LangChain에서의 MCP 구현 설명 (@tool의 의미)

LangChain을 통한 MCP 구현방식

---

 

 

LangChain은 여러 LLM(OpenAI, Claude 등)과 외부 도구(API, DB, MCP 서버 등)을 하나의 통합 프레임워크로 연결해주는

오케스트레이션(Orchestration) 라이브러리이다.

 

결국 LangChain은 LLM과 도구(External Tool)을 연결하는 프레임워크지, 자체 LLM이나 완전한 MCP Host는 아니다.

 

• LangChain은 Claude나 ChatGPT 같은 Host(LLM App) 가 아니고,
• Smithery처럼 독립된 MCP 서버 플랫폼도 아니다.

LangChain의 Position은 LLM-agnostic(모델 독립적인) 통합 프레임워크인 셈이다.

 

LangChain이 제공하는 세 가지 역할은 다음과 같다.

역할	설명	MCP 생태계에서의 위치
LLM Wrapper	OpenAI, Anthropic, Mistral 등 다양한 모델 API를 동일한 인터페이스로 묶음	“Host 내부의 모델 어댑터”
ool / Agent Framework	여러 툴을 정의하고, 어떤 툴을 쓸지 LLM이 스스로 판단하도록 제어	“Host의 행동 엔진 (Orchestrator)”
MCP Adapter (langchain-mcp)	LangChain 내부의 툴 체계를 MCP 표준인 JSON-RPC로 노출	“MCP Client + Server 브릿지 역할”

 

 

 

즉, LangChain은 MCP 생태계에서 MCP Client와 MCP Server의 역할을 한다고 생각하면 된다.

LangChain은 LangChain MCP Adapter라는 MCP Client를 제공해서 LLM(GPT, Claude 등)과 통신할 수 있고,

LangChain Tool을 MCP Server로 노출해서 Tool 집합체로서의 서버의 기능도 수행할 수 있다.

 

 

 

정리하면, LangChain이 직접 LLM을 가지고 있지는 않지만,

대신 서로 독립적으로 동작하는 LLM을 연결하는 추상화 계층을 제공하는 셈이다.

 

 

 

LangChain을 통한 MCP 생태계 구축

---

LangChain MCP Adapter (MCP Client)는 LangChain/LangGraph 생태계에서 다음을 가능하게 한다.

구성 요소	역할
MCP Server	실제 기능을 제공하는 MCP 표준 서버 (예: math, weather, file 등)
LangChain MCP Adapter	MCP Client로 동작하여 서버와 통신하고, MCP Tool을 LangChain Tool로 변환
LangGraph / LangChain Agent	외부 LLM(OpenAI, Claude 등)을 이용해 사용자의 요청을 이해하고 MCP Tool 호출
LLM (OpenAI GPT, Claude 등)	Host 내부에서 언어 이해 및 Tool 호출 제어 담당

 

LangChain은 LLM과 여러 MCP 서버 사이를 이어주는 “조정자(Orchestrator)”이고,
LangChain MCP Adapter는 이 연결을 실제로 가능하게 해주는 표준화된 MCP Client 구현체이다.

실제 동작과정은 아래와 같다.

 

 

(1) LLM을 선택 - MCP Host의 두뇌역할

agent = create_react_agent("openai:gpt-4.1", tools)

 

MCP는 자체 LLM을 가지고 있지 않기 때문에, OpanAI, Anthropic, Mistral 등 외부 모델을 불러와서 Host 역할을 수행한다.

이때, LLM은 "어떤 MCP Tool을 써야 하는지"를 스스로 판단한다.

 

 

(2) MCP 서버 연결 — ClientSession 생성

from mcp.client.stdio import stdio_client
from mcp import ClientSession, StdioServerParameters

server_params = StdioServerParameters(
    command="python",
    args=["/path/to/math_server.py"],
)

 

이 부분은 MCP Client의 실제 연결 과정이다.

• stdio_client → 로컬 파이프(stdio) 통신
• streamable_http → HTTP 통신즉

즉, MCP는 HTTP가 아닌 JSON-RPC 기반의 다양한 전송 방식을 지원한다.

LangChain MCP Adapter는 이런 전송 방식을 자동으로 관리해준다.

 

 

(3) MCP 서버의 Tool을 LangChain Tool로 변환 (@tool의 의미)

from langchain_mcp_adapters.tools import load_mcp_tools

tools = await load_mcp_tools(session)

 

이 함수는 MCP 서버에서 노출한 @mcp.tool()들을 LangChain이 이해할 수 있는 LangChain Tool 객체로 변환한다.

즉, MCP 서버의 “add(), multiply(), get_weather()” 같은 함수를

LangChain Agent가 바로 사용할 수 있는 형태로 자동 변환해주는 것!

 

 

(4) Agent가 Tool을 호출 → MCP 서버 실행

agent_response = await agent.ainvoke({"messages": "what's (3 + 5) x 12?"})

 

이제 LLM이 자연어 입력을 해석한 뒤, "add"와 "multiply" 툴을 순차적으로 호출해야 한다고 판단하게 된다.

그러면 LangChain MCP Adapter(MCP Client)가 MCP 서버에 JSON-RPC 요청을 전송하고,

그러면 서버의 Tool이 실행되어 외부 소스와 정보를 주고 받아 해당 결과를 Host(LLM)으로 전달한다.

최종적으로 이들을 가지고 LLM이 사용자에게 최종 답변을 전달하게 된다.