Claude에 MCP 커넥터를 직접 연결하는 방법
Claude는 Gmail, Google Drive, Slack 같은 커넥터를 기본으로 제공합니다. 하지만 쓰고 싶은 서비스가 목록에 없다면 직접 등록할 수 있습니다. 커스텀 커넥터를 붙이면 대화 도중에 그 서비스의 기능을 바로 호출할 수 있습니다.
영상 생성 서비스 Higgsfield를 예로 전체 과정을 정리했습니다.
아래 영상에서 전체 과정을 먼저 확인하실 수 있습니다.
커스텀 커넥터가 필요한 순간
기본 커넥터만으로 충분한 경우도 많습니다. 다음 상황이라면 직접 등록을 고려할 만합니다.
- 사내 도구나 자체 API를 AI 대화에 붙이고 싶을 때
- 목록에 없는 외부 서비스를 쓰고 싶을 때
- 서비스 사이트와 AI 도구를 오가는 왕복을 줄이고 싶을 때
등록은 두 칸이면 끝난다
claude.ai에서 좌측 하단 계정 메뉴를 열고 설정 → 커넥터로 이동합니다. 우측 상단 추가 버튼에서 커스텀 커넥터 추가를 고르면 입력 창이 열립니다.
채울 것은 두 가지뿐입니다.
- 이름: 목록에서 알아볼 이름
- 원격 MCP 서버 URL: 서비스가 안내하는 주소
OAuth 클라이언트 ID와 시크릿은 고급 설정에 있고 선택 사항입니다. 대부분의 서비스는 표준 인증 흐름을 쓰므로 비워두면 됩니다.
주소를 입력하는 중간에 잘못된 URL 형식 경고가 뜨는 건 정상입니다. 전체 주소를 다 입력하면 사라집니다.
등록 다음이 진짜 관문
추가를 눌러도 아직 연결된 상태가 아닙니다. 커넥터 상세 화면에 "연결을 시작했지만 완료하지 않았습니다"라고 표시되며, 연결 버튼을 눌러야 인증이 시작됩니다.
인증 화면에서는 해당 서비스에 로그인한 뒤 권한을 승인합니다. 보통 신원 확인, 이메일 주소, 로그인 상태 유지 정도를 요청합니다.
여기서 막히는 경우가 많습니다. 서비스에 따라 인증 직후 요금제 선택과 결제를 요구하기 때문입니다. Higgsfield의 경우 무료 체험도 결제 수단 등록이 필요했고, 체험 기간이 지나면 자동으로 유료 전환됩니다.
주의할 점
커넥터 등록은 내 AI 계정에 외부 서버를 연결하는 행위입니다. Claude 화면에도 이런 안내가 있습니다.
신뢰할 수 있는 개발자의 커넥터만 사용하세요.
Anthropic은 외부 개발자가 제공하는 도구의 동작을 보장하지 않습니다. 출처가 분명한 서비스만 등록하고, 요청하는 권한 범위를 확인하세요.
체험판을 쓸 때는 자동 갱신 조건을 먼저 확인하는 편이 안전합니다. 체험 크레딧이 MCP 안에서만 유효하고 서비스 웹사이트에서는 쓸 수 없는 경우도 있습니다.
커넥터를 지워도 기존 대화 기록은 남습니다. 다만 이후의 도구 호출은 중단됩니다.
듀오랩스가 보는 관점
MCP의 가치는 특정 서비스 하나를 붙이는 데 있지 않습니다. 이름과 주소 두 가지만으로 어떤 도구든 같은 방식으로 연결된다는 점이 핵심입니다.
그래서 도입을 검토할 때 봐야 할 것은 연결 방법이 아니라 그 다음입니다. 어떤 권한을 넘기는지, 비용이 어떻게 발생하는지, 연결을 끊었을 때 무엇이 남는지. 연결 자체는 1분이면 끝나지만 운영은 그 뒤부터 시작됩니다.
함께 읽기
- AI를 잘 활용하려면 모델보다 구조가 중요하다AI를 잘 쓰는 핵심은 좋은 모델을 고르는 것만이 아닙니다. 모델에게 어떤 정보를 주고, 어떤 도구를 연결하고, 결과를 어떻게 검증할지까지 설계해야 실제 업무에 도움이 됩니다.
- AI 도입 전에 물어야 할 것: ERP 를 바꿀 일인가, 앞뒤를 붙일 일인가AI 기능이 들어갔다는 업무 시스템으로 갈아탔습니다. 반년이 지났는데 현장에서는 여전히 거래처 카톡을 읽어 엑셀에 옮겨 적고 있습니다.
- LLM 게이트웨이 직접 구현: 스트리밍부터 사용량 기록까지이 글에서 직접 구현할 LLM 서버는 모델 가중치를 GPU에 올리는 추론 서버가 아닙니다. 여러 외부 또는 내부 모델 엔드포인트 앞에서 인증, 모델 선택, 스트리밍, 장애 처리, 사용량 기록을 담당하는 애플리케이션 계층의 LLM Gateway입니다. 모델 추론 자체는 vLLM 같은 별도 엔진이나 상용 API가 담당한다고…
- LiteLLM의 역사: Python SDK에서 AI Gateway까지LiteLLM을 단순한 멀티 모델 호출 라이브러리로만 이해하면 현재 모습의 절반만 보게 됩니다. 출발점은 Python 애플리케이션 안에서 여러 AI 모델 제공자를 같은 방식으로 호출하는 일이었지만, 지금은 조직의 모델 접근을 한곳에서 통제하는 AI Gateway까지 범위가 넓어졌습니다. 이 변화는 이름만 커진 것이 아니…
- 딥페이크 AI 음성 응답: 사용자 목소리와 합성 목소리를 분리한 구조딥페이크 AI 상담원에서 음성은 하나가 아닙니다. 서버로 올라가는 사용자의 원래 목소리와 서버에서 만들어져 돌아오는 합성 목소리는 출발점도, 처리 방식도 다릅니다.