Skip to main content
이 문서는 MCP 섹션의 일부입니다.

​
MCP 서버 디렉토리

MCP 서버를 찾을 수 있는 주요 사이트입니다:
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.

​
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.

​
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.

​
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.

​
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.

​
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.

​
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.

​
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.