참고 학습 목표
- 카테고리별 인기 MCP 서버와 주요 기능을 파악한다
- 여러 MCP 서버를 조합한 실전 자동화 시나리오를 설계할 수 있다
- Genie Code / Claude Code에 MCP 서버를 추가하는 방법을 이해한다
- MCP 서버 디렉토리에서 필요한 서버를 찾고 평가할 수 있다
MCP 서버 디렉토리
MCP 서버를 찾을 수 있는 주요 사이트입니다:| 디렉토리 | URL | 특징 |
|---|---|---|
| 공식 레퍼런스 서버 | github.com/modelcontextprotocol/servers | Anthropic이 직접 관리하는 공식 서버. 품질과 안정성 보장 |
| Smithery | smithery.ai | 가장 큰 커뮤니티 마켓플레이스. 원클릭 설치, 인기순 정렬 |
| MCP.so | mcp.so | 서버 검색 및 비교. 카테고리별 분류 |
| Glama | glama.ai/mcp/servers | 서버 평가 및 리뷰 |
| Awesome MCP Servers | github.com/punkpeye/awesome-mcp-servers | GitHub Awesome 리스트. 커뮤니티 큐레이션 |
| Cursor Directory | cursor.directory | Cursor IDE 중심의 MCP 서버 목록 |
팁 서버 선택 기준: GitHub Star 수, 최근 커밋 활동, 이슈 응답 속도, 공식(Anthropic/벤더) 여부를 확인하세요. 커뮤니티 서버는 품질 편차가 큽니다.
카테고리별 인기 MCP 서버
각 카테고리별로 왜 해당 MCP 서버들이 중요한지, 실무에서 어떤 가치를 제공하는지 맥락과 함께 설명합니다.커뮤니케이션 & 협업
왜 이 카테고리가 중요한가: AI 에이전트의 분석 결과나 작업 완료 알림을 사람에게 전달하려면, 커뮤니케이션 도구와의 연동이 필수입니다. 특히 Slack은 MCP 생태계에서 가장 많이 사용되는 출력 채널 입니다. 분석 결과를 Slack으로 전송하면, 별도의 대시보드를 열지 않아도 팀 전체가 즉시 인사이트를 공유할 수 있습니다.| 서버 | 패키지 / 리포 | 주요 Tool | 활용 사례 |
|---|---|---|---|
| Slack | @modelcontextprotocol/server-slack | send_message, search_messages, list_channels, get_channel_history | 채널 메시지 전송, 대화 검색, 스레드 요약 |
| Microsoft Teams | mcp-server-microsoft-teams (커뮤니티) | send_message, list_teams, search_messages | Teams 채널 알림, 회의 요약 전송 |
| Discord | @modelcontextprotocol/server-discord (커뮤니티) | send_message, read_messages, manage_channels | 커뮤니티 관리, 봇 응답 |
| Gmail | @anthropic/gmail-mcp-server | search_emails, send_email, draft_email, read_email | 이메일 초안 작성, 수신함 분석 |
| Google Calendar | @anthropic/google-calendar-mcp | list_events, create_event, check_availability | 일정 확인, 미팅 생성, 빈 시간 검색 |
개발 & DevOps
왜 이 카테고리가 중요한가: 개발 도구와의 연동은 “코드 검색 → 이슈 생성 → PR 확인”이라는 개발 워크플로를 AI 에이전트가 자율적으로 수행할 수 있게 합니다. 특히 GitHub MCP는 Genie Code와 조합하면 “Databricks에서 데이터 분석 → GitHub에서 관련 코드 검색 → 코드 변경의 데이터 영향 분석”이라는 데이터와 코드를 넘나드는 워크플로 가 가능합니다.| 서버 | 패키지 / 리포 | 주요 Tool | 활용 사례 |
|---|---|---|---|
| GitHub | @modelcontextprotocol/server-github | search_repositories, create_issue, list_pull_requests, get_file_contents | PR 리뷰, 이슈 관리, 코드 검색 |
| GitLab | @modelcontextprotocol/server-gitlab | create_issue, list_merge_requests, search_code | MR 관리, 파이프라인 모니터링 |
| JIRA | mcp-server-atlassian (커뮤니티) | search_issues, create_issue, update_issue, add_comment | 이슈 생성, 스프린트 관리, 상태 업데이트 |
| Linear | mcp-server-linear (커뮤니티) | create_issue, list_issues, update_issue | 이슈 트래킹, 프로젝트 관리 |
| Sentry | mcp-server-sentry (커뮤니티) | list_issues, get_issue_details, resolve_issue | 에러 모니터링, 이슈 분석 |
데이터베이스
왜 이 카테고리가 중요한가: 데이터베이스 MCP 서버는 AI 에이전트가 실제 데이터에 직접 접근 할 수 있게 합니다. 특히 Claude Desktop이나 Claude Code 같은 로컬 AI 클라이언트에서 PostgreSQL/MySQL MCP를 연결하면, 별도의 DB 클라이언트 없이 자연어로 데이터를 조회하고 분석할 수 있습니다. Databricks 환경에서는 Managed MCP(Databricks SQL)가 이 역할을 대신합니다.| 서버 | 패키지 / 리포 | 주요 Tool | 활용 사례 |
|---|---|---|---|
| PostgreSQL | @modelcontextprotocol/server-postgres | query, list_tables, describe_table | SQL 쿼리 실행, 스키마 탐색, 데이터 분석 |
| MySQL | @benborla29/mcp-server-mysql (커뮤니티) | query, list_databases, describe_table | DB 조회, 데이터 검증 |
| MongoDB | mcp-server-mongodb (커뮤니티) | find, aggregate, list_collections | 문서 검색, 집계 쿼리 |
| SQLite | @modelcontextprotocol/server-sqlite | query, list_tables, describe_table | 로컬 DB 분석, 프로토타이핑 |
| Redis | mcp-server-redis (커뮤니티) | get, set, keys, info | 캐시 관리, 세션 데이터 조회 |
클라우드 & 인프라
왜 이 카테고리가 중요한가: 클라우드 인프라 MCP 서버는 DevOps/SRE 팀에게 특히 유용합니다. 인시던트 발생 시 “S3에서 관련 로그 파일 확인 → CloudWatch 메트릭 조회 → Lambda 함수 실행”을 AI 에이전트가 자율적으로 수행하여 초기 진단 시간을 크게 단축할 수 있습니다. AWS MCP는 AWS 공식 지원이므로 프로덕션 사용에도 안정적입니다.| 서버 | 패키지 / 리포 | 주요 Tool | 활용 사례 |
|---|---|---|---|
| AWS | @aws/mcp (AWS 공식) | s3_list, s3_get, cloudwatch_query, lambda_invoke | S3 파일 관리, 로그 분석, Lambda 실행 |
| GCP | @anthropic/gcp-mcp-server | bigquery_query, gcs_list, gcs_read | BigQuery 분석, GCS 파일 관리 |
| Azure | mcp-server-azure (커뮤니티) | blob_list, cosmos_query | Blob Storage, CosmosDB 연동 |
| Kubernetes | mcp-server-kubernetes (커뮤니티) | get_pods, get_logs, describe_resource | 클러스터 상태 확인, 파드 로그 조회 |
| Docker | mcp-server-docker (커뮤니티) | list_containers, get_logs, exec_command | 컨테이너 관리, 로그 분석 |
문서 & 생산성
왜 이 카테고리가 중요한가: 분석 결과를 문서화하고 팀과 공유하는 것은 데이터 작업의 마지막 단계이자 가장 소홀히 되는 단계입니다. Notion/Confluence MCP를 연동하면 “분석 → 문서화”를 하나의 워크플로로 자동화할 수 있습니다. “이 분석 결과를 Notion에 보고서로 작성해줘”라는 한 마디로 구조화된 문서가 자동 생성됩니다.| 서버 | 패키지 / 리포 | 주요 Tool | 활용 사례 |
|---|---|---|---|
| Google Drive | @modelcontextprotocol/server-gdrive | search_files, read_file, list_files | 문서 검색, 파일 내용 읽기 |
| Notion | @notionhq/notion-mcp-server (Notion 공식) | search, read_page, create_page, update_page, query_database | 위키 관리, DB 조회, 문서 생성 |
| Confluence | mcp-server-confluence (커뮤니티) | search_pages, get_page, create_page | 문서 검색, 페이지 생성 |
| Google Sheets | mcp-server-google-sheets (커뮤니티) | read_sheet, write_cells, create_sheet | 스프레드시트 자동화 |
| Obsidian | mcp-server-obsidian (커뮤니티) | search_notes, read_note, create_note | 노트 관리, 지식베이스 검색 |
웹 & 검색
왜 이 카테고리가 중요한가: LLM의 지식에는 학습 시점(cutoff) 이후의 정보가 없습니다. 웹 검색 MCP를 연동하면 AI 에이전트가 최신 정보 에 접근할 수 있습니다. 경쟁사 분석, 기술 동향 조사, 최신 문서 참조 등에 필수적입니다. Brave Search는 API 무료 티어가 있어 개인 사용에 적합합니다.| 서버 | 패키지 / 리포 | 주요 Tool | 활용 사례 |
|---|---|---|---|
| Brave Search | @modelcontextprotocol/server-brave-search | web_search, local_search | 웹 검색, 로컬 비즈니스 검색 |
| Puppeteer | @modelcontextprotocol/server-puppeteer | navigate, screenshot, click, evaluate | 웹 스크래핑, UI 테스트, 스크린샷 |
| Playwright | @anthropic/playwright-mcp | navigate, click, fill, screenshot | 브라우저 자동화, E2E 테스트 |
| Fetch | @modelcontextprotocol/server-fetch | fetch | URL 내용 가져오기, API 호출 |
파일 & 스토리지
왜 이 카테고리가 중요한가: 파일 시스템 MCP는 로컬 개발 환경에서 AI가 프로젝트 파일을 직접 읽고 수정할 수 있게 합니다. Claude Code는 자체적으로 파일 접근이 가능하지만, 다른 MCP 클라이언트에서는 Filesystem MCP가 필요합니다. S3/GCS MCP는 클라우드 스토리지의 파일을 AI가 직접 관리할 수 있게 하여, 데이터 레이크 운영을 자동화합니다.| 서버 | 패키지 / 리포 | 주요 Tool | 활용 사례 |
|---|---|---|---|
| Filesystem | @modelcontextprotocol/server-filesystem | read_file, write_file, search_files, list_directory | 로컬 파일 관리, 코드 탐색 |
| S3 | @aws/s3-mcp-server | list_objects, get_object, put_object | S3 파일 관리 |
| Google Cloud Storage | mcp-server-gcs (커뮤니티) | list_blobs, read_blob, upload_blob | GCS 파일 관리 |
모니터링 & 관측
왜 이 카테고리가 중요한가: 인시던트 대응은 시간이 생명입니다. 모니터링 MCP를 연동하면 “현재 Critical 알림 확인 → 관련 메트릭 조회 → 로그 분석 → 원인 추론 → 팀에 보고”라는 전체 대응 프로세스를 AI가 몇 분 만에 수행합니다. 특히 야간이나 주말에 온콜 엔지니어의 초기 대응 속도를 크게 높일 수 있습니다.| 서버 | 패키지 / 리포 | 주요 Tool | 활용 사례 |
|---|---|---|---|
| Datadog | mcp-server-datadog (커뮤니티) | query_metrics, list_monitors, get_events | 메트릭 조회, 알림 관리 |
| Grafana | mcp-server-grafana (커뮤니티) | query_dashboard, list_alerts, search_dashboards | 대시보드 조회, 알림 확인 |
| PagerDuty | mcp-server-pagerduty (커뮤니티) | list_incidents, acknowledge_incident, resolve_incident | 인시던트 관리 |
| Prometheus | mcp-server-prometheus (커뮤니티) | query, query_range, list_alerts | 메트릭 쿼리, 알림 조회 |