안녕하세요. (주)이프입니다. 요즘 AI 업계에서 가장 많이 들리는 단어 중 하나가 MCP(Model Context Protocol) 입니다. MCP 는 ChatGPT, Claude, 사내 LLM 같은 AI 가 외부 프로그램의 데이터와 기능을 같은 방식으로 쓰게 해 주는 표준 연결 규격입니다. 오늘은 MCP 로 비전검사 프로그램 Vision Agent 와 AI 를 연동하면 현장에서 무엇을 할 수 있는지, 그리고 사내 LLM 을 검사 장비에 붙일 때 무엇을 지켜야 하는지 정리합니다.
먼저 밝혀 둡니다
Vision Agent 에는 외부 프로그램이 접속해 시나리오 목록 조회 · 실행 · 정지 · 상태 확인을 주고받는 연동 포트가 이미 있습니다. 이 글에서 소개하는 MCP 연동 기능은 현재 개발을 준비하는 단계이며, 아래 대화 예시는 설계 방향을 보여 드리기 위한 예시입니다.
MCP 란 무엇인가
MCP(Model Context Protocol) 는 2024년 11월 Anthropic 이 공개한 개방형 표준입니다. 이후 OpenAI 를 비롯한 여러 AI 회사와 개발 도구가 지원하면서, AI 와 외부 시스템을 잇는 사실상의 공용 규격이 되었습니다. 비유하면 AI 용 USB 포트입니다. 프로그램 쪽에서 MCP 서버를 한 번 만들어 두면, MCP 를 지원하는 AI 라면 어느 것이든 같은 방식으로 붙을 수 있습니다.
| MCP 가 여는 것 | 뜻 | 비전검사에서의 예 |
|---|---|---|
| 도구 (Tools) | AI 가 호출할 수 있는 기능 | NG 통계 조회, 저장 이미지로 NG 시뮬레이션 실행 |
| 리소스 (Resources) | AI 가 읽을 수 있는 데이터 | 검사 이력, 알람 조치 이력, 파라미터 변경 이력 |
| 프롬프트 (Prompts) | 자주 쓰는 지시문 틀 | "월간 품질 리포트 만들기", "NG 증가 원인 찾기" |
지금까지는 AI 에게 검사 데이터를 보여 주려면 엑셀로 내보내고 복사해 붙여야 했습니다. MCP 연동이 되면 AI 가 필요한 데이터를 직접 조회하고, 허용된 범위 안에서 검사 프로그램의 기능을 호출합니다.
Vision Agent 와 AI 의 MCP 연동 구조
구조는 세 층입니다. 맨 앞은 AI 클라이언트(사내 LLM, ChatGPT, Claude), 가운데는 MCP 규격으로 말하는 IF MCP 브리지, 맨 뒤는 검사 프로그램 Vision Agent 입니다. 브리지는 검사 프로그램 본체와 따로 도는 별도 프로그램으로 설계합니다. 브리지에 문제가 생겨도 검사 자체는 영향을 받지 않게 하기 위해서입니다.
브리지와 Vision Agent 사이는 이미 있는 연동 포트를 확장해 잇습니다. 같은 PC 안에서는 로컬 연결로, 네트워크 너머에서는 TCP 로 열 수 있게 설계된 통로입니다. 지금 이 포트로 시나리오 목록 · 실행 · 정지 · 상태를 주고받을 수 있고, MCP 연동에서는 여기에 검사 이력 조회, 파라미터 버전 비교 같은 메시지를 더하는 방식입니다.
사내 LLM 을 검사 장비에 붙일 수 있다는 것
제조 현장에서 AI 연동을 이야기하면 가장 먼저 나오는 질문은 "검사 이미지가 회사 밖으로 나가느냐" 입니다. 고객사 도면, 불량 이미지, 생산 수량은 대부분 외부 반출이 금지된 정보입니다. 그래서 저희는 사내 LLM 연동을 가장 중요한 축으로 둡니다.
- MCP 는 AI 회사에 묶이지 않습니다. 회사 서버나 장비 PC 에서 돌리는 사내 LLM 도, MCP 를 지원하는 채팅 화면이나 에이전트 도구를 거치면 같은 Vision Agent MCP 서버에 붙습니다.
- 데이터가 공장 밖으로 나가지 않습니다. 사내 LLM 과 Vision Agent 가 모두 사내망 안에 있으면, 질문도 답도 검사 데이터도 사내에 머뭅니다.
- 이미 장비 안에서 도는 로컬 AI 가 있습니다. Vision Agent 의 AI Helper 는 인터넷 없이 장비 PC 안의 로컬 LLM 으로 문장을 검사 시나리오 초안으로 바꿉니다. 외부로 데이터를 보내지 않는 AI 를 검사 프로그램에 넣어 본 경험이 MCP 연동 설계의 출발점입니다.
| AI 클라이언트 | 데이터 위치 | 장점 | 고려할 점 |
|---|---|---|---|
| 사내 LLM | 사내망 안 | 보안 정책 통과가 쉽고, 오프라인 라인에도 적용 가능 | 서버 사양에 따라 답의 품질과 속도가 달라짐 |
| ChatGPT | 외부 클라우드 | 범용 성능이 높고 커넥터로 MCP 서버 연결 가능 | 고객사 보안 정책이 외부 전송을 허용할 때만 |
| Claude | 외부 클라우드 | 데스크톱 앱 · 코드 도구에서 MCP 를 기본 지원, 긴 자료 분석에 강함 | 고객사 보안 정책이 외부 전송을 허용할 때만 |
요금제나 설정에 따라 MCP 연결 방식은 조금씩 다릅니다. 어떤 AI 를 쓰든 Vision Agent 쪽 MCP 서버는 하나로 같게 두고, 사이트마다 "사내 LLM 만 허용 / 외부 AI 허용" 을 설정으로 나누는 것이 저희 설계 방향입니다.
MCP 로 할 수 있는 일 1 : 검사 이력에 말로 묻기
Vision Agent 는 검사 결과, NG 이미지, 알람과 조치 이력, 파라미터 변경 이력을 이미 쌓고 있습니다. 데이터는 있는데, 그걸 꺼내 보려면 화면을 여러 개 열고 기간을 맞춰 비교해야 합니다. MCP 연동의 첫 번째 쓰임은 이 데이터를 읽기 전용으로 AI 에게 열어 주는 것입니다.
질문 : 어제 2라인 NG 율이 왜 올랐어? AI 가 하는 일 (설계 예시) 1. 기간별 NG 추이 조회 → 14시 이후 스크래치 NG 증가 확인 2. 같은 시점 파라미터 변경 이력 조회 → 13시 50분 노출값 변경 커밋 발견 3. 같은 시간대 알람 이력 대조 → 조명 관련 알람 없음 4. 정리 : "노출값 변경 직후부터 스크래치 판정이 늘었습니다. 변경 전 버전과 비교해 보세요"
같은 방식으로 고객사 제출용 품질 리포트(월간 NG 현황, 불량 유형별 비율, 기간 중 변경 이력)의 초안도 대화로 뽑을 수 있습니다. 읽기만 하므로 라인에 영향을 주지 않습니다.
MCP 로 할 수 있는 일 2 : 원인 추적과 변경 이력 비교
검사가 이상해졌을 때 가장 먼저 확인할 것은 "그 사이에 무엇이 바뀌었나" 입니다. Vision Agent 의 파라미터 허브는 설정 변경을 버전으로 남기고, 감사 추적은 누가 언제 무엇을 바꿨는지 기록합니다. AI 가 MCP 로 두 버전의 차이와 감사 기록을 읽으면, 사람이 화면을 뒤지는 시간을 크게 줄일 수 있습니다.
MCP 로 할 수 있는 일 3 : 세팅 보조 (사본에서만)
두 번째 단계는 AI 가 세팅을 돕는 것입니다. 다만 생산 중인 레시피를 AI 가 바로 바꾸게 하지는 않습니다.
요청 : 이 불량 이미지 30장이 모두 걸리고, 양품 200장은 통과하는 임계값을 찾아줘 AI 가 하는 일 (설계 예시) 1. 현재 레시피의 사본 생성 2. 사본에서 임계값을 바꿔 가며 저장 이미지로 NG 시뮬레이션 반복 3. 후보값별 검출 · 과검출 개수를 표로 제시 4. 사람이 값을 골라 승인 → 파라미터 허브에 커밋 (언제든 되돌리기 가능)
MCP 로 할 수 있는 일 4 : AI 학습 관리
AI 검사 모델을 운영하다 보면 "어느 불량 클래스 데이터가 부족한가", "새 모델이 이전 모델보다 나은가" 를 계속 확인해야 합니다. 데이터셋 상태 점검, 학습 진행 조회, 모델 버전별 검증 결과 비교를 MCP 도구로 열면 다음처럼 쓸 수 있습니다.
요청 : 스크래치 클래스가 부족하면 합성 불량을 만들어 다시 학습하고, 지금 모델과 비교해 줘
학습 시작처럼 시간이 오래 걸리고 장비 자원을 쓰는 일은 검사가 멈춘 시간에만, 사람이 승인한 뒤 실행되게 둡니다.
MCP 도구 후보와 권한 등급
| 도구 (예정) | 하는 일 | 권한 |
|---|---|---|
| 검사 이력 조회 | 기간 · 모델 · 불량 유형별 NG 통계와 추이, NG 이미지 | 읽기 전용 |
| 알람 · 조치 이력 조회 | 알람 발생과 조치 내용, 조치까지 걸린 시간 | 읽기 전용 |
| 파라미터 버전 비교 | 두 버전 사이 바뀐 값과 감사 기록 | 읽기 전용 |
| 장비 상태 조회 | 시나리오 실행 상태, 카메라 · 통신 연결 상태 | 읽기 전용 |
| NG 시뮬레이션 | 사본 레시피로 저장 이미지 재판정 | 사본에서만 |
| 시나리오 초안 생성 | 요청 문장으로 새 시나리오 초안 작성 | 사본에서만 |
| 레시피 반영 · 학습 시작 | 승인된 값 반영, 모델 학습 실행 | 사람 승인 필요 |
검사 장비에 AI 를 붙일 때 지키는 원칙
- 읽기 전용이 기본입니다. 처음 연동하는 사이트는 조회 도구만 엽니다.
- 검사 중에는 쓰기를 막습니다. 시나리오가 실행 중이면 쓰기 도구는 거절됩니다.
- 바꾸는 것은 사본에서, 반영은 사람이 합니다. 반영은 파라미터 허브 커밋으로 남겨 되돌릴 수 있게 합니다.
- AI 가 한 일도 기록합니다. AI 가 호출한 도구와 결과를 감사 추적에 남깁니다.
- 모르면 모른다고 알립니다. 데이터가 없거나 조회에 실패하면 그럴듯한 값을 지어내지 않고 오류로 알립니다. 검사 장비에서는 틀린 답보다 답을 못 냈다는 사실을 아는 편이 안전합니다.
자주 묻는 질문
Q. 지금 바로 MCP 로 Vision Agent 를 쓸 수 있나요?
아직은 아닙니다. 현재는 연동 포트로 시나리오 목록 · 실행 · 정지 · 상태를 주고받을 수 있고, MCP 브리지는 개발을 준비하고 있습니다. 먼저 써 보고 싶은 현장이 있으면 파일럿으로 함께 범위를 정할 수 있습니다.
Q. 우리 회사 사내 LLM 도 붙일 수 있나요?
MCP 를 지원하는 클라이언트(채팅 화면이나 에이전트 도구)를 통해 사내 LLM 을 연결하는 것이 설계의 기본 전제입니다. 특정 AI 회사에 묶이지 않게 하는 것이 MCP 를 고른 이유입니다.
Q. 검사 이미지가 외부로 나가지 않나요?
사내 LLM 으로 연결하면 질문, 답, 검사 데이터가 모두 사내망 안에 머뭅니다. ChatGPT 나 Claude 같은 외부 AI 는 고객사 보안 정책이 허용하는 경우에만 켜도록 사이트별 설정으로 분리합니다.
Q. AI 가 실수로 검사 설정을 바꾸면 어떻게 되나요?
그런 일이 생기지 않도록 쓰기 도구는 사본에서만 동작하고, 실제 반영은 사람이 승인해야 합니다. 반영된 변경은 버전으로 남으므로 이전 상태로 되돌릴 수 있습니다.
마치며
MCP 는 AI 를 검사 프로그램에 붙이는 방법을 표준으로 만들었습니다. 검사 장비 쪽에서 할 일은 두 가지입니다. 데이터를 잘 쌓아 두는 것, 그리고 AI 가 닿을 수 있는 범위를 안전하게 정하는 것입니다. Vision Agent 는 검사 이력, 알람 조치, 파라미터 버전, 감사 추적을 이미 쌓고 있고, 외부 연동 포트와 장비 안의 로컬 AI 를 갖추고 있습니다. 사내 LLM 이나 ChatGPT · Claude 로 검사 데이터를 다뤄 보고 싶은 현장이 있다면 편하게 문의해 주세요.
홈페이지 : www.intelligentfactory.co.kr/business/platform
☎ 070-7543-2022 · ✉ hssong@intelligentfactory.co.kr · 🌐 www.intelligentfactory.co.kr
아래 QR 코드를 카카오톡으로 스캔하시면 바로 상담이 연결됩니다.
