피드로 돌아가기
Dev.toAI/ML
원문 읽기
MCP Tool 개수 90% 감축을 통한 LLM 도구 호출 정확도 극대화
Your MCP server probably has too many tools
AI 요약
Context
REST API 엔드포인트와 MCP Tool을 1:1로 매핑한 초기 설계로 인한 모델의 인지 부하 발생. 과도한 Tool 선택지로 인한 Hallucination 및 파라미터 매칭 오류가 빈번하게 나타난 아키텍처적 한계점 직면.
Technical Solution
- Tool Surface 최소화를 통한 모델의 Decision Space 축소 및 Token 소모 최적화
- 개별 엔드포인트 매핑 방식에서 사용자 의도 중심의 Verb 기반 추상화 설계로 전환
- Aggressive Parameterization을 적용하여 다수의 유사 기능을 단일 Tool 내 파라미터 분기로 통합
- GraphQL 방식의 필드 지정 응답 구조를 도입하여 응답 데이터의 Token 효율성 및 신뢰성 확보
- PHPNomad 프레임워크 기반의 OAuth Flow 직접 구현을 통한 보안 경계 설정 및 엔터프라이즈 연결성 확보
- Voice Mode의 제한적 MCP 지원 특성을 고려한 Text-first 인터페이스 검증 프로세스 수립
실천 포인트
1. 새로운 Tool 추가 전 기존 Tool에 파라미터를 추가하여 구현 가능한지 검토
2. 엔드포인트 단위가 아닌 사용자 행동 동사(Verb) 단위로 Tool 인터페이스 설계
3. 응답 데이터에 필요한 필드만 선택적으로 반환하는 파라미터 구조 설계
4. OAuth 등 보안 인증 계층은 검증된 스택을 사용하거나 전문적인 보안 설계 적용