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.
- RAG 챗봇이 "그건 언제 바뀐 거야?"에 답하게 만들기사내 문서를 근거로 답하는 RAG 챗봇을 도입하면 대부분 비슷한 지점에서 막힙니다. 첫 질문에는 그럴듯하게 답하는데, 이어서 "그럼 그건 언제 바뀐 거야?" 같은 질문을 던지면 갑자기 엉뚱한 문서를 근거로 들고 옵니다. 사용자는 "AI가 헛소리를 한다"고 느끼고, 도입은 거기서 멈춥니다.
- RAG 대표 기술 한눈에 보기: 검색부터 GraphRAG까지RAG(Retrieval-Augmented Generation)는 사용자의 질문과 관련된 외부 지식을 먼저 찾고, 그 근거를 언어 모델에 전달해 답변을 생성하는 방식입니다. 모델이 학습 과정에서 기억한 정보에만 의존하지 않으므로 조직의 최신 문서나 전문 자료를 답변에 반영하고 출처를 제시하기 좋습니다.
- 사내 지식을 답변으로 바꾸는 RAG 시스템 구축기문서는 많지만 필요한 순간에 찾기 어렵고, 검색 결과를 열어 일일이 내용을 비교해야 한다면 지식은 충분히 활용되지 못합니다. 이번 글에서는 문서와 업무 데이터를 자연어로 검색하고, 근거와 함께 답을 생성하는 RAG 시스템을 작은 범위에서 시작해 운영 가능한 구조로 확장한 과정을 정리합니다.
- 내부 문서를 공개 AI에 연결할 때 필요한 안전장치문서 RAG를 관리자 화면 안에서만 사용하다가 공개 웹 서비스로 확장하면 가장 먼저 바뀌어야 하는 것은 UI가 아니라 신뢰 경계입니다.