Automata V.13 | 🐶 ChatGPT가 살려낸 내 반려견

🐕 ChatGPT + AlphaFold로 의료 지식 없이 반려견의 생명 연장하기

출처: NDTV - Paul Conyngham과 그의 반려견 로즈

때로는 가장 감동적인 기술 스토리는 거대한 연구실이 아닌 평범한 일상에서 나와요. 호주의 한 데이터 엔지니어가 AI를 활용해 의료 지식 없이 반려견을 위한 세계 최초의 맞춤형 mRNA 암 백신을 설계한 사례를 소개할게요.

절박한 상황, 혁신적 시도

Paul Conyngham은 의사도 생물학자도 아니에요. 그가 가진 건 17년간의 머신러닝 경험, 그리고 절대 포기할 수 없는 반려견 로즈(Rose)뿐이었죠.

로지는 2019년 시드니의 한 보호소에서 입양된 8살 스태퍼드셔 불 테리어-샤페이 믹스견이에요. 2024년, 로지의 뒷다리에 큰 종양들이 나타나기 시작했어요. 진단은 비만세포암(mast cell cancer) — 개에게 가장 흔한 피부암이었죠. 수의사들은 기대 여명이 1개월에서 6개월 사이라고 했어요.

Paul은 수만 호주달러를 들여 항암치료와 여러 차례 수술을 시도했지만, 종양은 느려지기만 할 뿐 물러날 기미가 없었어요. 기존 치료가 한계에 부딪힌 절박한 상황에서, Paul은 자신이 가장 잘 아는 도구로 눈을 돌렸어요. 바로 AI였죠.

ChatGPT, 연구 보조원이 되다

Paul은 ChatGPT를 의사 대신이 아닌, 연구 보조원으로 활용했어요. ChatGPT와 대화하며 치료를 위해 필요한 정보와 방안들을 탐색하기 시작했습니다. ChatGPT는 유전체 시퀀싱(genomic sequencing)을 제안했어요. 로지의 정상 세포와 종양 세포의 DNA를 비교 분석하면, 정확히 어디에서 돌연변이가 발생했는지 찾아낼 수 있다는 거였죠. 또한 University of New South Wales(UNSW)의 Ramaciotti Centre for Genomics에 연락해볼 것을 추천했어요.

Paul은 끈질긴 설득 끝에 대학 측과 협업을 이끌어냈고, 3,000 호주달러를 지불해 로지의 DNA 시퀀싱을 의뢰했어요. 정상 세포와 종양 세포를 비교해 돌연변이가 정확히 어디에서 발생했는지 지도를 그린 거예요.

Ramaciotti Centre의 Martin Smith 부교수는 이 과정을 점점 커지는 경이로움으로 지켜봤어요. "Paul은 집요했어요. 전화해서 데이터를 분석하고, 관심 있는 돌연변이를 찾았고, AlphaFold로 변이 단백질을 찾았고, 잠재적 타깃을 식별했다고 하더라고요."

AlphaFold가 만든 돌파구

여기서 핵심적인 역할을 한 것이 Google DeepMind의 AlphaFold예요. 잠깐 설명하자면, AlphaFold는 단백질 구조 예측 문제를 사실상 해결한 혁신적인 AI 시스템으로, 2024년 노벨 화학상을 수상했어요. 단백질을 구성하는 아미노산 서열만 알려주면, 그 단백질이 어떤 3D 입체 구조를 가질지 놀라운 정확도로 예측해주죠.

Paul은 DNA 시퀀싱에서 발견된 돌연변이 데이터를 AlphaFold에 입력해, 종양 돌연변이가 만들어내는 단백질의 3D 입체 구조를 모델링했어요. 이 구조를 바탕으로 면역 반응을 가장 강하게 유도할 수 있는 신생항원(neoantigen)을 식별한 거예요. 마치 종양 세포만의 고유한 "지문"을 찾아내, 면역 체계가 정확히 그 지문을 공격하도록 설계하는 과정이었죠.

여기에 Paul은 자신의 ML 전문성을 더해 커스텀 머신러닝 알고리즘을 만들었어요. 어떤 변이 단백질이 면역 반응을 가장 효과적으로 유도할지 선별하는 알고리즘이었죠. ChatGPT는 이 전 과정에서 백신 설계의 반복적 검토와 최적화를 도왔어요.

수개월간의 분석 결과가 반 페이지 분량의 포뮬러로 압축되었어요.

세계 최초, 개를 위한 맞춤형 mRNA 백신

UNSW RNA Institute의 Páll Thordarson 교수가 Paul의 반 페이지 포뮬러를 받아 실제 mRNA 백신을 합성했어요. 세계 최초로 개를 위해 만들어진 맞춤형 암 백신이었죠.

2025년 12월, Paul은 퀸즐랜드 Gatton까지 10시간을 운전해 로지에게 첫 번째 주사를 맞혔어요. 퀸즐랜드대학교의 Rachel Allavena 교수가 기존 실험적 동물 치료 윤리 승인 하에 백신을 투여했죠. 2026년 1월에는 부스터샷을 맞았어요.

결과는 놀라웠어요. 첫 번째 주사 1주일 만에 종양이 눈에 띄게 줄어들기 시작했어요. 1월이 되자 로지의 종양은 75% 축소되었고, 12월에는 거의 움직이지도 못했던 로지가 강아지 공원에서 토끼를 쫓아 울타리를 뛰어넘을 만큼 회복되었어요.

의료 AI의 가능성과 한계

이 사례가 주는 시사점은 크지만, 동시에 신중한 해석이 필요해요.

긍정적인 면:

주의할 점:

Paul 자신도 냉정하게 바라보고 있어요. "이것이 완치라는 환상을 갖고 있지 않아요. 하지만 이 치료가 로지에게 훨씬 더 많은 시간과 삶의 질을 선물했다고 믿어요."

🔧 MCP vs CLI: 에이전틱 AI의 도구 사용 논쟁

출처: RunLayer

AI 에이전트가 실제 도구를 사용하려면 어떤 방식이 가장 효율적일까요? 최근 개발자 커뮤니티에서 Model Context Protocol(MCP)과 전통적인 Command Line Interface(CLI) 중 어느 것이 더 나은지에 대한 뜨거운 논쟁이 펼쳐지고 있어요.

MCP의 부상과 표준화

Anthropic이 제안한 MCP는 AI 에이전트가 다양한 도구와 데이터 소스에 접근할 수 있도록 설계된 개방형 프로토콜이에요. 가장 주목할 점은 OpenAI, Google, Anthropic 등 주요 AI 기업들이 모두 MCP를 채택하면서 사실상 업계 표준으로 자리잡고 있다는 거예요.

MCP의 가장 큰 장점은 구조화된 데이터 교환이에요. JSON 스키마 기반으로 입력과 출력이 명확하게 정의되어 있어서, AI 모델이 도구를 사용할 때 발생할 수 있는 오류를 크게 줄일 수 있죠.

예를 들어볼까요? 파일 시스템 접근 도구를 MCP로 구현하면 read_file이라는 메서드에 필요한 파라미터(file_path, encoding 등)가 명확하게 정의되어 있어요. AI는 이 스키마를 보고 정확히 어떤 형식으로 요청해야 하는지 알 수 있죠. 마치 요리 레시피처럼 필요한 재료와 순서가 명확하게 적혀 있는 거예요.

또한 보안과 권한 관리가 프로토콜 레벨에서 구현되어 있어, 기업 환경에서도 안심하고 사용할 수 있다는 점이 큰 메리트죠.

CLI의 강점과 실용성

하지만 CLI를 옹호하는 측의 주장도 만만치 않아요. 가장 큰 장점은 범용성과 레거시 시스템 호환성이에요. 이미 수십 년간 개발된 수천 개의 CLI 도구들을 별도의 래핑(wrapping) 작업 없이 바로 사용할 수 있다는 건 엄청난 이점이죠. git, docker, kubectl 같은 도구들은 이미 완벽하게 동작하는 CLI를 제공하고 있으니까요.

게다가 최신 AI 모델들은 자연어를 CLI 명령어로 변환하는 능력이 정말 뛰어나졌어요. GPT-4o나 Claude 3.5 Sonnet 같은 모델들은 복잡한 bash 스크립트도 정확하게 생성할 수 있고, 파이프라인(pipeline), 리다이렉션(redirection), 에러 핸들링까지 고려한 견고한 명령어를 만들어내죠.

실무에서의 선택 기준

그렇다면 실무에서는 어떤 걸 선택해야 할까요? 정답은 "상황에 따라 다르다"예요.

MCP가 적합한 경우:

CLI가 적합한 경우:

흥미로운 점은 많은 팀들이 하이브리드 접근을 택하고 있다는 거예요. 핵심 비즈니스 로직은 MCP로 구현하고, 보조적인 시스템 작업은 CLI로 처리하는 식이죠. 결국 도구는 목적을 위한 수단일 뿐, 여러분의 프로젝트 요구사항에 맞는 최적의 선택을 하는 게 가장 중요해요.

"강남역에 있는 다이소에 로션 재고 있어?" - AI와 연결할 수 있는 다이소MCP

혹시 다이소에 갔다가 원하는 제품이 없어서 헛걸음한 적 있으신가요? 국내 개발자 hmmhmmhm님이 만든 오픈소스 프로젝트 Daiso MCP가 그 불편함을 AI로 해결해 줄 수 있어요. MCP(Model Context Protocol)는 AI 모델이 외부 서비스나 데이터에 접근할 수 있도록 연결해주는 표준 프로토콜인데요, 이 프로젝트는 해당 프로토콜을 활용해 다이소와 올리브영의 매장 정보·제품 검색·재고 현황을 Claude, ChatGPT 같은 AI 챗봇이 직접 조회할 수 있도록 만들었습니다. MCP 서버는 Cloudflare Workers 위에서 돌아가고 있어서 별도 서버 없이 URL 하나(https://mcp.aka.page)만 등록하면 바로 쓸 수 있어요.

이름은 Daiso MCP지만, 다른 여러 브랜드들의 정보도 조회할 수 있습니다.

예를 들어 "수납박스 검색해줘"라고 하면 AI가 daiso_search_products 도구를 호출해 제품 목록을 가져오고, "이 제품 안산 중앙역 근처에 재고 있어?"라고 물으면 daiso_check_inventory로 실시간 재고까지 확인해 알려줍니다. 올리브영도 마찬가지로 "명동 근처 올리브영 찾아줘", "선크림 재고 있는 데 어디야?" 같은 질문이 가능합니다. AI가 대화 맥락을 이해하고 여러 도구를 연속으로 호출할 수 있어서, "강남역 근처 다이소 중에 A4 파일박스 재고 있는 매장 알려줘" 같은 복합 쿼리도 자연어 한 문장으로 처리됩니다.

이 MCP가 편한 이유는 단순히 검색이 아니라 AI의 추론 능력과 결합되기 때문입니다. 기존에는 다이소 앱을 열고, 검색하고, 매장을 직접 선택해서 재고를 확인하는 여러 단계를 거쳐야 했습니다. 하지만 Daiso MCP를 연결하면 "지금 내 위치 기준으로 가장 가까운 매장에 수납용 S박스 있어?"처럼 질문 하나로 끝납니다. AI가 알아서 매장을 검색하고, 재고를 조회하고, 결과를 정리해서 알려주는 거죠. 특히 올리브영 재고의 경우 품절 상품은 자동으로 걸러주기 때문에, 실제로 살 수 있는 상품만 바로 확인할 수 있습니다.

ChatGPT & Claude에서 사용하는 방법

ChatGPT에서는 별도 설정 없이 아래 링크의 커스텀 GPT 앱을 바로 사용할 수 있습니다. MCP 연동이 어렵다는 피드백을 반영해 개발자가 직접 GPT 앱을 만들어 배포했습니다.

Claude에서는 Pro / Max / Team / Enterprise 플랜이 필요하며, 웹에서 한 번 설정하면 모바일 앱에서도 동일하게 사용됩니다.

설정 후 이런 식으로 사용할 수 있어요: