🔧 MCP로 AI 도구 연결하기

1. MCP 개요

MCP 개요: Model Context Protocol - AI와 외부 시스템 간 표준화된 통신 프로토콜

pkill -f "q chat"
pkill -f "qchat" 
pkill -f "q_desktop"

🔧 MCP란?

🎯 MCP의 장점

• 표준화: 업계 표준 프로토콜 사용
• 확장성: 다양한 MCP 서버 추가 가능
• 보안성: 제한된 경로만 접근 허용
• 호환성: 다양한 AI 도구와 연동 가능

2. 환경 구성

환경 구성: MCP 서버 설정부터 Q CLI 연동까지

📁 MCP 설정 파일

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", 
               "/Users/emart/Documents/PromptLibrary/edu"]
    }
  }
}

3. 기능 테스트

기능 테스트: MCP 서버 직접 실행을 통한 13개 도구 검증

🚀 MCP 서버 직접 실행

npx -y @modelcontextprotocol/server-filesystem /Users/emart/Documents/PromptLibrary/edu

✅ 서버 응답 성공

{
  "result": {
    "protocolVersion": "2024-11-05",
    "capabilities": {"tools": {}},
    "serverInfo": {
      "name": "secure-filesystem-server",
      "version": "0.2.0"
    }
  }
}

🔧 사용 가능한 MCP 도구들

• read_text_file - 텍스트 파일 읽기 (head/tail 지원)
• read_media_file - 이미지/오디오 파일 읽기 (base64)
• write_file - 파일 생성/덮어쓰기
• edit_file - 라인 기반 파일 편집 (git diff 스타일)
• create_directory - 디렉토리 생성
• list_directory - 디렉토리 목록 조회
• directory_tree - 재귀적 트리 구조 조회
• search_files - 패턴 기반 파일 검색
• 총 13개 도구 확인

4. 기존 도구 비교

기존 도구 비교: MCP vs 기존 Q CLI 도구의 실제 성능 비교

📊 비교 분석 결과

5. 실습 결과

실습 결과: MCP를 통한 완전한 웹 컨텐츠 생성 및 AWS S3 퍼블리싱 성공

🎯 주요 성과

⚠️ 해결 필요 사항

📈 교육적 가치

• 실제 기술 테스트: 이론이 아닌 실제 동작 확인
• 문제 해결 과정: 통합 실패 시 대안 방법 모색
• 비교 분석: 기존 도구와의 장단점 실증
• 향후 발전 방향: MCP 기술의 잠재력 확인