MCP Gateway - 기존 API를 MCP 도구로 통합하는 Uber의 플랫폼 설계

(news.hada.io)

Uber가 기존의 다양한 API와 프로토콜을 MCP(Model Context Protocol)로 통합하는 'MCP Gateway'를 설계하여, 수천 개의 도구를 중앙 집중식으로 관리하고 보안과 비용 효율성을 극대화한 플랫폼 아키텍처를 공개했습니다.

이 글의 핵심 포인트

1MCP Gateway를 통해 800개 이상의 서버와 5,000개 이상의 도구를 통합 관리
2AutoCrawler를 활용하여 기존 IDL(Protobuf, Thrift)로부터 MCP 도구를 자동 발견 및 등록
3Proxy Gateway가 HTTP, gRPC, TChannel 등 다양한 프로토콜을 MCP 표준으로 변환
4Response Projection 및 Code Mode를 통해 LLM의 컨텍스트 사용량과 토큰 비용 최적화
5도구 단위의 접근 제어(Access Control) 및 응답 내 개인정보/민감정보 제거 기능 내장

이 글에 대한 공공지능 분석

왜 중요한가?

AI 에이전트의 확산은 단순히 모델의 성능을 넘어, 에이전트가 기업 내부 데이터와 서비스에 얼마나 안전하고 정확하게 접근할 수 있느냐는 '연결성'의 문제로 전이되고 있습니다. Uber의 설계는 파편화된 도구들을 하나의 표준(MCP)으로 통합하여 운영 복잡성을 해결하는 구체적인 아키텍처를 제시했다는 점에서 매우 중요합니다.

어떤 배경과 맥락이 있나?

에이전트 워크플로가 늘어남에 따라 각 팀이 개별적으로 MCP 서버를 구축하면서 도구의 중복, 발견의 어려움, 보안 관리의 부재라는 '인프라 파편화' 문제가 발생했습니다. Uber는 이를 해결하기 위해 기존의 서비스 메시(Service Mesh) 개념을 MCP에 접목하여 제어 평면(Registry)과 데이터 평면(Gateway)을 분리하는 접근법을 취했습니다.

업계에 어떤 영향을 주나?

기업들은 이제 개별적인 AI 연동에 집중하는 대신, 기존 API를 어떻게 '에이전트 친화적(Agent-ready)'으로 노출할 것인가에 대한 플랫폼 전략을 고민해야 합니다. 이는 'Tool-as-a-Service'라는 새로운 인프라 계층의 등장을 예고하며, API 관리(APIM) 시장의 패러다임을 AI 에이전트 중심으로 재편할 수 있습니다.

한국 시장에 어떤 시사점이 있나?

레거시 시스템(gRPC, Thrift 등)이 복잡하게 얽힌 한국의 대규모 엔터프라이즈 환경에서, 기존 인프라의 대대적인 수정 없이 AI 에이전트를 도입할 수 있는 'Low-code/No-code' 방식의 MCP 통합 전략은 매우 실용적인 벤치마킹 대상입니다.

이 글에 대한 큐레이터 의견

Uber의 MCP Gateway 설계는 AI 에이전트 시대의 핵심 과제가 '모델의 지능'이 아닌 '인프라의 거버넌스'에 있음을 명확히 보여줍니다. 수천 개의 도구를 관리하면서도 보안과 비용을 통제하기 위해 프로토콜 변환과 응답 최적화(Response Projection)를 도입한 점은, 대규모 에이전트 시스템을 운영하려는 기업들에게 매우 강력한 설계 패턴을 제공합니다.

물론 트레이드오프도 존재합니다. 모든 요청이 게이트웨이를 거치며 프로토콜을 변환하는 과정에서 발생하는 네트워크 레이턴시(Latency)와, 게이트웨이가 모든 도구의 권한을 가진 '단일 장애점(Single Point of Failure)'이 될 위험은 반드시 고려해야 합니다. 또한, 자동화된 도구 발견(AutoCrawler)이 자칫 보안 팀의 통제를 벗어난 과도한 권한 노출로 이어지지 않도록 '발견과 노출의 분리'라는 Uber의 원칙을 엄격히 적용해야 합니다.

스타트업 창업자들은 이 사례를 통해 '에이전트가 사용하기 쉬운 API'를 만드는 것이 곧 경쟁력이 될 수 있음을 인지해야 합니다. 단순히 기능을 제공하는 API를 넘어, 스키마가 명확하고 에이전트가 컨텍스트를 최소화하며 호출할 수 있는 '에이전트 친화적 인터페이스'를 구축하는 것이 차세대 AI 서비스의 핵심 차별화 포인트가 될 것입니다.

원문 보기 →