MCP 뉴스

MCP Harbor는 Model Context Protocol(MCP)을 지원하는 다양한 서버들을 모아놓은 디렉토리 서비스입니다. 검색, 데이터베이스, 문서 관리, 브라우저 자동화 등 120개 이상의 도구를 에이전트에 연결할 수 있는 경로를 제공하며, 로컬 및 원격 서버를 모두 포함합니다.

Lumae는 macOS 전용 네이티브 화면 녹화 도구로, MCP(Model Context Protocol)를 활용하여 에이전트가 편집 가능한 기능을 제공합니다. 클릭 동작을 분석해 자동으로 줌 효과를 생성하거나 타임라인에서 수동으로 편집할 수 있는 지능형 기능을 갖추고 있습니다.

에이전트용 문서인 AGENTS.md에 기술적 사실과 운영 지침을 모두 적으면 코드 변경 시 정보 불일치가 발생할 위험이 큽니다. 따라서 기술적 사실은 YAML 같은 구조적 데이터로 관리하고, 이를 자연어 문서에 자동으로 주입하여 '인적 가독성'과 '기계적 정확성'을 동시에 확보해야 합니다.

KyttoMCP는 여러 AI 클라이언트에서 사용되는 MCP(Model Context Protocol) 서버를 단일 뷰에서 통합 관리할 수 있게 해주는 베타 버전의 솔루션입니다. 사용자는 각 클라이언트의 개별 규칙을 유지하면서도, 하나의 매트릭스 화면을 통해 서버의 활성화 상태를 손쉽게 제어할 수 있습니다.

MCP를 이용해 가짜 Sentry 에러를 전달함으로써 AI 에이뮬레이터나 에이전트가 공격자의 악성 패키지를 실행하게 만드는 '에이전트재킹' 공격이 보고되었습니다. 이 공격은 Claude Code, Cursor 등 인기 있는 AI 코딩 도구를 대상으로 하며, 실제 85%의 높은 성공률을 기록하며 수천 개의 조직을 위험에 빠뜨렸습니다.

MarketNow가 MCP 서버 인제스션(Ingestion)을 통해 1,097개의 서버를 추가하며 총 67,593개의 페이지를 확보했습니다. 이번 업데이트는 단순한 양적 팽창이 아니라, npm 패키지 이름과 GitHub 저장소의 연결성을 전수 조사하여 타이포스쿼팅(Typosquatting) 위험을 식별하고 데이터의 정확성을 검증하는 데 집중했습니다.

Amazon Bedcore AgentCore는 MCP(Model Context Protocol)를 확장하여 텍스트를 넘어 HTML 위젯을 통한 인터랙티브한 사용자 경험을 제공하는 MCP 앱 구축 플랫폼입니다. 개발자는 이를 통해 단일 엔드포인트로 다양한 AI 호스트에서 동일한 풍부한 UI를 구현할 수 있는 서버리스 환경을 구축할 수 있습니다.

정적 분석으로는 탐지할 수 없는 MCP 서버의 보안 허점이 동적 실행 검증을 통해 드러났습니다. 구체적으로 SSRF, 트랜잭션 탈출, 임의 파일 쓰기 등의 취약점이 발견되었으며, 이는 에이전트가 도구를 사용할 때의 신뢰 경계가 무너질 수 있음을 시사합니다.

Sitebulb는 AI 어시스턴트가 외부 데이터에 직접 연결될 수 있게 하는 MCP(Model Context Protocol)를 도입하여, LLM의 환각 현상을 줄이고 정확한 SEO 진단을 가능하게 합니다. 단순한 원시 데이터 제공을 넘어, Sitebulb의 사전 분석된 '힌트'와 '인식'을 AI에 전달함으로써 작업 효율성을 극대화합니다.

Mushrooms는 AI 모델이 외부 도구와 연결되어 실제 액션을 취할 수 있도록 돕는 MCP 서버 솔루션입니다. 2,000개 이상의 앱 연동을 지원하며, 사용자가 AI의 권한을 세밀하게 제어하고 모든 실행 내역을 로그로 확인할 수 있는 보안 중심의 환경을 제공합니다.

이 글은 Model Context Protocol(MCP)을 활용하여 Apify의 Clutch 스크래퍼를 AI 에이전트에 노출하는 기술적 방법을 다룹니다. 특정 도구로 MCP 서버 범위를 제한하여 토큰 효율성을 높이고, JSON 스키마를 통해 에이전트가 구조화된 데이터를 정확히 요청하도록 구성하는 최적화 전략을 설명합니다.

Zoipi는 광고와 스폰서십 중심의 기존 AI 디렉토리 문제를 해결하고자 설계된 가볍고 빠른 AI 도구 발견 엔진입니다. 특히 MCP(Model Context Protocol) 서버를 핵심 인덱싱 대상으로 포함하며, 도구의 가격 모델을 투명하게 공개하여 개발자들의 효율적인 기술 스택 구성을 돕습니다.

AI 에이전트의 성능을 측정하는 '에이전트 평가'와 별개로, MCP 서버 자체의 안정성을 검증하는 결정론적 테스트 체계가 필요함을 강조합니다. 가드레일 유닛 테스트부터 공격적 페이로드 검증까지, 보안 계약을 유지하기 위한 계층적 테스트 방법론을 제안합니다.

AI 에이전트가 소셜 미디어 데이터를 활용할 때 발생하는 스크래핑 유지보수 문제를 해결하기 위해 MCP(Model Context Protocol)를 활용한 지속적인 데이터 공급의 중요성을 강조합니다. Social Fetch는 레이아웃 변경에 대응하는 구조화된 데이터를 API 형태로 제공하여 개발자가 직접 스크래퍼를 관리할 필요가 없게 합니다.

Python 기반의 MCP 서버인 mcp-applemusic은 74개의 도구를 통해 AI 에이전트가 Apple Music의 재생, 플레이리스트 관리, AirPlay 제어 등을 수행할 수 있도록 지원합니다. 특히 LLM에 의존하지 않는 로컬 데몬 방식을 채택하여 비용을 절감하고 정밀한 음악 믹싱을 구현한 것이 특징입니다.