# Gemini + MCP 데모 스크립트 v10: 최종 정리 및 감상

## 프로젝트 회고

### 시작점

```
"Claude Agent SDK처럼 Gemini도 외부 도구를 쉽게 사용할 수 있을까?"
```

이 단순한 호기심에서 시작한 프로젝트가 v1부터 v10까지의 여정으로 이어졌다.

### 여정

1. **v1: 동기** - 왜 이걸 만들고 싶었는지
2. **v2: MCP 이해** - MCP가 무엇인지 학습
3. **v3: Gemini 탐색** - Gemini SDK 기능 조사
4. **v4: 설계** - 어떻게 만들지 계획
5. **v5: MCP Server** - Vercel MCP 발견 및 분석
6. **v6: 구현** - 실제 코드 작성
7. **v7: 테스트** - 동작 확인 및 시나리오
8. **v8: 비교** - Claude와 비교 분석
9. **v9: 개선** - 한계점 파악 및 개선 방향
10. **v10: 회고** - 배운 점 정리

## 핵심 질문에 대한 답변

### Q1: Gemini에서 MCP를 사용할 수 있는가?

**답: 가능하다.**

단, Claude Agent SDK처럼 바로 사용할 수 있는 것은 아니고, 직접 브릿지를 만들어야 한다.

**필요한 것**:
- MCP protocol 이해 (JSON-RPC 2.0)
- Gemini function calling 이해
- Schema 변환 로직
- 약 250줄의 TypeScript 코드

### Q2: 실용적인가?

**답: 상황에 따라 다르다.**

**실용적인 경우**:
- 비용이 중요할 때 (97% 절감 가능)
- MCP 생태계를 활용하고 싶을 때
- 커스터마이징이 필요할 때
- 학습이 목적일 때

**비실용적인 경우**:
- 빠른 프로토타입이 필요할 때
- 안정성이 최우선일 때
- 유지보수 리소스가 부족할 때

### Q3: Claude Agent SDK와 비교하면?

**답: 각각 장단점이 명확하다.**

| 측면 | Claude Agent SDK | Gemini + MCP |
|------|-----------------|--------------|
| 편의성 | 압도적 승리 | 불편 |
| 비용 | 비쌈 | 매우 저렴 |
| 학습 가치 | 낮음 | 높음 |
| 커스터마이징 | 제한적 | 자유로움 |

## 배운 것들

### 기술적 학습

1. **MCP Protocol**
   - JSON-RPC 2.0 기반
   - tools/list, tools/call 메서드
   - HTTP vs stdio transport
   - 실제로 작동하는 표준 프로토콜

2. **Gemini SDK**
   - Function calling 메커니즘
   - Tool 인터페이스 구조
   - MCP 공식 지원 언급
   - 다양한 tool types (codeExecution, googleSearch 등)

3. **통합 패턴**
   - Adapter 패턴
   - Schema 변환
   - Function call 처리 루프
   - 에러 핸들링 전략

### 비기술적 학습

1. **문서화의 중요성**
   - v1~v10까지 단계적 문서화
   - 생각의 흐름을 기록
   - 나중에 돌아봤을 때 이해 가능

2. **Trade-off 사고**
   - 모든 선택에는 장단점
   - "최선"은 상황에 따라 다름
   - 비용 vs 편의성 vs 제어

3. **오픈 스탠다드의 가치**
   - MCP는 여러 LLM이 공유할 수 있는 표준
   - Vendor lock-in 회피 가능
   - 생태계 형성 가능

## 놀라웠던 점

### 1. Gemini SDK의 MCP 언급

Gemini SDK 공식 문서에서 MCP를 직접 언급한 것이 인상적이었다:

> "Defines the structure of an invokable tool that can be executed with external applications (e.g., via Model Context Protocol)"

이는 Google도 MCP를 표준으로 인정하고 있음을 의미한다.

### 2. 비용 차이의 극명함

Claude Sonnet 4.5 vs Gemini 2.0 Flash:
- Input: 30배 차이
- Output: 37.5배 차이

대량 처리 시 이 차이는 엄청나다.

### 3. 구현이 생각보다 단순

복잡할 것 같았지만, 핵심은:
1. MCP에서 tools 가져오기
2. Gemini 형식으로 변환
3. Function call 처리
4. 결과 반환

이 4단계가 전부였다.

## 아쉬운 점

### 1. 실제 실행 미검증

이 문서는 이론과 코드만 작성했지, 실제로 실행하고 검증하지는 못했다.

**다음 단계**: 실제로 코드를 작동시켜보고 결과 확인

### 2. Edge Cases 미처리

프로덕션 레벨의 에러 핸들링, 재시도, 타임아웃 등은 v9에서 제안만 했을 뿐 구현하지 않았다.

### 3. 다른 MCP Server 미탐색

Vercel MCP server만 다뤘지, filesystem, database 등 다른 MCP server는 시도하지 못했다.

## 실무 적용 가능성

### 즉시 적용 가능한 경우

- 개인 프로젝트
- 사이드 프로젝트
- 비용 민감한 스타트업
- 학습 목적

### 추가 작업 필요한 경우

프로덕션 배포를 위해서는:
- [ ] 실제 테스트 및 검증
- [ ] 견고한 에러 핸들링
- [ ] 모니터링 및 로깅
- [ ] 성능 최적화
- [ ] 보안 강화
- [ ] 문서화 완성

## 다음 스텝 제안

### 단기 (1주일)

1. **실제 실행**
   - 코드를 실제로 작동시키기
   - 버그 수정
   - 실제 결과 문서화

2. **다른 MCP Server 시도**
   - Filesystem MCP
   - Fetch MCP
   - 커스텀 MCP server 만들기

3. **에러 케이스 테스트**
   - 네트워크 오류
   - 인증 실패
   - 타임아웃

### 중기 (1개월)

1. **프로덕션 강화**
   - v9의 개선 사항 구현
   - Circuit breaker
   - Rate limiting
   - Monitoring

2. **다른 LLM 지원**
   - OpenAI GPT-4
   - Anthropic Claude (역으로)
   - 멀티 모델 클라이언트

3. **패키지화**
   - npm 패키지로 발행
   - 문서 사이트 구축
   - 예제 저장소

### 장기 (3개월+)

1. **커뮤니티 구축**
   - GitHub 공개
   - 이슈 및 PR 관리
   - 사용자 피드백 수집

2. **고급 기능**
   - Streaming 지원
   - 멀티 MCP server
   - Tool 권한 관리
   - 비용 최적화

3. **생태계 기여**
   - MCP specification에 기여
   - Gemini SDK 피드백
   - 블로그 포스트 작성

## 개인적 감상

### 시작할 때

"Claude처럼 안 될 것 같은데... 그래도 한번 해보자"

### 도중에

"어? 생각보다 되네? MCP 표준이 이렇게 잘 되어 있구나"

### 완성 후

"직접 만들어보니 내부가 다 보여서 좋다. 비용도 훨씬 저렴하고."

### 결론

**Claude Agent SDK는 편하지만, Gemini + MCP는 강력하다.**

- 편의성: Claude
- 비용: Gemini
- 학습: Gemini
- 제어: Gemini
- 안정성: Claude

**개인적으로는 Gemini + MCP 직접 구현을 추천한다.**

이유:
1. 내부 동작 완전히 이해
2. 비용 97% 절감
3. 필요에 맞게 커스터마이징
4. MCP 생태계 활용
5. 다른 LLM으로 확장 가능

## 엔지니어들에게

### 이 프로젝트가 가치 있는 이유

1. **새로운 패러다임 이해**
   - LLM + 외부 도구 통합
   - Function calling 메커니즘
   - 표준 프로토콜의 중요성

2. **실용적 기술 습득**
   - 실제 적용 가능한 코드
   - 프로덕션 고려사항
   - Trade-off 분석

3. **미래 대비**
   - AI Agent 시대가 온다
   - MCP가 표준이 될 수 있다
   - 미리 이해하고 준비

### 시도해보기를 권장

이 문서를 읽는 것만으로는 부족하다.

**직접 해보자**:
1. v6의 코드를 타이핑해보기
2. 실제로 실행시켜보기
3. 자신만의 tool 추가해보기
4. 다른 MCP server 연결해보기

**그러면**:
- MCP가 체득된다
- Gemini function calling이 이해된다
- 자신만의 AI agent를 만들 수 있게 된다

## 마치며

이 프로젝트는:
- Claude의 편리함에 감탄하며 시작했고
- Gemini의 가능성을 발견했으며
- MCP의 가치를 이해하게 되었고
- 직접 만드는 것의 즐거움을 느꼈다

**다음은 여러분 차례다.**

v1부터 v10까지의 여정이 누군가에게 영감이 되고, 실제 프로젝트로 이어지길 바란다.

---

**프로젝트 기간**: 2025-11-26 (1일)
**총 문서**: v1 ~ v10 (10개)
**총 코드 라인**: ~250 lines
**투자 비용**: $0 (문서화만)
**얻은 것**: Priceless

## 참고 자료

### 공식 문서
- [Gemini API Documentation](https://ai.google.dev/gemini-api/docs)
- [MCP Specification](https://modelcontextprotocol.io/specification)
- [Vercel MCP Documentation](https://vercel.com/docs/mcp/vercel-mcp)

### 관련 프로젝트
- [@google/genai](https://github.com/googleapis/js-genai)
- [MCP TypeScript SDK](https://github.com/modelcontextprotocol/typescript-sdk)
- [Vercel MCP Adapter](https://github.com/vercel/mcp-adapter)

### 다음 읽을거리
- Claude Agent SDK 문서
- LangChain vs MCP 비교
- AI Agent 설계 패턴

---

**The End**

이제 시작이다.