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..

기업 AI Agent 도입 로드맵: 업무 발굴부터 PoC·운영 전환까지 6단계

기업에서 AI Agent 도입을 검토하면 “어떤 LLM·RAG·MCP·멀티 Agent를 써야 하는가?”부터 묻기 쉽습니다. 모두 필요한 질문이지만 첫 번째 질문은 아닙니다.기업 AI Agent 도입의 출발점은 어떤 모델을 선택할지가 아니라 누구의 어떤 업무를 어떤 조건에서 개선할지입니다. 업무와 책임 경계가 정해지지 않은 상태에서 기술부터 선택하면, 시연은 빠르게 만들 수 있어도 운영 전환 단계에서 범위·권한·품질·비용을 다시 설계하게 됩니다.AI Agent는 요청을 이해하고 정보를 검색하며, 상황에 따라 계획하고 기업 시스템의 Tool을 호출합니다. 잘못된 판단이 실제 시스템 변경으로 이어질 수 있으므로 데이터·API·권한·승인·복구·감사와 운영 책임을 함께 다뤄야 합니다.요청 이해 → 정보 검색 → ..

콘텐츠를 검색엔진과 AI 에이전트 양쪽에 노출하기: Search Console·사이트맵부터 MCP 서버까지

좋은 글을 써도 아무도 못 찾으면 없는 글과 같습니다. 발견(Discovery) 경로는 예전부터 검색·소셜·커뮤니티·추천·직접 방문 등 여럿이었지만, 최근 크게 달라진 것은 사람들이 정보를 검색엔진과 생성형 AI(AI 검색·어시스턴트) 양쪽에서 찾는다는 점입니다. 누군가는 구글·네이버에 검색하고, 누군가는 ChatGPT·Perplexity·Copilot에게 묻습니다. 이 글은 여러 경로 중 이 두 경로에 집중해, 콘텐츠 노출을 어떻게 설계할지 다룹니다.이 글은 제가 이 블로그의 검색 노출을 설정하고, AI 연결 가능성까지 정리한 과정을 재사용 가능한 네 트랙으로 묶은 것입니다. 앞의 두 단계(소유·측정, 크롤·URL 발견)는 전통적인 검색엔진 최적화 (Search Engine Optimization, S..

내 블로그를 MCP 서버로 만들기: 공개 콘텐츠를 AI 도구로 노출하고 출처 링크로 유입을 유도하기

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 ..

내부 기능을 원격 MCP 서버 (Remote MCP Server, Streamable HTTP) 로 노출하면, 하나의 서버를 여러 AI 클라이언트가 자연어로 함께 쓸 수 있습니다. Codex, Claude Code, claude.ai, Claude Desktop, ChatGPT — 클라이언트는 제각각이지만 서버는 하나입니다(같은 제품이라도 웹·데스크톱 표면이 커넥터를 공유하기도 합니다). 그런데 막상 붙이려고 하면 "클라이언트마다 등록 방법이 다른데?"라는 벽에 부딪힙니다.좋은 소식은, 클라이언트와 서버가 호환되는 MCP Authorization 사양과 클라이언트 등록 방식을 지원하면, 등록은 대체로 URL 중심으로 수렴한다는 점입니다. 클라이언트가 서버에 처음 접속하면 메타데이터 디스커버리 (Disco..

많은 조직이 이슈 트래커 (Issue Tracker)에 매일의 업무 흔적을 남깁니다. 이슈가 생성되고, 상태가 바뀌고, 담당자가 배정되고, 코멘트와 작업 시간이 기록됩니다. 그런데 정작 "지난 한 주 동안 우리 팀이 무엇을 했는가"를 한 장으로 정리하려고 하면, 사람이 화면을 열어 필터를 걸고 숫자를 손으로 옮겨 적습니다. 매일 반복되는 이 작업은 지루할 뿐 아니라, 사람마다 집계 방식이 달라 숫자가 미묘하게 어긋납니다.이 글은 이슈 트래커를 MCP (Model Context Protocol) 호환 브리지로 AI Agent에 연결하고, 활동 데이터를 수집·집계해 신뢰할 수 있는 운영/경영 리포트를 자동 생성한 경험을 일반화해 정리합니다. 핵심은 "API를 호출해 데이터를 긁어오는 것"이 아니라, 그 숫자..

AI 에이전트에게 지식을 주는 방법은 하나가 아닙니다. 사내 회의 녹취를 검색 가능한 지식으로 만드는 파이프라인은 이전 글에서 다뤘습니다(회의 오디오 → RAG). 이 글은 성격이 전혀 다른 지식원, 즉 공개 웹 문서를 대상으로 한 검색 증강 생성 (Retrieval-Augmented Generation, RAG)을 다룹니다.이 글은 구현 회고가 아니라 설계 가이드입니다. 아래에 나오는 코드는 대부분 개념을 보여주기 위한 개념 코드이며, 특정 버전·실행 환경에서 측정한 검색 품질·성능 수치를 제시하지는 않습니다. 대신 "공개 웹을 지식원으로 붙일 때 무엇을 어떻게 결정해야 하는가"에 대한 설계 지침에 집중합니다.제안하는 파이프라인의 골격은 이렇습니다. 공개 웹 페이지를 수집(Crawl)하고, 본문을 추출..

하나의 거대한 AI Agent (AI 에이전트)에게 회의록 검색, 웹 조사, 초안 작성, 사실 검증, 최종 편집을 모두 시키면 초기 개발은 빠릅니다.문제는 이 에이전트에게 붙는 권한이 시간이 지날수록 계속 늘어난다는 점입니다.단일 거대 에이전트가 갖게 되는 권한 → 회의 지식베이스 읽기 → 웹 지식베이스 읽기 → 외부 검색 도구 호출 → 파일 업로드·삭제 도구 호출 → 요약 재생성·저장 도구 호출 → 그리고 위 모든 것을 하나의 System Prompt로 통제권한이 한곳에 모이면 두 가지가 동시에 나빠집니다. 첫째, 프롬프트 한 줄이 오작동하면 그 파급 범위 (Blast Radius)가 모든 도구와 모든 지식베이스로 번집니다. 둘째, "이 작업에는 이 도구가 정말 필요한가"를 판단할 수 있는 ..

사용자가 AI Agent에게 요청합니다.“지난주 회의의 결정 사항을 찾아 줘.”“이 회의의 후속 업무를 등록해 줘.”“완료된 회의를 다른 조직으로 옮겨 줘.”Agent는 자연어를 이해하고 회의 검색, 요약 조회, 업무 생성과 회의 이동 Tool을 선택합니다.이때 “사용자가 로그인했다”는 사실만으로는 어느 요청도 실행할 수 없습니다.로그인됨≠ 모든 Tenant 접근 가능≠ 모든 Tool 실행 가능≠ 모든 객체 변경 가능≠ 현재 업무 상태에서 허용됨더 어려운 문제는 실행 주체가 하나가 아니라는 점입니다.사용자 → AI Client → Agent Runtime → MCP Server → Business API → Database최종 Database 변경은 Servi..

AI Agent에게 “지난 회의를 찾아 요약해 줘”라고 요청했습니다.Agent는 회의 목록을 조회하고, 대상 회의를 찾은 뒤 요약 작업을 요청할 수 있습니다. 여기까지는 비교적 자연스럽습니다.그런데 요청이 “다른 조직으로 옮겨 줘”, “외부 담당자에게 전송해 줘”, “이 회의를 영구 삭제해 줘”라면 이야기가 달라집니다.모두 같은 Tool Call이지만 결과의 영향은 같지 않습니다.조회 실패 → 다시 확인할 수 있음생성 중복 → 데이터 정리와 비용 발생잘못된 전송 → 외부 노출과 업무 사고영구 삭제 → 복구 불가능할 수 있음모델이 사용자의 의도를 잘 이해했다는 사실은 실행 권한을 얻었다는 뜻이 아닙니다.운영 가능한 AI Agent에는 다음 네 질문에 각각 답하는 통제가 필요합니다.인증 (Authen..