AI 아키텍처 기술 블로그

블로그 MCP 서버 공개 배포기: PyPI 패키징·하드닝·익명성 게이트

앞선 글 내 블로그를 MCP 서버로 만들기에서는 이 블로그의 공개 글 코퍼스를 로컬 stdio MCP 서버로 만들어 AI 에이전트가 목록·검색·본문을 읽게 하는 데까지 다뤘다. 그 글은 마지막에 "로컬 stdio로 먼저, 공개 배포는 다음"이라고 미뤄 두었다. 이 글은 바로 그 다음 이야기다.로컬에서 도는 것과 남들이 uvx 한 줄로 설치해 쓰는 것 사이에는 생각보다 큰 간극이 있다. 특히 PyPI에 올린 배포 파일은 되돌리기 어렵다 — 이미 올린 wheel/sdist는 같은 파일명으로 교체할 수 없고, 수정본은 통상 새 버전 번호를 필요로 한다. 한 번 나간 아티팩트는 캐시·미러·포크에도 남는다. 그래서 배포는 "동작하니까 올린다"가 아니라 배포 전에 굳혀도 되는 상태인지 검증하는 게이트를 세우는 작..

기술 블로그를 오래 쓰다 보면 글은 쌓이는데, 정작 요즘 사람들이 정보를 찾는 창구인 AI 에이전트 (AI Agent) 는 내 글을 잘 데려오지 못합니다. 검색 색인에 잡히기를 기다리거나, 누군가 링크를 붙여 주기를 기다릴 뿐입니다. 그런데 내가 이미 가진 것은 잘 구조화된 공개 콘텐츠 코퍼스 (Corpus) 입니다. 이걸 에이전트가 도구로 직접 검색·열람하게 만들면 어떨까요?이 글은 제가 이 블로그(49편 규모)를 모델 컨텍스트 프로토콜 (Model Context Protocol, MCP) 읽기 전용 서버로 만들고 로컬에서 검증한 과정을 정리합니다. 여기서 다루는 범위는 로컬 표준입출력(stdio) 서버로 만들어 동작을 확인하는 단계까지입니다. 공개 저장소·패키지 레지스트리·원격 서버로의 공개 배포는 ..

기업용 AI 서비스를 설계할 때 자주 나오는 질문이 있습니다.기존 Java 백엔드 안에 AI 기능을 넣어야 할까, Python 서비스를 따로 만들어야 할까?이 질문을 언어 선택 문제로만 보면 답을 찾기 어렵습니다. 중요한 것은 Java와 Python 중 어느 쪽이 더 좋은지가 아니라, 외부 요청을 통제하는 책임과 AI 실행을 조율하는 책임을 어디에서 나눌 것인가입니다.인증, 테넌트 정책과 기존 업무 API는 안정성과 일관성이 중요합니다. 반면 Agent, RAG, 모델 SDK와 Prompt는 상대적으로 빠르게 바뀝니다. 두 영역을 하나의 배포 단위에 넣으면 시작은 단순하지만, 시간이 지날수록 보안 변경과 AI 실험의 배포 주기가 서로 얽힐 수 있습니다.책임을 분리한 기준 구조는 다음과 같습니다.Web ·..