당근메일 구독하기

ARCHIVE · 지난 당근메일

AI 시대에는 생산성 도구를 어떻게 골라야 할까요?

좋은 도구는 AI의 책상을 어지럽히지 않습니다.

#298 진대연 14분 읽기

요즘 저는 새 도구를 들일 때 가장 먼저 MCP를 지원하는지 확인합니다. MCP는 AI가 다른 앱에 직접 들어가 자료를 찾아오고 일을 처리할 수 있게 해 주는 연결 방식입니다. 노트, 할 일, 회의록, 습관 앱까지 가능하면 AI와 바로 연결되는 도구로 고르죠.

이유는 하나입니다. AI의 작업 공간을 아끼기 위해서입니다. 저는 이 작업 공간을 지키는 일을 「컨텍스트 세니티(context sanity)」라고 부르는데, 아직은 조금 낯선 말입니다. 그래서 이번 호에서는 이 말이 무슨 뜻인지, 그리고 이 기준으로 도구를 고르면 무엇이 달라지는지 이야기해 보려 합니다.

AI의 책상은 하나뿐입니다

AI가 한 번에 볼 수 있는 양은 정해져 있습니다. 이 범위를 컨텍스트 창이라고 부르는데, 저는 책상에 빗대어 설명합니다. 우리가 AI에게 건네는 질문, 붙여 넣은 자료, 지금까지 나눈 대화가 모두 이 책상 위에 올라갑니다.

책상은 하나뿐이고 넓이도 정해져 있습니다. 그래서 대화가 길어지면 서류가 계속 쌓이고, 자리가 모자라면 오래된 서류부터 책상 밖으로 밀려나죠. 아침에 정한 규칙을 AI가 오후에 잊어버리는 이유입니다. 밀려나지 않더라도 서류가 쌓일수록 정작 필요한 한 장은 찾기 어려워집니다.

책상에는 지금 필요한 서류만 올리고, 나머지는 폴더에 둡니다. ChatGPT 생성 이미지

이건 실험으로도 확인된 이야기입니다. 2023년 스탠퍼드 등의 연구진은 AI에게 자료 20개를 건네고, 그중 한 곳에만 정답을 넣어 둔 뒤 질문했습니다. 그리고 정답이 든 자료의 자리를 맨 앞부터 맨 끝까지 옮겨 가며 같은 질문을 반복했죠.

정답이 맨 앞이나 맨 끝에 있으면 AI는 잘 찾았습니다. 하지만 한가운데 있으면 정답률이 크게 떨어졌다고 합니다. 어떤 모델은 자료를 아예 주지 않았을 때보다도 정답률이 낮았습니다. 자료를 더 건넸는데 오히려 판단이 흐려진 것이죠.

컨텍스트 세니티(context sanity) — sanity는 「온전한 정신」이라는 뜻입니다. 제가 즐겨 쓰는 말로, AI의 책상을 어지럽히지 않고 일할 자리를 넉넉히 남겨 둔 상태를 가리킵니다. 같은 회의록이 필요해도, 지난달 회의록 열 개를 통째로 붙여 넣은 대화와 필요한 한 개만 AI가 찾아 올린 대화는 전혀 다른 책상입니다.

AI는 책상에 올라온 것만 보고 판단합니다. 그래서 무엇을 올리느냐만큼, 무엇을 올리지 않느냐가 결과를 좌우합니다.

MCP 없이 일할 때와 MCP로 일할 때

MCP가 없으면 우리는 복사해서 붙여 넣는 방식으로 일합니다. 메일을 복사해 붙이고, 회의록을 통째로 붙이고, 노트를 열어 다시 붙이죠. 이때는 필요한 문장이 한 줄뿐이어도 문서 전체가 책상에 올라갑니다.

MCP로 노트 앱을 연결해 두면 달라집니다. 「지난주 강의 제안서 찾아 줘」라고만 말해도 AI가 노트 앱을 직접 검색해 그 문서만 가져옵니다. 책상에는 서류 한 장만 올라가죠.

MCP는 AI와 도구를 잇는 관입니다. 필요할 때 필요한 만큼만 끌어옵니다. ChatGPT 생성 이미지

같은 일을 두 방식으로 할 때 책상이 어떻게 다른지 나란히 놓으면 다음과 같습니다.

왼쪽은 복붙으로 일하는 책상, 오른쪽은 MCP로 일하는 책상입니다. ChatGPT 생성 이미지

  1. 무엇이 올라가나 — 복붙은 문서 전체가 올라가고, MCP는 찾은 부분만 올라갑니다.
  2. 누가 찾나 — 복붙은 내가 앱을 열어 찾아서 옮기고, MCP는 AI가 직접 찾아옵니다.
  3. 얼마나 최신인가 — 복붙은 붙여 넣은 그 순간의 내용에 머물고, MCP는 물어볼 때마다 지금 내용을 가져옵니다.
  4. 책상에 남는 자리 — 복붙은 일할수록 자리가 줄고, MCP는 그만큼 자리가 남습니다.

그래서 저는 MCP를 쓰는 가장 큰 이유가 편리함보다 책상을 아끼는 데 있다고 생각합니다. 다만 여기에는 조건이 하나 붙습니다.

도구와 Skill이 많을수록 책상은 좁아집니다

MCP로 앱을 연결하면, 많은 AI 앱은 그 앱의 사용 설명서부터 책상에 올립니다. AI가 「이 앱으로 무엇을 할 수 있는지」 알아야 하기 때문입니다. 문제는 연결한 앱이 늘어날수록 이 설명서도 함께 쌓인다는 점입니다.

Anthropic이 든 예를 보면 얼마나 쌓이는지 알 수 있습니다. GitHub, Slack 같은 서비스 다섯 개를 연결했더니 도구가 58개가 되었고, 대화를 시작하기도 전에 설명서만으로 약 5만 5천 토큰(AI가 글을 세는 단위)을 차지했다고 합니다. 아직 질문 하나 하지 않았는데 책상의 상당 부분이 설명서로 덮인 것이죠.

Skill도 마찬가지입니다. Skill은 AI에게 특정 일을 하는 방법을 적어 준 규칙집인데, 설치해 두면 모든 Skill의 이름과 짧은 설명이 처음부터 책상에 올라가 있습니다. 규칙집 본문은 필요할 때만 펼치지만, 목차는 늘 책상 위에 있는 셈입니다.

일을 시작하기도 전에 설명서가 책상을 덮고, 비슷하게 생긴 설명서 앞에서 AI는 머뭇거립니다. ChatGPT 생성 이미지

자리만 문제가 아닙니다. 도구가 많으면 AI가 엉뚱한 도구를 고르기 쉬워집니다. Anthropic은 AI가 도구를 쓸 때 가장 흔한 실패로 도구를 잘못 고르는 것을 꼽았고, 특히 이름이 비슷한 도구가 여럿일 때 그렇다고 적었습니다. 같은 글에서 Anthropic은 필요한 도구만 그때그때 찾아 올리게 바꾸자, 도구가 많은 시험에서 Claude Opus 4의 정답률이 49%에서 74%로 올랐다고 밝혔습니다.

정리하면 도구와 Skill이 많을 때 생기는 문제는 세 가지입니다.

  1. 일을 시작하기도 전에 설명서가 책상을 차지합니다.
  2. 비슷한 도구가 여럿이면 AI가 엉뚱한 것을 고릅니다.
  3. 같은 일을 하는 도구가 둘이면 AI가 어느 쪽을 따라야 할지 알 수 없습니다.

「언젠가 쓰겠지」 하고 미리 깔아 두면

우리는 좋은 도구를 보면 일단 깔아 두곤 합니다. 언젠가 쓸 것 같으니까요. 그런데 AI에게는 이 습관이 생각보다 비쌉니다. 실제로 있었던 일 두 가지를 보겠습니다.

첫 번째는 Skill 묶음입니다. GitHub에는 마케터 코리 헤인스(Corey Haines)가 공개한 마케팅 Skill 묶음이 있습니다. 별을 6만 개 넘게 받았을 만큼 인기가 많고, 안에는 Skill이 53개 들어 있습니다. 하나하나 쓸모 있는 Skill이지만, 목록을 보면 이름이 비슷한 것도 함께 있습니다. 「copywriting(광고 문구 쓰기)」과 「copy-editing(문구 다듬기)」, 「ads(광고)」와 「ad-creative(광고 소재)」 같은 것들이죠.

53개를 모두 깔아 두면 53개의 이름과 설명이 늘 책상에 올라가 있습니다. 이 상태에서 「다음 주 광고 문구 세 개만 써 줘」라고 부탁하면, AI는 일을 시작하기 전에 비슷한 이름들 가운데 어느 규칙집을 펼칠지부터 골라야 합니다. 앞에서 본 것처럼 이름이 비슷할수록 엉뚱한 것을 고르기 쉬워지고요.

두 번째는 미리 연결해 둔 도구입니다. 2025년 11월, Claude Code를 쓰는 한 사용자가 GitHub에 이런 기록을 남겼습니다. MCP로 도구 서버 7개를 연결해 두었더니, 대화를 시작하기도 전에 도구 설명서만으로 약 6만 7천 토큰, 즉 책상의 3분의 1(33.7%)이 차 있었다는 것입니다. 그중 GitHub 하나만 해도 도구가 27개, 약 1만 8천 토큰이었는데, GitHub를 전혀 쓰지 않는 대화에서도 그 자리를 그대로 차지했다고 합니다. 꼭 필요한 서버 3개만 남겨도 책상의 5분의 1(21.3%)이 여전히 설명서로 덮여 있었고요.

두 이야기 모두 도구가 나빠서 생긴 일이 아닙니다. 쓰지 않는 것까지 한꺼번에 책상에 올려 둔 것이 문제였죠. 그래서 저는 한국 서비스용 Skill 묶음도 한꺼번에 깔지 않고, 필요한 순간에 하나만 골라 깝니다.

도구를 하나 더 연결하는 일은 버튼 몇 번이면 끝납니다. 하지만 그 도구는 연결해 둔 동안 내내 책상 한쪽을 차지하죠. 그래서 도구는 가짓수를 늘리기보다, 잘 작동하는 것을 필요한 만큼만 연결하는 것이 중요합니다.

MCP가 있느냐보다 얼마나 잘 작동하느냐가 중요합니다

그렇다면 무엇이 「잘 작동하는」 MCP일까요? 저는 이 차이를 노트 앱을 바꾸면서 실감했습니다.

지난 9월까지 매일 쓰던 Mem은 제가 비교해 본 노트 앱 가운데 MCP 기능이 가장 많았습니다. 단어가 아니라 뜻으로 찾는 검색은 물론, 비슷한 노트 찾기와 첨부 파일 안 검색까지 됐죠. 문제는 한국어였습니다. 「강의 제안서」로 찾게 했더니 전혀 상관없는 하루 기록이 1위로 올라왔습니다. 같은 뜻의 영어 「lecture proposal」로 찾자 그제야 강의 노트들이 위를 채웠고요. 그래서 제 AI 지침에는 한동안 「Mem은 검색어를 영어로」라는 규칙이 적혀 있었습니다. 기능은 가장 많았지만, 한국어로 일하는 제 책상에는 엉뚱한 서류가 올라온 것이죠.

에버노트는 반대로 한국어 검색이 꽤 정확했고, 첨부 파일 올리기도 잘됐습니다. 대신 MCP가 느렸습니다. 방금 쓴 노트를 찾아 달라고 했더니, 검색 목록에 늦게 반영되는 바람에 그 노트를 찾지 못했습니다. 필요한 서류가 제때 책상에 도착하지 않은 겁니다.

지금 쓰는 Craft도 완벽하지는 않습니다. 단어를 글자 그대로 찾는 방식이라 「AI」를 검색하면 gmail, paid처럼 그 글자가 든 단어까지 242건이 쏟아졌습니다. 다만 단어 두세 개를 함께 넣으면 결과가 정확하게 좁혀졌습니다. 그래서 지금 제 AI 지침에는 「Craft는 짧은 한국어 단어 두세 개를 함께 넣어 찾는다」는 규칙이 있습니다.

엉뚱한 서류, 늦게 오는 서류, 한꺼번에 쏟아지는 서류 모두 책상을 어지럽힙니다. ChatGPT 생성 이미지

정리하면 MCP의 품질은 세 가지로 갈립니다.

  1. 필요한 서류를 정확히 찾아오는가
  2. 제때 가져오는가
  3. 필요한 만큼만 가져오는가

기능표에는 「MCP 지원」 한 줄로 똑같이 적혀 있지만, 이 세 가지는 직접 써 보기 전에는 알 수 없습니다.

그래서 저는 직접 재 봅니다

9월에 Mem을 떠나 새 노트 앱을 고를 때도 처음에는 AI 비서에게 기능표부터 정리하게 했습니다. 후보마다 MCP로 무엇을 할 수 있는지 비교해 보니, 지금 쓰는 Craft는 검색 방식이 단순하다는 이유로 4위였습니다.

하지만 표만 보고 정하지는 않았습니다. AI 비서에게 Craft와 에버노트에서 똑같은 일 다섯 가지를 시켜 봤습니다. 프로젝트 노트 맞추기, 폴더를 옮겼을 때 따라오는지, 한국어 검색, 첨부 파일 올리기, Mem 노트 옮겨 오기입니다. 15분 정도 걸렸죠.

9월 26일, AI 비서에게 두 노트 앱에서 같은 일을 시켜 본 결과입니다.

결과는 기능표와 달랐습니다. 제가 매일 하는 프로젝트 노트 맞추기에서는 Craft가 앞섰고, 폴더 이동은 둘 다 잘 따라왔습니다. 에버노트가 앞선 것은 첨부 파일 하나뿐이었습니다. 시험 중에 함정도 하나 드러났습니다. 제 컴퓨터에 있는 그림 파일을 Craft에 넣게 했더니, 오류 메시지 하나 없이 그림만 조용히 빠진 겁니다. 잘 작동하는지를 볼 때는 실패를 알려 주는지까지 봐야 한다는 걸 그때 알았습니다.

AI로 이런 시험을 직접 만들어 돌려 볼 수 있다는 것은 제게 꽤 큰 장점입니다. 왜냐하면 남이 매긴 순위 대신 제 일하는 방식으로 도구를 잴 수 있기 때문이죠.

좋은 도구는 AI의 책상을 지켜 줍니다

예전에는 도구를 고를 때 내가 쓰기 편한지만 봤습니다. 이제는 그 도구가 AI의 책상에 필요한 것만, 정확하게, 제때 올려 주는지까지 봐야 합니다. 그리고 그 도구가 책상에 머무는 동안 얼마나 자리를 차지하는지도요.

우리는 AI가 엉뚱한 답을 하면 프롬프트를 고치거나 더 좋은 모델을 찾곤 합니다. 그런데 그보다 먼저 볼 곳은 AI의 책상입니다. 쓸데없는 서류가 쌓여 있지는 않은지, 쓰지 않는 설명서가 자리를 차지하고 있지는 않은지 말이죠. 우리가 일을 시작하기 전에 책상부터 정리하듯, 컨텍스트 세니티는 AI의 책상을 정리해 주는 일입니다.

새 도구를 찾을 때는 후보부터 좁혀 보셔도 좋습니다. 그동안 당근메일에서 소개한 도구 88개를 당근메일 도구 페이지에 할 일, 메일, 노트, 회의처럼 고민별로 모아 두었습니다. 그 목록에서 후보 두세 개를 고른 뒤, 이번 호의 기준을 하나 더 대 보세요. 내 AI의 책상에 필요한 서류만 올려 주는지 말입니다.

이번 주에는 딱 하나만 해 보세요. 내 AI에 연결된 앱과 Skill 목록을 열고, 지난 한 달 동안 한 번도 쓰지 않은 것을 하나 빼는 겁니다. 그리고 자주 쓰는 도구에게 한국어로 같은 문서를 찾게 해 보세요. 엉뚱한 서류가 올라오는지, 너무 많이 쏟아지는지만 봐도 그 도구가 내 AI의 책상을 지켜 주는지 알 수 있습니다.

참고한 글

함께 보면 좋은 이전 당근메일

당근메일 홈페이지

📚 이전 당근메일 다시 보기 — 2020년부터 쓴 당근메일 207편을 연도·필진별로 찾아볼 수 있습니다.

🧰 당근메일에서 소개한 도구 찾기 — 당근메일에서 소개한 도구를 할 일·메일·노트·AI 비서처럼 고민별로 모았습니다.

  • 🗂️ AI는 책상에 올라온 것만 보고 판단합니다. 그 책상을 어지럽히지 않는 것이 컨텍스트 세니티입니다.
  • 🧰 도구와 Skill은 많다고 좋은 것만은 아닙니다. 연결해 둔 동안 설명서가 늘 책상을 차지하고, AI는 엉뚱한 도구를 고르기 쉬워집니다.
  • 🧪 이번 주에는 한 달 동안 안 쓴 앱이나 Skill 하나를 빼고, 자주 쓰는 도구에게 한국어로 같은 문서를 찾게 해 보세요.

헤더 사진: NRKbeta (2009), CC BY-SA 2.0 (AI로 재구성)

이어서 읽어 볼 글

지난 당근메일 전체 보기 →

PRIVACY · CONSENT

개인정보 수집·이용 동의

당근메일은 컨텐츠 뉴스레터 발송을 위하여 다음과 같이 귀하의 개인정보를 수집·이용합니다.

수집·이용 목적
당근메일의 뉴스레터 발송 및 구독자 문의 접수
수집 항목
신청자의 이름, e-Mail 주소
보유·이용 기간
당근메일의 구독 해지 시까지

귀하는 위와 관련된 동의를 거부할 권리가 있으며, 필수 정보 수집에 동의하지 않는 경우 당근메일의 컨텐츠를 메일로 수신할 수 없습니다.