MCP(Model Context Protocol) 보안 리스크와 대응 방안 총정리

MCP Model Context Protocol Security Risks and Mitigations

이 글은 2twodragon.com(워드프레스)에서 2025-04-09에 처음 게시된 글을 옮긴 것입니다.

AI 기술의 확산과 함께 MCP(Model Context Protocol) 사용도 급격히 늘고 있습니다. MCP는 AI 시스템이 외부 도구, 소프트웨어, 데이터 소스 등과 연동할 수 있게 해주는 강력한 프로토콜이지만, 이로 인해 새로운 보안 이슈도 함께 떠오르고 있습니다.

이번 글에서는 MCP 사용 시 발생 가능한 보안 리스크와 이를 해결하기 위한 실질적인 대응 방안을 정리했습니다.


MCP란?

MCP(Model Context Protocol)는 AI가 외부 애플리케이션 및 도구들과 안전하게 상호작용할 수 있도록 설계된 표준 프로토콜입니다. 주로 아래와 같은 기능을 지원합니다:

  • OAuth 기반 인증 및 외부 서비스 연동
  • 다양한 플러그인 확장 기능
  • AI와의 문맥 유지(세션 기반)
  • 외부 데이터 호출 및 명령 수행

MCP Model Context Protocol Security Risks and Mitigations image 1


MCP 사용 시 보안 위협 요소

보안 위협 요소 설명 위험도
OAuth 인증 미흡 토큰 유출 시 인증 우회 및 세션 탈취 가능 매우 높음
프롬프트 인젝션 악성 명령이 포함된 입력으로 시스템 오작동 유도 매우 높음
플러그인 취약점 외부 확장 기능을 통한 악성 코드 유입 가능 높음
민감 데이터 유출 다양한 앱·도구와 연동되면서 데이터 노출 가능성 증가 매우 높음
문맥 지속성 문제 대화 내역에 민감 정보가 계속 남아 있을 수 있음 높음
세션 하이재킹 세션 토큰 재사용을 통한 권한 탈취 높음
원격 호출 및 API 악용 MCP를 통해 비인가 서버로 정보 유출 가능 중간~높음
코드 유출 및 변조 소스코드 관리 툴과 연동된 경우, MCP 경유 유출 가능 높음
엔드포인트 보안 사용자의 기기 보안이 약할 경우 MCP 경유 침해 가능 높음

실제 예시: 민감 정보와 MCP

MCP는 외부 앱(iTerm, VSCode, Notion 등)과 연결되어 동작하기 때문에 IAM Role, Access Key, API Key, Secrets Manager 등의 민감정보가 모델 문맥에 포함될 수 있습니다.

예: 사용자가 AWS CLI를 열어 Key를 확인한 뒤, 같은 세션에서 AI를 호출하면 해당 정보가 노출될 수 있음

이를 방지하려면:

  • 사용자 주의 교육
  • 문맥 정보 자동 정제 시스템
  • 민감 정보 DLP(Data Loss Prevention) 연동

이 필요합니다.


보안 대응 방안 정리

MCP Model Context Protocol Security Risks and Mitigations image 2

보안 영역 대응 방안
인증 및 접근 제어 OAuth 프로토콜 강화, 주기적 토큰 갱신, RBAC 적용
프롬프트 검증 명령어 실행 제한, 입력 정규화, 프롬프트 필터링 시스템 구축
플러그인 관리 화이트리스트 운영, 보안 검증 필수화, 사용자 확인 절차 삽입
데이터 보호 저장/전송 암호화 (TLS 1.2+), 민감 데이터 분리 암호화, DLP 연동
세션 보안 세션 재사용 탐지, 세션 토큰 만료 설정, AI 문맥 메타데이터 암호화
코드 보안 저장소 접근 제한, 자동 코드 스캐너 도입, Git 연동 정책 강화
엔드포인트 보안 기기 보안 업데이트, 위협 탐지 및 방지 솔루션 도입, 비인가 앱 차단
사용자 인식 개선 보안 교육, 정책 고지, 피드백 수렴 및 개선 주기화

인사이트 참고 ① — QueryPie 화이트페이퍼 요약

📄 “MCP 시대를 위한 특권 접근 제어(PAM)의 재정의”

주요 메시지:

  • 기존 PAM 체계는 AI를 고려하지 않음 → LLM의 문맥 내 정보 호출은 새로운 형태의 접근 위협
  • “Prompt-to-Privileged Action” 문제: AI가 사람을 대신해 민감한 명령을 실행할 수 있는 구조
  • 접근 정책은 ID 중심에서 행동 기반 권한 모델로 진화해야 함 (예: “이 사용자가 이 행동을 해도 되는가?”)

✅ 추천 전략:

  • 정책 중심의 접근 제어(PDP)와 감사 로깅 강화
  • Session-level PAM 도입 필요 (프롬프트 단위 감시)
  • Prompt Layer에서의 DLP 정책 및 리스크 감지 시스템 연동

인사이트 참고 ② — 기술 블로그 요약

📄 “AI와 API 보안, 어떻게 대비할까” – by Channy Yun (AWS)

핵심 요점:

  • AI 시스템은 자동으로 API 호출 권한을 부여받는 경우가 많아 취약점이 치명적
  • 사용자가 의도치 않게 AI를 통해 백엔드 시스템을 제어하게 될 수도 있음
  • “AI도 사용자처럼 최소 권한 원칙 적용” 필수

✅ 추천 전략:

  • IAM, API Gateway, Scope 제어 등 프로그래머블 보안 레이어 구축
  • API 호출 권한은 반드시 분리된 Role로 구성하고, 세션 만료시간 단축
  • 로깅/모니터링을 통해 비정상 호출 탐지 체계 강화

마무리

MCP는 AI의 능력을 극대화하는 혁신적인 기술이지만, 그만큼 보안 리스크도 분명히 존재합니다. 특히 다양한 앱, 저장소, 사용자 기기와 연결되는 만큼, 보안은 기술 도입 초기부터 함께 설계되어야 합니다.

“AI가 똑똑해질수록, 우리가 더 철저해져야 한다.”

MCP를 안전하게 사용하기 위해선 다음의 3가지를 기억하세요:

  1. 프롬프트 단위 보안 통제
  2. AI 권한은 인간보다 더 좁게 설계
  3. 사용자뿐만 아니라 ‘세션’도 감시 대상

이 글이 여러분의 조직이나 팀이 MCP를 안전하게 도입하는 데 도움이 되기를 바랍니다.


참고 자료

Discussion 0

GitHub 계정으로 로그인하여 댓글을 작성하세요

댓글을 불러오는 중...
댓글 작성 가이드
건설적인 피드백과 질문을 환영합니다
마크다운 문법을 사용할 수 있습니다
코드 블록은 ``` 로 감싸주세요
상대방을 존중하는 표현을 사용해주세요