---
title: "OpenAI 호환 모델에서 MCP 서버 쓰는 법과 동작 원리 | BroadRouter"
description: "MCP는 어떤 LLM과도 동작합니다. 클라이언트가 MCP 도구를 함수 호출로 바꿔 주기 때문입니다. Cline, Continue, opencode, n8n, 직접 작성한 Python 코드에서 오픈 모델로 MCP를 쓰는 방법을 정리했습니다."
url: https://broadrouter.com/ko/blog/mcp-with-openai-compatible-models/
lang: ko
updated: 2026-11-14
publisher: BroadRouter (a BroadNet site); API by BroadNet Inference, https://inference.broadnet.ai
---

이 페이지는 영어 원문을 AI의 도움을 받아 번역했습니다. [영어 원문 읽기](https://broadrouter.com/blog/mcp-with-openai-compatible-models/) (2026-11-16 업데이트).

# OpenAI 호환 모델에서 MCP 서버 사용하기(모든 제공업체)

BroadNet Inference 팀 · 4분 분량 · 게시 2026-11-14 · 업데이트 2026-11-16

MCP는 모델에 독립적입니다. 앱의 MCP 클라이언트가 각 서버의 도구 목록을 가져와 일반 함수 호출 도구로 모델에 전달하고, 모델이 요청하면 tools/call을 실행합니다. 도구 호출이 안정적인 OpenAI 호환 모델이라면 어떤 모델이든 MCP 서버를 쓸 수 있습니다. Cline, Continue, opencode, n8n에서 설정하거나 Python 약 40줄로 연결하세요.

## 핵심 요약

-   MCP 문서는 MCP가 "does not dictate how AI applications use LLMs"(번역: AI 애플리케이션이 LLM을 쓰는 방식을 규정하지 않는다)고 말합니다. 호스트 앱이 MCP 도구를 모델의 도구 형식으로 변환합니다.
-   모델에는 도구 호출 기능이 필요합니다. BroadNet Inference에서는 GLM 5.3과 Qwen3.8 27B에 표시되어 있습니다.
-   Cline, Continue(Agent 모드에서만), opencode, n8n, OpenAI Agents SDK 모두 사용자 지정 모델과 함께 MCP 클라이언트로 동작합니다.
-   모든 MCP 도구 스키마는 매 모델 호출마다 전송됩니다. opencode 문서는 MCP 도구가 모델 컨텍스트를 소비한다고 경고합니다. 필요한 서버만 추가하세요.
-   OpenAI Responses API 안에서 실행되는 호스팅형 MCP 도구는 다른 제공업체에서 동작하지 않습니다. 로컬 MCP 클라이언트는 동작합니다.

**이 페이지의 내용**

1.  MCP는 왜 어떤 모델과도 동작하나요?
2.  MCP에는 어떤 모델을 써야 하나요?
3.  자주 쓰는 클라이언트에서 MCP는 어떻게 설정하나요?
4.  Python에서 MCP를 오픈 모델에 어떻게 연결하나요?
5.  오픈 모델에서 MCP를 쓸 때 무엇이 잘못되나요?
6.  BroadNet Inference는 어디에 적합한가요?

Model Context Protocol(MCP)은 에이전트가 GitHub, 데이터베이스, 파일 시스템, 브라우저 같은 도구에 접근하는 표준 방법을 제공합니다. 많은 MCP 튜토리얼이 Claude나 GPT를 전제로 하지만, 둘 다 필요하지 않습니다. 이 글에서는 도구 호출을 지원하는 [OpenAI 호환](https://broadrouter.com/ko/glossary/openai-compatible-api/) 모델이라면 어떤 것이든 MCP와 함께 동작하는 이유, 개발자들이 실제로 쓰는 클라이언트에서 설정하는 방법, 그리고 직접 작성한 코드에서 MCP를 오픈 모델에 연결하는 방법을 설명합니다.

## MCP는 왜 어떤 모델과도 동작하나요?

MCP는 애플리케이션과 모델 사이가 아니라 애플리케이션과 도구 서버 사이에 있습니다. MCP 아키텍처 문서는 세 가지 역할을 설명합니다.

-   **호스트:** 에디터 확장 프로그램이나 직접 작성한 스크립트 같은 AI 애플리케이션.
-   **클라이언트:** 호스트가 각 MCP 서버와 유지하는 연결 하나.
-   **서버:** 도구, 리소스, 프롬프트를 노출하는 프로그램. 로컬에서는 stdio로, 원격에서는 Streamable HTTP로 동작합니다.

문서는 분명하게 말합니다. MCP는 “does not dictate how AI applications use LLMs or manage the provided context.”(번역: AI 애플리케이션이 LLM을 쓰거나 제공된 컨텍스트를 관리하는 방식을 규정하지 않습니다.) 호스트는 `tools/list`로 각 서버의 도구 목록을 가져와 모델이 볼 수 있는 하나의 레지스트리로 합치고, 모델이 도구를 요청하면 해당 서버에 `tools/call`을 보냅니다.

OpenAI 호환 API에서 “모델이 볼 수 있다”는 것은 도구가 일반 `tools` 배열에 들어간다는 뜻입니다. MCP 도구에는 이미 이름, 설명, `inputSchema`가 있어 함수 정의와 일대일로 대응됩니다. 모델은 MCP가 관여한다는 사실을 전혀 모릅니다. 필요한 것은 안정적인 [도구 호출](https://broadrouter.com/ko/glossary/tool-calling/)뿐입니다.

## MCP에는 어떤 모델을 써야 하나요?

| BroadNet의 모델 | 도구 호출 표시 | 컨텍스트 | MCP 적합성 |
| --- | --- | --- | --- |
| [GLM 5.3](https://broadrouter.com/ko/models/glm-5.3/) | 예 | 1,048,576 | 서버가 많을 때 좋은 기본값 |
| [Qwen3.8 27B](https://broadrouter.com/ko/models/qwen3.8-27b/) | 예 | 262,144 | 좋음, 이미지 입력도 지원 |
| [DeepSeek V4.1 Flash](https://broadrouter.com/ko/models/deepseek-v4.1-flash/) | 표시되지 않음 | 1,048,576 | 먼저 테스트, 이미지 입력 |
| [Gemma 4 VL 26B](https://broadrouter.com/ko/models/gemma-4-vl-26b/) | 표시되지 않음 | 32,768 | 권장하지 않음 |

도구를 지원하는 두 모델을 나란히 비교하려면 [GLM 5.3 vs Qwen3.8 27B](https://broadrouter.com/compare/glm-5.3-vs-qwen3.8-27b/)를 참고하세요. 컨텍스트는 생각보다 중요합니다. 모든 MCP 도구 스키마가 매 호출에 실립니다. opencode 문서는 “MCP tools consume model context, so add only the servers you need.”(번역: MCP 도구는 모델 컨텍스트를 소비하므로 필요한 서버만 추가하세요.)라고 말합니다. [에이전트 토큰 예산](https://broadrouter.com/ko/blog/agent-token-budget/) 글에서 측정 방법을 볼 수 있습니다.

## 자주 쓰는 클라이언트에서 MCP는 어떻게 설정하나요?

| 클라이언트 | MCP 서버 설정 위치 | 전송 방식 | 비고 |
| --- | --- | --- | --- |
| Cline | MCP Servers 패널, `mcpServers` JSON | stdio, Streamable HTTP, 레거시 SSE | 원격 타입은 `"streamableHttp"` |
| Continue | `config.yaml`의 `mcpServers` 또는 `.continue/mcpServers/` | stdio, sse, streamable-http | Agent 모드에서만 |
| opencode | `opencode.jsonc`의 `mcp.servers` | `local`, `remote` | 비밀 값에는 `{env:NAME}` 사용 |
| n8n | AI Agent에 연결한 MCP Client Tool 노드 | 원격 서버 엔드포인트(문서에서는 SSE 엔드포인트로 설명) | All, Selected, All Except 중에서 도구 선택 |
| OpenAI Agents SDK | Agent의 `mcp_servers=[...]` | stdio, Streamable HTTP, SSE | `HostedMCPTool`은 사용 불가 |

그다음 클라이언트의 모델을 제공업체로 지정하세요. [Cline](https://broadrouter.com/ko/guides/cline-openai-compatible/), [Continue](https://broadrouter.com/ko/guides/continue-dev-openai-compatible/), [opencode](https://broadrouter.com/ko/guides/opencode-custom-provider/) 가이드에서 BroadNet용 모델 설정을 다룹니다. Continue에서는 `tool_use` 기능을 잊지 마세요. 그렇지 않으면 Agent 모드를 쓸 수 없습니다.

Continue 문서에 나오는 예시입니다.

```yaml
mcpServers:
  - name: SQLite MCP
    type: stdio
    command: npx
    args: ["-y", "mcp-sqlite", "/path/to/your/database.db"]
```

## Python에서 MCP를 오픈 모델에 어떻게 연결하나요?

에이전트를 직접 만든다면 연결 코드는 짧습니다. 아래 코드는 MCP Python SDK의 `Client`(2.0 이상, `pip install "mcp>=2"`)를 사용합니다. 이 클래스는 `StdioServerParameters`를 받으면 stdio 서버를 실행합니다. 여기에 BroadNet을 가리키는 OpenAI SDK를 함께 씁니다.

```python
import asyncio, json, os
from mcp import Client, StdioServerParameters
from mcp.types import TextContent
from openai import OpenAI

llm = OpenAI(base_url="https://inference.broadnet.ai/v1", api_key=os.environ["BROADNET_API_KEY"])
server = StdioServerParameters(command="npx",
    args=["-y", "@modelcontextprotocol/server-filesystem", "."])

async def main(question):
    async with Client(server) as mcp:
        listed = await mcp.list_tools()
        tools = [{"type": "function", "function": {
                    "name": t.name, "description": t.description or "",
                    "parameters": t.input_schema}} for t in listed.tools]
        messages = [{"role": "user", "content": question}]
        for _ in range(8):
            r = llm.chat.completions.create(model="broadnet/glm-5.3",
                    messages=messages, tools=tools, max_tokens=4000)
            msg = r.choices[0].message
            messages.append(msg.model_dump(exclude_none=True))
            if not msg.tool_calls:
                return msg.content
            for call in msg.tool_calls:
                try:
                    res = await mcp.call_tool(call.function.name,
                                              json.loads(call.function.arguments or "{}"))
                    text = "\n".join(b.text for b in res.content if isinstance(b, TextContent))
                    out = f"Error: {text}" if res.is_error else text
                except Exception as e:
                    out = f"Error: {e}"
                messages.append({"role": "tool", "tool_call_id": call.id, "content": out})

print(asyncio.run(main("List the Markdown files here and summarize the README.")))
```

`mcp` 1.x에는 `Client` 클래스가 없습니다. `stdio_client(...)`로 서버를 열고, `ClientSession`으로 감싼 뒤 `initialize()`를 호출하고, 카멜 표기 필드인 `inputSchema`와 `isError`를 읽으세요. 중요한 세부 사항은 세 가지입니다.

1.  **오류는 도구 결과가 됩니다.** MCP SDK는 도구 실패를 예외로 발생시키지 않고 `is_error`로 보고합니다. 이를 그대로 돌려보내면 모델이 조정할 수 있습니다. 검증과 재시도는 [도구 호출 가이드](https://broadrouter.com/ko/blog/tool-calling-open-models/)에서 다룹니다.
2.  **루프에 상한을 두세요.** 여기서는 8단계입니다. 큰 결과를 반환하는 MCP 서버는 컨텍스트를 빠르게 채웁니다.
3.  **도구를 필터링하세요.** 작업에 필요한 도구만 노출하세요. OpenAI Agents SDK는 이를 위해 `tool_filter`를 제공하고, n8n에는 Selected와 All Except가 있습니다.

OpenAI Agents SDK를 쓰나요? `MCPServerStdio`와 `MCPServerStreamableHttp` 클래스는 여러분의 프로세스 안에서 실행됩니다. [Agents SDK 가이드](https://broadrouter.com/ko/guides/openai-agents-sdk-custom-provider/)처럼 사용자 지정 제공자와 함께 쓰세요. `HostedMCPTool`은 OpenAI Responses API 안에서 실행되며 OpenAI 모델에서만 동작합니다.

## 오픈 모델에서 MCP를 쓸 때 무엇이 잘못되나요?

-   **도구가 너무 많음.** 모델이 엉뚱한 도구를 고르거나 도구를 무시합니다. 활성 도구 집합을 작게 유지하세요. 직접 만든 도구라면 [JSON 스키마 생성기](https://broadrouter.com/tools/json-schema-generator/)로 깔끔하고 평평한 `parameters` 스키마를 만들 수 있습니다.
-   **큰 도구 결과.** 데이터베이스 테이블 전체를 반환하는 서버는 [컨텍스트 윈도우](https://broadrouter.com/ko/glossary/context-window/)를 쉽게 넘길 수 있습니다. 크기를 제한하거나 페이지로 나누세요.
-   **비거나 잘린 응답.** GLM 5.3과 Qwen3.8 27B는 먼저 추론하며, 추론은 `max_tokens`에 포함됩니다. [한도를 늘리세요](https://broadrouter.com/ko/guides/reasoning-tokens-empty-response/).
-   **신뢰.** MCP 서버는 여러분의 컴퓨터에서 코드를 실행하거나 여러분의 자격 증명으로 서비스를 호출합니다. 신뢰할 수 있는 서버만 설치하고, 쓰기나 지출이 발생하는 작업은 확인을 거치게 하세요.

## BroadNet Inference는 어디에 적합한가요?

BroadNet Inference는 모델 쪽을 담당합니다. 도구 호출이 표시된 GLM 5.3과 Qwen3.8 27B를, 위의 모든 MCP 클라이언트가 쓸 수 있는 표준 채팅 완성 형식으로 제공하며, 프롬프트와 출력은 보관하지 않습니다(데이터 비보관). MCP 서버나 호스팅형 도구를 대신 실행해 주지는 않으며, 그 일은 클라이언트가 합니다. 두 모델의 토큰당 가격은 [가격 페이지](https://broadrouter.com/ko/pricing/)에, 키는 [inference.broadnet.ai](https://inference.broadnet.ai/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-mcp-with-openai-compatible-models&utm_content=body)에 있습니다.

관련 무료 도구 (영어)

-   [Agent run cost estimator](https://broadrouter.com/tools/agent-run-cost-estimator/) Context growth per step, total tokens and cost of one agent run, with a DeepSeek session comparison.
-   [LLM batch job planner](https://broadrouter.com/tools/llm-batch-job-planner/) Run time, binding limit, cost per model and the flat sessions needed to finish a big job by a deadline.
-   [Flat-rate vs per-token LLM cost calculator](https://broadrouter.com/tools/flat-rate-vs-per-token-calculator/) Break-even between an unlimited plan and paying per token, per agent.
-   [LLM rate limit and concurrency calculator](https://broadrouter.com/tools/llm-rate-limit-calculator/) Which limit binds first: RPM, TPM or concurrency, with Little's law.

[무료 도구 (영어)](https://broadrouter.com/tools/)

## 이 글의 용어

[MCP(Model Context Protocol)](https://broadrouter.com/ko/glossary/mcp/)

MCP(Model Context Protocol)는 JSON-RPC 2.0 위에 만들어진 개방형 프로토콜로, LLM 애플리케이션이 외부 도구와 데이터에 연결하는 방식을 표준화합니다. MCP 서버는 도구, 리소스, 프롬프트를 제공하고, 호스트 애플리케이션 안의 MCP 클라이언트가 이를 찾아 모델의 도구 호출을 서버에 전달합니다.

[서버 전송 이벤트(SSE, Server-Sent Events)](https://broadrouter.com/ko/glossary/sse/)

서버 전송 이벤트(SSE, Server-Sent Events)는 서버가 text/event-stream 콘텐츠 타입의 오래 유지되는 HTTP 응답 하나로 클라이언트에 텍스트 이벤트 스트림을 보내는 웹 표준입니다. 각 이벤트는 data: 같은 필드 줄 하나 이상으로 이루어지며 빈 줄로 끝납니다.

[도구 호출(tool calling)](https://broadrouter.com/ko/glossary/tool-calling/)

도구 호출(tool calling)은 함수 호출(function calling)이라고도 하며, 모델이 개발자가 정의한 함수를 실행해 달라는 구조화된 요청을 JSON 인자와 함께 반환하는 LLM API 기능입니다. 함수는 애플리케이션이 실행하고 그 결과를 다시 보냅니다. 모델이 직접 코드를 실행하지는 않습니다.

[OpenAI 호환 API(OpenAI-compatible API)](https://broadrouter.com/ko/glossary/openai-compatible-api/)

OpenAI 호환 API는 POST /v1/chat/completions처럼 OpenAI API와 같은 요청 및 응답 형식을 받는 HTTP API입니다. 그래서 OpenAI SDK와 도구는 base URL, API 키, 모델 이름만 바꾸면 이 API를 그대로 사용할 수 있습니다.

[데이터 비보관(Zero data retention, ZDR)](https://broadrouter.com/ko/glossary/zero-data-retention/)

데이터 비보관(ZDR)은 AI 제공업체가 프롬프트와 출력을 요청 처리에만 사용하고, 처리 후에는 그 내용을 로그, 캐시, 학습 데이터 어디에도 저장하지 않는 데이터 처리 정책입니다. 토큰 수나 처리 시간처럼 내용이 없는 기록은 보통 계속 보관됩니다.

[AI 에이전트(AI agent)](https://broadrouter.com/ko/glossary/agent/)

AI 에이전트는 언어 모델이 목표를 향해 스스로 단계를 정하는 시스템입니다. 어떤 도구를 호출할지 결정하고, 결과를 읽고, 최종 답변을 내거나 한도에 닿을 때까지 이를 반복합니다. 정해진 지점에서 모델을 호출하는 고정된 스크립트는 보통 워크플로라고 부릅니다.

[JSON Schema(JSON 스키마)](https://broadrouter.com/ko/glossary/json-schema/)

JSON Schema는 JSON으로 작성하는 어휘로, 타입, 필수 필드, 허용 값, 중첩 같은 JSON 데이터의 구조를 기술하고 검증합니다. 현재 버전은 2020-12입니다. LLM API는 이를 사용해 도구 파라미터와 구조화된 출력이 따라야 할 정확한 형태를 정의합니다.

[tool\_choice(도구 선택 파라미터)](https://broadrouter.com/ko/glossary/tool-choice/)

tool\_choice는 도구 사용을 제어하는 요청 파라미터입니다. OpenAI Chat Completions에서는 auto(모델이 결정), required(도구를 하나 이상 반드시 호출), none(도구 사용 안 함), 또는 강제할 함수 이름을 지정할 수 있습니다. Anthropic의 대응 옵션은 auto, any, tool, none입니다.

## 자주 묻는 질문

### Claude나 GPT가 아닌 모델에서도 MCP를 쓸 수 있나요?

네. MCP는 앱과 도구 서버 사이의 프로토콜입니다. 앱은 사용하는 모델이 무엇이든 그 모델의 도구 호출 형식으로 도구를 전달합니다. 도구 호출이 제대로 동작하는 OpenAI 호환 모델이라면 MCP 도구를 쓸 수 있습니다.

### 모델이 MCP를 지원해야 하나요?

아닙니다. 모델에는 함수 호출만 있으면 됩니다. 도구 목록을 가져오고 호출하는 프로토콜 작업은 앱의 MCP 클라이언트가 처리합니다.

### 사용자 지정 OpenAI 호환 모델로 MCP를 쓸 수 있는 코딩 에이전트는 무엇인가요?

Cline, Agent 모드의 Continue, opencode 모두 MCP 서버와 사용자 지정 OpenAI 호환 모델을 설정할 수 있습니다. Roo Code의 후속 프로젝트인 Zoo Code도 MCP 지원을 명시하고 있습니다.

### MCP 서버를 추가하면 에이전트가 느려지고 비용이 늘어나는 이유는 무엇인가요?

각 서버의 도구 정의가 매 모델 호출마다 프롬프트에 추가되기 때문입니다. 도구가 십여 개씩인 서버 10개라면 단계마다 입력 토큰이 수천 개 늘어날 수 있습니다. 작업에 필요한 서버만 활성화하거나 도구를 필터링하세요.

### 호스팅형 MCP 도구도 다른 제공업체에서 동작하나요?

OpenAI가 호스팅하는 방식은 동작하지 않습니다. OpenAI Agents SDK 문서에 따르면 HostedMCPTool은 Responses API의 호스팅형 MCP 통합을 지원하는 OpenAI 모델에서만 동작합니다. 다른 제공업체에서는 SDK의 로컬 MCP 서버 클래스를 쓰세요.

## 이어서 읽기

-   [오픈 모델 도구 호출: 스키마, 병렬 호출, 재시도](https://broadrouter.com/ko/blog/tool-calling-open-models/)
-   [코딩 에이전트에서 오픈 모델 쓰기: Aider, Cline, opencode, Codex](https://broadrouter.com/ko/blog/use-open-models-in-coding-agents/)
-   [에이전트 토큰 예산: 에이전트 루프의 토큰은 어디로 가는가](https://broadrouter.com/ko/blog/agent-token-budget/)
-   [저렴한 LLM으로 n8n AI Agent 쓰기: 설정, 모델 선택, 실행당 비용](https://broadrouter.com/ko/blog/n8n-ai-agent-cheap-llm/)
-   [AI 코딩 에이전트 1회 실행 비용: 단계 수, 컨텍스트 증가, 캐싱](https://broadrouter.com/ko/blog/ai-coding-agent-run-cost/)
-   [오픈 모델로 Claude Code 쓰기: 프록시, 네이티브 엔드포인트, 한계](https://broadrouter.com/ko/blog/claude-code-with-openai-compatible-models/)
-   [가이드: BroadNet Inference에서 Cline 사용하기(OpenAI Compatible 제공자)](https://broadrouter.com/ko/guides/cline-openai-compatible/)
-   [가이드: Continue에서 BroadNet Inference 쓰기(config.yaml과 apiBase)](https://broadrouter.com/ko/guides/continue-dev-openai-compatible/)
-   [가이드: opencode에 BroadNet Inference를 커스텀 제공자로 추가하기](https://broadrouter.com/ko/guides/opencode-custom-provider/)
-   [가이드: BroadNet Inference에서 OpenAI Agents SDK 실행하기](https://broadrouter.com/ko/guides/openai-agents-sdk-custom-provider/)

실제 워크로드로 테스트해 보세요. 신규 계정에는 US$5 상당의 초기 크레딧이 제공되며 Gemma 및 음성 전사에 사용할 수 있습니다. DeepSeek, GLM 및 Qwen3.8 모델은 충전이 필요합니다.

[시작하기](https://inference.broadnet.ai/account/?utm_source=broadrouter&utm_medium=referral&utm_campaign=ko-blog-mcp-with-openai-compatible-models&utm_content=page-cta) ·

**출처**

-   [Model Context Protocol 아키텍처 개요(2026-11-14 확인)](https://modelcontextprotocol.io/docs/learn/architecture)
-   [MCP Python SDK, 클라이언트와 전송 방식(2026-11-14 확인)](https://py.sdk.modelcontextprotocol.io/client/transports/)
-   [Cline 문서, MCP 개요(2026-11-14 확인)](https://docs.cline.bot/mcp/mcp-overview)
-   [Continue 문서, MCP(2026-11-14 확인)](https://docs.continue.dev/customize/deep-dives/mcp)
-   [opencode 문서, MCP 서버(2026-11-14 확인)](https://opencode.ai/docs/mcp-servers/)
-   [n8n 문서, MCP Client Tool 노드(2026-11-14 확인)](https://docs.n8n.io/integrations/builtin/cluster-nodes/sub-nodes/n8n-nodes-langchain.toolmcp/)
-   [OpenAI Agents SDK 문서, MCP(2026-11-14 확인)](https://openai.github.io/openai-agents-python/mcp/)
