슬기로운 개발자의 생활

이 글은 Arjun Prabhulal님의 동의 하에 그분의 깊이 있는 분석과 자료를 사용하여 작성했습니다. 원문은 [Building AI Agents with Google's Agent Development Kit(ADK) as MCP Client - A Deep Dive]에서 확인하실 수 있습니다. 독자 여러분께 더욱 유익한 정보를 전달할 수 있도록 귀한 내용을 공유해 주신 Arjun Prabhulal님께 다시 한번 감사드립니다. Google Cloud Next ’ 25에서는 여러 획기적인 발표가 있었습니다. 지난해에는 GenAI(챗봇)와 Vertex AI가 주목받았다면, 올해의 주제는 명확했습니다. 바로 에이전트, 에이전트, 그리고 더 많은 에이전트였죠. Agent Development Kit (AD..

이 글은 Arjun Prabhulal님의 동의 하에 그분의 깊이 있는 분석과 자료를 사용하여 작성했습니다. 원문은 [Model Context Protocol(MCP) with Google Gemini 2.5 Pro — A Deep Dive]에서 확인하실 수 있습니다. 독자 여러분께 더욱 유익한 정보를 전달할 수 있도록 귀한 내용을 공유해 주신 Arjun Prabhulal님께 다시 한번 감사드립니다. GPT-4, Claude, Gemini, Llama3와 같은 대규모 언어 모델(LLM)이 발전하면서, 이러한 모델들을 외부 도구, API, 그리고 다양한 시스템과 표준화된 방식으로 연결해야 할 필요성이 점점 커지고 있습니다. 하지만 이 모델들은 사전 훈련된 데이터를 기반으로 독립적으로 작동하며, 실시간 데이터..

안녕하세요! IT 업계에서 LLM(대규모 언어 모델)은 정말 많은 변화를 가져왔죠. 하지만 LLM이 학습한 데이터가 최신이 아니어서 가끔은 부정확하거나 심지어 존재하지 않는 코드를 만들어내는 경우, 다들 한 번쯤 경험해 보셨을 거예요. 오늘은 바로 이런 문제를 해결해 줄 수 있는 멋진 도구, Context7 MCP (Model Context Protocol)에 대해 이야기해 보려고 합니다. 제 경험상 Context7 MCP를 활용하면 LLM이 항상 최신 라이브러리 문서와 코드 예제를 참고하게 되어서, 개발자들이 훨씬 더 정확하고 효율적으로 코딩하는 데 큰 도움을 받을 수 있더라고요.그래서, Context7 MCP가 정확히 뭔가요?Context7 MCP는 Upstash 팀에서 개발하고 꾸준히 관리하고 있는..

GitHub 저장소를 이용한 Smithery 서버 등록 및 배포Smithery는 GitHub 저장소 기반으로 MCP 서버를 자동 등록 및 배포할 수 있는 강력한 기능을 제공합니다.1. 필수 파일 준비Dockerfile: 서버 실행 환경을 정의합니다.smithery.yaml: 실행 명령과 환경변수를 선언합니다.두 파일은 저장소 루트에 있어야 하며, MCP 서버를 정의하는 표준 형식에 따라 작성되어야 합니다.2. smithery.yamlMCP 서버가 어떤 환경변수를 필요로 하는지 정의하고, 실행 명령어를 구성하는 설정 파일입니다.startCommand: type: stdio configSchema: type: object required: - youtubeApiKey proper..

사전 지식이 글에서는 YouTube API와 MCP 서버를 활용한 AI 비서 도구를 만들어봅니다. 본격적인 실습에 앞서 아래 사전 지식이 있으면 학습이 훨씬 수월합니다.Python 프로그래밍: 함수 정의, 모듈 불러오기 등 기본적인 문법REST API 사용 경험: API 키 인증, GET/POST 요청 구조 이해Claude나 Cursor IDE 사용자: MCP를 기반으로 작동하는 LLM 기반 도구를 사용해 본 경험이 있다면 실습이 더욱 직관적입니다.물론, 이 중 일부만 알고 있어도 실습을 따라 하는 데에는 문제가 없도록 설명을 단계별로 구성하였습니다.유튜브는 이제 단순한 동영상 플랫폼을 넘어 지식, 뉴스, 엔터테인먼트, 마케팅의 거대한 집합소가 되었습니다. 하지만 이 방대한 콘텐츠 속에서 원하는 정보를 ..

Cursor는 대형 언어 모델(LLM)을 활용해 코딩 작업을 지원하는 강력한 도구입니다. 이 글에서는 Cursor에서 콘텍스트를 효과적으로 활용하는 방법을 소개합니다. 콘텍스트는 모델이 더 정확한 코드 제안을 생성하도록 돕는 핵심 요소로, 이를 잘 활용하면 생산성을 크게 높일 수 있습니다.콘텍스트란 무엇인가?콘텍스트는 Cursor가 코드 제안을 생성할 때 사용하는 정보입니다. 이는 모델에 제공되는 입력 토큰 형태로, 모델은 이를 바탕으로 출력 토큰(예: 코드나 텍스트)을 예측합니다.콘텍스트의 두 가지 유형의도 콘텍스트(Intent Context): 사용자가 원하는 결과를 정의합니다. 예를 들어, "버튼 색상을 파란색에서 초록색으로 변경해"와 같은 지시사항은 의도 콘텍스트에 해당합니다. 이는 지시적입니다...

AI 기술의 발전으로 ChatGPT, Claude와 같은 강력한 언어 모델이 개발 환경에 통합되고 있습니다. 그러나 이러한 모델들은 최신 정보나 특정 도메인(예: 네이버 검색 결과)에 대한 실시간 접근성에 제한이 있습니다. MCP(Model Context Protocol)는 이러한 한계를 극복하기 위한 표준화된 프로토콜로, AI 모델이 외부 도구 및 데이터 소스와 안전하고 효율적으로 상호작용할 수 있도록 지원합니다. 이 글을 통해 Python과 MCP를 활용하여 네이버 검색 기능을 AI 에이전트에 통합하는 실질적인 방법을 학습합니다.Github : https://github.com/jikime/py-mcp-naver-searchSmithery: https://smithery.ai/server/@jikim..

AI의 활용 범위가 넓어짐에 따라, 개발 도구도 단순한 편집기를 넘어서 다양한 외부 시스템과의 연결이 필요해졌습니다.Cursor AI는 이를 가능케 하기 위해 Model Context Protocol(MCP)이라는 강력한 확장 기능을 제공합니다.이 글에서는 MCP의 개념과 구조, 그리고 Cursor에서 실제로 어떻게 MCP를 활용하는지에 대해 설명합니다.MCP란 무엇인가요?Model Context Protocol(MCP)는 대형 언어 모델(LLM)이 외부 도구 및 데이터 소스와 상호작용할 수 있게 해주는 개방형 프로토콜입니다.Cursor에서는 이를 통해 개발자가 직접 도구를 연결하거나, 기존 시스템과 통합된 개발 경험을 만들 수 있습니다.MCP는 Anthropic에서 제안한 오픈 표준으로, JSON-RP..

1. 자동화된 규칙 생성/Generate Cursor Rules 명령어를 사용해 대화 콘텍스트를 기반으로 규칙을 생성할 수 있습니다. 이를 통해 기존 대화의 맥락을 재사용 가능합니다.경로 패턴이 정의된 자동 첨부 규칙은 파일 읽기/쓰기 시 적절한 규칙을 자동 적용합니다.항상 첨부된 규칙이 긴 대화에서도 지속적으로 유지되며, 에이전트가 규칙을 안정적으로 편집할 수 있도록 수정되었습니다. 2. 대화 기록 접근성 향상채팅 기록이 명령 팔레트로 이동하여 접근이 쉬워졌습니다. 채팅창의 "Show history 버튼" 또는 Show Chat History 명령어로 확인 가능합니다.3. 코드 검토 간소화에이전트가 생성한 코드를 검토하기 위해 대화 끝에 내장된 diff 뷰가 추가되었습니다. 채팅 하단의 Review c..

Model Context Protocol (MCP)의 도구 요청 플로우는 MCP 호스트(예: Claude Desktop, Cursor)와 클라이언트가 MCP 서버와 상호작용하여 도구를 호출하는 과정을 포함합니다.아래는 전체 플로우를 단계별로 설명한 내용입니다. 이 설명은 MCP의 클라이언트-서버 아키텍처와 표준화된 통신 방식을 기반으로 하며, Anthropic의 MCP 문서와 관련 정보를 참조하여 작성되었습니다.MCP 도구 요청 플로우MCP는 호스트(사용자가 직접 상호작용하는 애플리케이션), 클라이언트(호스트 내에서 서버와 1:1 연결을 관리), 서버(도구, 리소스, 프롬프트를 제공)로 구성됩니다. 도구 요청 플로우는 다음과 같은 단계로 진행됩니다:초기화 (Initialization)호스트 시작: 사용자..