AutoDev, 새로운 지평을 열다: MCP 프로토콜의 양방향 지원, 새로운 AI 코딩 도구 에코시스템 구축

AI 코딩 분야에서는 AI 지능체(에이전트)가 복잡한 소프트웨어 개발 작업을 완료하기 위해 도구를 보다 효과적으로 사용하도록 하는 방법이 핵심 관심사였습니다. "도구 사용/함수 호출은 이러한 맥락에서 탄생한 핵심 기술입니다. 완벽한 소프트웨어 개발 프로세스는 통합 개발 환경(IDE) 자체와 풍부한 플러그인 에코시스템뿐만 아니라 버전 관리 시스템 Git, 컨테이너화 기술 Docker, 컨테이너 오케스트레이션 플랫폼 Kubernetes, 지속적인 통합/지속 배포 도구 Jenkins 등과 같은 일련의 외부 도구와도 분리할 수 없습니다. AI가 이러한 도구를 어떻게 인식하고 능숙하게 사용할 수 있도록 하는지가 AI 코딩 능력 향상의 핵심이 되었습니다.

최근에는 AI 코딩 도구 자동 개발 는 모델 컨텍스트 프로토콜(MCP)과의 양방향 통합 구현을 중심으로 한 주요 업데이트를 발표했습니다. 즉, 이제 AutoDev를 MCP 또한 MCP 에코시스템의 다양한 도구를 호출하는 MCP 클라이언트로도 사용할 수 있습니다. 이 혁신적인 이니셔티브는 의심할 여지없이 AI 코딩 도구의 미래 개발 방향에 대한 새로운 아이디어를 제공합니다.

점진적 AI 에이전트 솔루션부터 MCP 서비스인 AutoDev까지

자동화된 컴퓨터 사용이라는 더 큰 시나리오에서 IDE는 AI 에이전트가 호출할 수 있는 많은 도구 중 하나에 불과합니다. 현재 AI 에이전트의 개발은 점진적인 단계에 있습니다. 기존의 사용자 인터페이스(UI)는 비효율적으로 작동하기 때문에 AI 에이전트의 자동화 기능이 제한됩니다. 따라서 아직은 IDE 중심의 AI 코딩 모델이 지배적이지만, 향후에는 AI 에이전트가 자율적으로 브라우저를 조작하여 요구 사항 정보를 얻고, IDE를 실행하여 코드를 작성하고, DevOps 도구를 호출하여 애플리케이션을 게시하고, 더 광범위한 자동화 작업까지 수행할 수 있는 에이전트 도구 중심 모델로 전환하는 것이 필연적인 추세가 될 것으로 예상됩니다.

AI 에이전트 도구 호출의 물결에 맞서 AutoDev는 MCP 서비스로서의 입지를 다지기 위해 앞장서고 있습니다. 즉, 커서, 클라인, 깃허브 등 MCP 프로토콜을 지원하는 모든 에이전트 도구가 서비스로서 사용할 수 있게 됩니다. 부조종사 등의 개발자는 AutoDev에서 제공하는 서비스를 직접 호출하여 IDE 환경에서 고품질 컨텍스트 정보에 액세스할 수 있습니다. 이러한 변화는 툴 간의 장벽을 허물고 더욱 강력한 AI 코딩 에코시스템을 위한 토대를 마련합니다.

MCP(예: 에이전트 툴 에코)에서 MCP 서비스(예: 자동 개발 명령)까지.

과거 AutoDev는 IDE의 에코시스템과 플러그인 시스템을 활용하여 엔드투엔드 AI 지원 개발 프로세스를 구축하는 데 중점을 두었습니다. AutoDev가 점점 더 많은 플러그인을 통합함에 따라 에이전트 툴의 필요성이 점점 더 부각되었습니다.

AI IDE 기능의 기반을 마련하는 에이전트 툴

시중에 나와 있는 많은 AI 코딩 툴을 비교해보면 VSCode 기반 툴은 기능 면에서 매우 균질화되어 있으며, 제공하는 툴셋도 비슷한 경우가 많습니다. 그러나 AutoDev 및 JetBrains Junie와 같이 JetBrains IDE 플랫폼에 통합된 AI 코딩 플러그인은 훨씬 더 강력한 성능을 보여주며 추상 구문 트리(AST) 분석, 코드 디버깅, 정규화된 이름(FQN) 조회 등을 포함한 더 심층적인 IDE 기능을 제공합니다.

VSCode 기반 AI 코딩 도구는 일반적으로 약 10개의 도구를 제공하는 반면, JetBrains 플랫폼의 AI 코딩 플러그인은 약 20개의 도구를 제공하지만 이는 IDE의 기본 기능 측면에서 볼 때 빙산의 일각에 불과합니다. AI 코딩 기술이 요구 사항 분석, 배포, 운영 및 유지 관리와 같은 더 광범위한 영역으로 확장됨에 따라 도구 에코시스템의 풍부함과 전문성은 더욱 요구되고 있습니다.

MCP 오픈 소스 생태계의 부상

모델 컨텍스트 프로토콜(MCP)은 다음 기관에서 개발했습니다. 인류학 (Claude 모델을 개발한 회사)는 대규모 언어 모델(LLM) 애플리케이션을 위한 표준화된 인터페이스 세트를 제공하여 외부 정보, 도구 및 리소스에 쉽게 액세스할 수 있도록 하는 것을 목표로 합니다. AutoDev는 이미 사용자 지정 에이전트 지원과 같은 강력한 사용자 지정 기능을 갖추고 있지만, 빠르게 반복되는 기술 환경과 다양한 사용자 요구 사항에는 여전히 한계가 있습니다:

• 도구의 예측 불가능성: 많은 기업이나 조직은 AutoDev와 같은 일반적인 플랫폼에 사전 통합하기 어려운 사내 맞춤형 도구를 보유하고 있습니다.
• 급성장하는 MCP 생태계: MCP 프로토콜과 관련 도구 생태계는 빠르게 발전하고 있으며 점차 업계 표준으로 자리 잡고 있습니다. 특히 커서, 클라인과 같은 새로운 프로그래밍 도구가 MCP 프로토콜을 도입한 이후 해외에서는 수많은 MCP 서비스와 오픈 소스 구현이 등장하며 활발한 생태계가 구축되고 있습니다.

AutoDev × MCP: 개방형 AI 코딩 플랫폼 구축을 위한 양방향 역량 강화

AutoDev는 AI 코딩 트렌드와 MCP 프로토콜의 가치에 대한 깊은 이해를 바탕으로 AutoDev × MCP 양방향 역량 강화 프로그램을 혁신적으로 출시했습니다. 구체적으로 살펴보면

• MCP 서버로서의 자동 개발: 자동 개발은 모든 에이전트 툴에 기능과 서비스를 개방하여 MCP 서비스 제공자 역할을 할 수 있습니다.
• MCP 클라이언트로서의 AutoDev: AutoDev는 MCP 에코시스템의 다양한 도구와 서비스를 호출하여 MCP 서비스의 소비자 역할을 할 수 있습니다.

이 두 모델을 통해 AutoDev는 MCP 에코시스템의 리소스를 활용할 뿐만 아니라 기능을 확장하고 개방할 수 있는 견고한 기반을 마련합니다.

MCP 서버로서의 AutoDev: 오픈 IDE 컨텍스트

AutoDev는 JetBrains 플랫폼의 MCP 솔루션을 기반으로 MCP 서버 역할을 할 수 있도록 제작되었습니다(MCP 기능은 수동으로 활성화해야 함). 사용자는 다음과 같이 JSON 형식으로 구성할 수 있습니다. Cline 플러그인의 샘플 구성:

{
"mcpServers": {
"AutoDev": {
"command": "npx",
"args": [
"-y",
"@jetbrains/mcp-proxy"
],
"disabled": false,
"autoApprove": []
}
}
}

현재 버전에서 AutoDev는 주로 공식에서 제공하는 기본 기능을 기반으로 하며, 초기에는 일부 데이터베이스 관련 도구를 확장합니다. 향후 국내 MCP 생태계가 성숙하고 발전함에 따라 AutoDev는 MCP 서버로서의 기능을 더욱 확장해 나갈 예정입니다.

MCP 클라이언트로서의 AutoDev: 툴의 경계 확장

다음은 MCP에서 제공하는 파일 시스템 서비스의 예시입니다. 사용자는 AutoDev의 사용자 지정 에이전트 페이지에서 MCP 서비스를 구성할 수 있습니다:

{
"mcpServers": {
"filesystem": {
"command": "npx",
"args": [
"-y",
"@modelcontextprotocol/server-filesystem",
"/Volumes/source/ai/auto-dev"
]
}
}
}

구성이 완료되면 이 MCP 서비스에서 제공하는 툴을 AutoDev에서 호출할 수 있습니다. 예를 들어 파일 시스템 서비스에서 목록 디렉터리 도구를 제공할 수 있으며, 이 목록 디렉터리 도구는 AutoDev에서 DevIns 명령 형태로 호출할 수 있습니다:

/list_directory
```json
{
"path": "/Volumes/source/ai/autocrud/docs/mcp"
}

AutoDev의 강력한 개발자 명령 기능을 사용하면 AutoDev 내에서 모든 MCP 서비스를 유연하게 호출하고 에이전트를 통해 이러한 툴을 지능적으로 프로그래밍하고 사용할 수 있습니다.

결론

AutoDev의 양방향 MCP 프로토콜 강화는 기술적인 업그레이드일 뿐만 아니라 AI 코딩 도구의 개발 개념에서 중요한 도약이기도 합니다. AutoDev는 MCP 생태계를 수용함으로써 기존 AI 코딩 도구의 폐쇄성을 깨고 보다 개방적이고 유연하며 확장 가능한 플랫폼을 구축합니다. 이는 미래의 AI 코딩 도구가 생태적 협력과 도구 상호 연결에 더 많은 관심을 기울이고 AI 지원 소프트웨어 개발을 새로운 차원으로 공동 촉진할 것임을 나타냅니다.