MCP 대형 결과를 컨텍스트 밖에 보관하고 SQL로 조회

MCP 도구가 돌려주는 대형 결과를 모델의 대화 컨텍스트에 전부 밀어 넣지 않고, SQL로 필요한 부분만 조회하게 한 설계는 토큰 처리 문제를 데이터 처리 문제로 옮긴다는 점에서 실용적입니다. 32 KiB 이상인 JSON 객체 배열을 분리하고 에이전트에 간결한 설명자를 제공하면, 모델은 전체 응답을 읽는 대신 질문에 맞는 집계나 필터링을 수행할 수 있습니다.

이 방식은 결과가 커질수록 모델이 관련 정보를 놓치거나 컨텍스트를 불필요하게 점유하는 문제를 줄일 가능성이 큽니다. 예를 들어 이슈 목록 전체를 대화에 붙이지 않고 상태별 개수를 세어 정렬하게 하면, 작업 결과는 짧아지고 반복 분석도 간결해집니다. 도구 호출의 산출물을 단순한 텍스트가 아니라 질의 가능한 테이블로 취급하는 전환입니다.

안전 장치가 이 접근의 성패를 좌우합니다. 변경을 일으키는 문장을 허용하지 않고 SELECT, WITH, SHOW, DESCRIBE, EXPLAIN만 받으며, DuckDB를 읽기 전용으로 열고 외부 접근과 확장 로딩을 막는 구성은 에이전트가 데이터를 조회하는 범위를 좁힙니다. 결과를 500행과 32 KiB로 제한하는 것도, 모델에게 다시 지나치게 큰 출력을 건네는 역설을 막는 데 유효합니다.

하지만 SQL로 조회할 수 있다는 사실이 곧 결과를 올바르게 해석한다는 뜻은 아닙니다. 불리언·정수·실수·문자열로 열 유형을 추론하고 중첩 구조나 혼합 유형은 JSON 텍스트로 저장하므로, 에이전트는 데이터의 형태를 이해한 뒤 적절한 조건을 만들어야 합니다. 누락 값을 NULL로 처리하는 특성도 집계나 비교 결과에 영향을 줄 수 있어, 설명자가 스키마와 결측 처리 방식을 정확히 전달하는지가 중요해집니다.

또한 결과를 컨텍스트 밖에 둔다는 것은 대화창의 부담을 줄이는 대신, 저장된 데이터에 대한 접근 경계와 쿼리 추적의 중요성을 높입니다. 기사에 제시된 읽기 전용 실행과 제한된 문법은 좋은 출발점이지만, 실제 제품에서는 어떤 도구 결과가 어떤 에이전트에게 보이는지, 조회 오류를 어떻게 드러내는지도 사용자의 신뢰를 결정할 것입니다. 대형 도구 응답을 다루는 표준은 더 큰 컨텍스트가 아니라, 제한된 권한과 이해 가능한 질의 경로가 될 가능성이 큽니다.