistant.",
    "messages": [
        {
            "role": "user",
            "content": [
                {
                    "type": "text",
                    "text": """
                            <document>
                                <metadata>
                                <title>드론 배송 시스템</title>
                                <author>홍길동</author>
                                </metadata>

                                <content>
                                이 문서는 서울시의 드론 기반 배송 시스템 설계와 운영 방안을 다룬다.
                                </content>
                            </document>

                            <message role="user">이 시스템에 머신러닝 기반 스케줄링을 추가하려면?</message>
                            """
                }
            ]
        }
    ]
}

response = requests.post("https://api.anthropic.com/v1/messages", headers=headers, json=data)
print(response.json()['content'][0]['text'])

 

 

 

+ 실무 팁

① MCP는 text 타입으로 전달되어야 한다

Claude는 XML 형식으로 파싱하되, 실제로는 "텍스트"로 처리된다

 

 

② 긴 문서는 <document>를 여러 개로 나눠서 전달해도 된다

문서 간 비교나 추론 작업에도 유용하다

 

 

③ system prompt도 병행 활용 가능하다

Claude에게 역할, 말투, 스타일, 태도 등을 명확히 부여하여 문서 해석 능력 강화시킨다!

system prompt 예시

 

 

④ 응답이 생각보다 느릴 수 있다..

토큰 길이에 따라서 응답 시간이 수 초 이상 걸릴 수가 있다

어느 정도까지..?

• 수백에서 수천 토큰 입력 + 요약 요청만 해도 3~8초 지연 발생 가능
• 문서 2~3개 이상 + system prompt + MCP 형식 사용 시, 10초 이상 응답 시간 걸릴 수 있음

[개선 팁]

 

 

 

 

Claude의 MCP는 단순히 텍스트를 던지는 방식이 아닌, AI에게 "문서의 의미"와 "사용자의 목적"을 명확히 전달할 수 있는 강력한 도구이다. 이를 API에서 직접 활용하면 실무에서도 문서 요약, 코드 리뷰, 연구 지원, 업무 자동화 등 다양한 AI 기반 워크플로우를 구축할 수 있다! MCP에 대해서 명확히 숙지하고, 필요할 때에 활용할 수 있도록 연마해 두자 :ㅕ

 

#SK, #SKALA, #SKALA1기