2025-04-03 · 장병익

#MCP · #newsletter · #Architecture

개요

2024년 11월 Anthropic에서 MCP(Model Context Protocol)가 공개되었습니다. MCP는 사용자가 필요한 기능을 정의한 MCP Server와 MCP Client(예: Claude Desktop) 간의 통신을 위한 중간 Protocol 역할을 하는 통신체계입니다.

이 프로토콜은 LLM과 외부 도구 및 서비스 간의 상호작용을 표준화하고, 개발자가 자신만의 AI 애플리케이션을 보다 쉽게 구축할 수 있도록 돕는 역할을 합니다. MCP를 통해 Claude와 같은 LLM이 API 호출, 데이터 분석, 파일 처리 등의 작업을 자연어 명령만으로 수행할 수 있게 되었습니다.

구성

MCP Server는 사용자가 만든 Server 입니다. 다른 외부 API 데이터를 가져온다던지, 계산식을 만든다던지 등 LLM에서 사용 할 수 있는 함수를 만들어 둔 서버 입니다.
MCP(Message Control Protocol) Client는 LLM(Large Language Model)과의 상호작용을 관리하는 인터페이스입니다.

기능

Tool

LLM에서 사용 할 수 있는 함수

@mcp.tool()
def process1(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

Prompt

미리 작성된 LLM에서 사용 할 수 있는 Prompt

@mcp.prompt()
def review_code(code: str) -> str:
    return f"End add O :\n\n{code}"@mcp.prompt()
def debug_error(error: str) -> list[base.Message]:
    return [
        base.UserMessage("I'm seeing this error:"),
        base.UserMessage(error),
        base.AssistantMessage("I'll help debug that. What have you tried so far?"),
    ]

위와 같이 두개의 Prompt를 MCP Server에 작성한 뒤

prompt 창 하단에 위와 같은 버튼을 누르면

위와 같이 작성된 프롬프트 리스트에서 원하는 프롬프트를 적용 할 수 있게 됩니다.

Resources

DB와 API 등 외부데이터들을 여기서는 Resources라고 부릅니다.

뉴스레터 만들기

작업 순서

Claude Desktop에서 server.py에 newsletter(tool) 함수 요청을 합니다.
newscrawler.py 에서 크롤링을 진행하고 [filesystem]에 combined_news_{%Y%M%D}.csv 파일로 저장합니다.
Claude Desktop에서 filesystem을 통해 combined_news_{%Y%M%D}.csv 읽어서 LLM이 뉴스레터를 요약해서 만들어 줍니다.

MCP Server 작성

newscrawler.py에서 BASE 부분에 현재 작업하는 폴더로 변경해주세요

# newscrawler.py
from bs4 import BeautifulSoup
import requests
import pandas as pd
import datetime
import time
import random
import os

BASE = "/Users/bijang/techblog" # 뉴스 레터 폴더로 맞춰 주세요

class NewsCrawler:
    """
    다양한 뉴스 사이트에서 뉴스 기사를 크롤링하는 클래스
    """
    
    def __init__(self, output_dir="crawled_news"):
        """
        크롤러 초기화
        
        Args:
            output_dir (str): 크롤링한 결과를 저장할 디렉토리 경로
        """
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
        }
        self.output_dir = output_dir
        
        # 결과 저장 디렉토리 생성
        if not os.path.exists(output_dir):
            os.makedirs(output_dir)
    
    def crawl_naver_news(self, keyword, pages=2):
        """
        네이버 뉴스에서 키워드 검색 결과를 크롤링
        
        Args:
            keyword (str): 검색할 키워드
            pages (int): 크롤링할 페이지 수
            
        Returns:
            pd.DataFrame: 크롤링한 뉴스 데이터
        """
        news_list = []
        
        for page in range(1, pages + 1):
            url = f"https://search.naver.com/search.naver?where=news&query={keyword}&start={(page-1)*10+1}"
            
            response = requests.get(url, headers=self.headers)
            if response.status_code != 200:
                print(f"Error: 페이지 접근 실패 (상태 코드: {response.status_code})")
                continue
                
            soup = BeautifulSoup(response.text, 'html.parser')
            news_items = soup.select('.list_news .bx')
            
            for item in news_items:
                try:
                    title_elem = item.select_one('.news_tit')
                    title = title_elem.text
                    link = title_elem['href']
                    
                    source_elem = item.select_one('.info.press')
                    source = source_elem.text if source_elem else "Unknown"
                    
                    date_elem = item.select_one('.info.time')
                    date = date_elem.text if date_elem else "Unknown"
                    
                    desc_elem = item.select_one('.dsc_txt')
                    description = desc_elem.text.strip() if desc_elem else ""
                    
                    news_list.append({
                        'title': title,
                        'source': source,
                        'date': date,
                        'description': description,
                        'link': link,
                        'keyword': keyword
                    })
                    
                except Exception as e:
                    print(f"Error: 뉴스 항목 파싱 실패 - {str(e)}")
            
            # 너무 빠른 요청 방지를 위한 대기
            time.sleep(random.uniform(1.0, 3.0))
            
        # 결과를 DataFrame으로 변환
        df = pd.DataFrame(news_list)
        
        # 결과 저장
        timestamp = datetime.datetime.now().strftime("%Y%m%d")
        filename = f"{self.output_dir}/naver_news_{keyword}_{timestamp}.csv"
        df.to_csv(filename, index=False, encoding='utf-8-sig')
        return df
    
    def crawl_daum_news(self, keyword, pages=2):
        """
        다음 뉴스에서 키워드 검색 결과를 크롤링
        
        Args:
            keyword (str): 검색할 키워드
            pages (int): 크롤링할 페이지 수
            
        Returns:
            pd.DataFrame: 크롤링한 뉴스 데이터
        """
        news_list = []
        
        for page in range(1, pages + 1):
            url = f"https://search.daum.net/search?w=news&q={keyword}&p={page}"
            
            response = requests.get(url, headers=self.headers)
            if response.status_code != 200:
                print(f"Error: 페이지 접근 실패 (상태 코드: {response.status_code})")
                continue
                
            soup = BeautifulSoup(response.text, 'html.parser')
            news_items = soup.select('.c-item.c-item-general')
            
            for item in news_items:
                try:
                    title_elem = item.select_one('.tit-g')
                    title = title_elem.text.strip()
                    link = title_elem.select_one('a')['href']
                    
                    source_elem = item.select_one('.cont-info .f-l:nth-child(1)')
                    source = source_elem.text.strip() if source_elem else "Unknown"
                    
                    date_elem = item.select_one('.cont-info .f-l:nth-child(2)')
                    date = date_elem.text.strip() if date_elem else "Unknown"
                    
                    desc_elem = item.select_one('.desc')
                    description = desc_elem.text.strip() if desc_elem else ""
                    
                    news_list.append({
                        'title': title,
                        'source': source,
                        'date': date,
                        'description': description,
                        'link': link,
                        'keyword': keyword
                    })
                    
                except Exception as e:
                    print(f"Error: 뉴스 항목 파싱 실패 - {str(e)}")
            
            # 너무 빠른 요청 방지를 위한 대기
            time.sleep(random.uniform(1.0, 3.0))
            
        # 결과를 DataFrame으로 변환
        df = pd.DataFrame(news_list)
        
        # 결과 저장
        timestamp = datetime.datetime.now().strftime("%Y%m%d")
        filename = f"{self.output_dir}/daum_news_{keyword}_{timestamp}.csv"
        df.to_csv(filename, index=False, encoding='utf-8-sig')
        return df
    
    def crawl_full_article(self, url):
        """
        뉴스 기사의 전체 내용을 크롤링
        
        Args:
            url (str): 뉴스 기사 URL
            
        Returns:
            dict: 크롤링한 기사 내용
        """
        try:
            response = requests.get(url, headers=self.headers)
            if response.status_code != 200:
                return {"error": f"페이지 접근 실패 (상태 코드: {response.status_code})"}
            
            soup = BeautifulSoup(response.text, 'html.parser')
            
            # 네이버 뉴스 형식 확인
            if "news.naver.com" in url:
                title = soup.select_one('#title_area')
                title = title.text.strip() if title else "제목 없음"
                
                content_elem = soup.select_one('#dic_area')
                content = content_elem.text.strip() if content_elem else "내용 없음"
                
                date_elem = soup.select_one('.media_end_head_info_datestamp_time')
                date = date_elem.text.strip() if date_elem else "날짜 정보 없음"
                
            # 다음 뉴스 형식 확인    
            elif "news.daum.net" in url:
                title = soup.select_one('.tit_view')
                title = title.text.strip() if title else "제목 없음"
                
                content_elem = soup.select_one('#harmonyContainer')
                content = content_elem.text.strip() if content_elem else "내용 없음"
                
                date_elem = soup.select_one('.num_date')
                date = date_elem.text.strip() if date_elem else "날짜 정보 없음"
                
            # 기타 뉴스 사이트 - 일반적인 접근 시도
            else:
                title = soup.select_one('h1') or soup.select_one('h2') or soup.select_one('title')
                title = title.text.strip() if title else "제목 없음"
                
                # 여러 일반적인 콘텐츠 영역 태그를 시도
                content_selectors = ['article', '.article', '.content', '#content', '.article-content', '.news-content']
                content_elem = None
                
                for selector in content_selectors:
                    content_elem = soup.select_one(selector)
                    if content_elem:
                        break
                        
                content = content_elem.text.strip() if content_elem else "내용을 찾을 수 없습니다"
                date = "날짜 정보 없음"
            
            return {
                "title": title,
                "content": content,
                "date": date,
                "url": url
            }
            
        except Exception as e:
            return {"error": str(e), "url": url}
    
    def batch_crawl(self, keywords, news_sites=None):
        """
        여러 키워드와 뉴스 사이트에 대해 일괄 크롤링 수행
        
        Args:
            keywords (list): 검색할 키워드 목록
            news_sites (list, optional): 크롤링할 뉴스 사이트 목록 ('naver', 'daum')
            
        Returns:
            dict: 키워드별 크롤링 결과
        """
        if news_sites is None:
            news_sites = ['naver', 'daum']
        filename = None 
        results = {}
        
        for keyword in keywords:
            keyword_results = {}
            
            if 'naver' in news_sites:
                naver_df = self.crawl_naver_news(keyword)
                keyword_results['naver'] = naver_df
                
            if 'daum' in news_sites:
                daum_df = self.crawl_daum_news(keyword)
                keyword_results['daum'] = daum_df
                
            results[keyword] = keyword_results
            
        # 크롤링 결과를 합쳐서 하나의 CSV로 저장
        combined_news = []
        
        for keyword, site_results in results.items():
            for site, df in site_results.items():
                if not df.empty:
                    df['site'] = site
                    combined_news.append(df)
        
        if combined_news:
            combined_df = pd.concat(combined_news, ignore_index=True)
            timestamp = datetime.datetime.now().strftime("%Y%m%d")
            filename = f"{self.output_dir}/combined_news_{timestamp}.csv"
            combined_df.to_csv(filename, index=False, encoding='utf-8-sig')
            print(f"통합 결과: {len(combined_df)}개 기사를 {filename}에 저장했습니다.")
            return filename
        return filename

def crawling(keywords):
    crawler = NewsCrawler(output_dir= BASE +"/news_results")
    filename = crawler.batch_crawl(keywords, news_sites=['naver', 'daum'])
    return filename

# server.py
from mcp.server.fastmcp import FastMCP, Image
from newscrawler import crawling

mcp = FastMCP("Demo")

@mcp.tool()
def newsletter(keyword: str) -> str:
    """news output news crawlling data csv file"""
    keyword_list = keyword.split(",")
    results = crawling(keyword_list)
    return results

Claude Desktop Setting

위에 작성한 파일을 아래와 같은 디렉토리 구조로 저장해주세요

techblog/
│
├── news_results/
│   ├── combined_news_20250402.csv --> crawling.py
│
├── newscrawler.py
├── server.py

techoblog에 Claude Desktop이 접근할 수 있는 접근 권한을 부여 해야 합니다.

claude 설정 -> 개발자로 접속하시면 아래와 같은 화면이 나옵니다.
설정 편집을 누르게 되면 “claude_desktop_config.json” 파일 경로로 이동합니다.

claude_desktop_config.json 파일 수정

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/bijang/Desktop", <-- 내가 허용하고 하는 파일 경로
        "/Users/bijang/Downloads",  <-- 내가 허용하고 하는 파일 경로
        "/Users/bijang/techblog"  <-- 내가 허용하고 하는 파일 경로
      ]
    },
    "Demo": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp[cli],Pillow,bs4,requests,pandas", <-- 필요한 Python 패키지명
        "mcp",
        "run",
        "/Users/bijang/techblog/server.py"  <-- 위에 작성된 server.py 경로
      ]
    }
  }
}

위와 같이 MCP Client는 두가지의 MCP Server와 연동합니다. filesystem, Demo
Demo에서는 Crawling을 통해 Crawling 한 데이터를 .csv 파일로 만들 예정이고
filesystem을 통해 Crawling된 .csv 파일을 읽어서 LLM에 데이터를 넘겨 줄 예정입니다.

결과물

“미슐랭 주제로 뉴스레터 만들어줘” 라는 말을 통해서

“Demo의 newsletter…”
“filesystem의 read_file…”

MCP를 활용하고 있다는 로그가 출력되며
오른쪽에 크롤링 한 데이터를 통해 뉴스레터를 잘 작성하고 있는게 보입니다.

! 주의 할점
현재는 Sonnect 3.7 같은 경우는 “미슐랭 주제로 뉴스레터 만들어줘”라는 명령어로 두 가지 작업을 하나의 작업으로 인식하고 정상적으로 출력하지만 Claude 3.5 Haiku 같은 경우는 “Demo newsletter” 까지는 이해하지만 조금 더 filesystem에서 읽어오지는 못합니다.

그래서 Haiku 같은 경우 조금 더 prompt를 자세하게 적어줄 필요가 있습니다.

“미슐랭 주제로 뉴스레터 만들어줘 뉴스레터 기능은 뉴스레터 파일이 나오기때문에 그 파일을 읽어서 만들게 해줘”

마무리 정리

MCP는 단순한 개인 사용자 인터페이스를 넘어서, 개발자를 위한 강력한 프로토콜로서의 잠재력을 보여줍니다. 이 접근 방식은 코드와 자연어 사이의 경계를 허물고, 보다 직관적인 프로그래밍 패러다임을 제시합니다.

현재 시스템에 안정화 작업이 더해진다면, 다음과 같은 활용 가능성이 있습니다:

사내 지능형 플랫폼: 비개발자도 쉽게 데이터 처리 및 분석 작업을 수행할 수 있는 환경
개인화된 AI 비서: 사용자의 의도를 정확히 파악하고 적절한 기능을 실행하는 지능형 시스템
개발 생산성 도구: 자연어로 코드 기능을 호출하고 통합하는 새로운 개발 패러다임

이러한 MCP 기반 시스템은 기술적 진입 장벽을 낮추고, 더 많은 사용자가 컴퓨팅 기술의 혜택을 누릴 수 있게 해줄 것입니다.

출처 : https://www.descope.com/learn/post/mcp

원문: AiNEWT 기술블로그

2025-04-03 · 장병익

#MCP · #newsletter · #Architecture

개요

구성

MCP Server는 사용자가 만든 Server 입니다. 다른 외부 API 데이터를 가져온다던지, 계산식을 만든다던지 등 LLM에서 사용 할 수 있는 함수를 만들어 둔 서버 입니다.
MCP(Message Control Protocol) Client는 LLM(Large Language Model)과의 상호작용을 관리하는 인터페이스입니다.

기능

Tool

LLM에서 사용 할 수 있는 함수

@mcp.tool()
def process1(a: int, b: int) -> int:
    """Add two numbers"""
    return a + b

Prompt

미리 작성된 LLM에서 사용 할 수 있는 Prompt

@mcp.prompt()
def review_code(code: str) -> str:
    return f"End add O :\n\n{code}"@mcp.prompt()
def debug_error(error: str) -> list[base.Message]:
    return [
        base.UserMessage("I'm seeing this error:"),
        base.UserMessage(error),
        base.AssistantMessage("I'll help debug that. What have you tried so far?"),
    ]

위와 같이 두개의 Prompt를 MCP Server에 작성한 뒤

prompt 창 하단에 위와 같은 버튼을 누르면

위와 같이 작성된 프롬프트 리스트에서 원하는 프롬프트를 적용 할 수 있게 됩니다.

Resources

DB와 API 등 외부데이터들을 여기서는 Resources라고 부릅니다.

뉴스레터 만들기

작업 순서

Claude Desktop에서 server.py에 newsletter(tool) 함수 요청을 합니다.
newscrawler.py 에서 크롤링을 진행하고 [filesystem]에 combined_news_{%Y%M%D}.csv 파일로 저장합니다.
Claude Desktop에서 filesystem을 통해 combined_news_{%Y%M%D}.csv 읽어서 LLM이 뉴스레터를 요약해서 만들어 줍니다.

MCP Server 작성

newscrawler.py에서 BASE 부분에 현재 작업하는 폴더로 변경해주세요

# newscrawler.py
from bs4 import BeautifulSoup
import requests
import pandas as pd
import datetime
import time
import random
import os

BASE = "/Users/bijang/techblog" # 뉴스 레터 폴더로 맞춰 주세요

class NewsCrawler:
    """
    다양한 뉴스 사이트에서 뉴스 기사를 크롤링하는 클래스
    """
    
    def __init__(self, output_dir="crawled_news"):
        """
        크롤러 초기화
        
        Args:
            output_dir (str): 크롤링한 결과를 저장할 디렉토리 경로
        """
        self.headers = {
            'User-Agent': 'Mozilla/5.0 (Windows NT 10.0; Win64; x64) AppleWebKit/537.36 (KHTML, like Gecko) Chrome/91.0.4472.124 Safari/537.36'
        }
        self.output_dir = output_dir
        
        # 결과 저장 디렉토리 생성
        if not os.path.exists(output_dir):
            os.makedirs(output_dir)
    
    def crawl_naver_news(self, keyword, pages=2):
        """
        네이버 뉴스에서 키워드 검색 결과를 크롤링
        
        Args:
            keyword (str): 검색할 키워드
            pages (int): 크롤링할 페이지 수
            
        Returns:
            pd.DataFrame: 크롤링한 뉴스 데이터
        """
        news_list = []
        
        for page in range(1, pages + 1):
            url = f"https://search.naver.com/search.naver?where=news&query={keyword}&start={(page-1)*10+1}"
            
            response = requests.get(url, headers=self.headers)
            if response.status_code != 200:
                print(f"Error: 페이지 접근 실패 (상태 코드: {response.status_code})")
                continue
                
            soup = BeautifulSoup(response.text, 'html.parser')
            news_items = soup.select('.list_news .bx')
            
            for item in news_items:
                try:
                    title_elem = item.select_one('.news_tit')
                    title = title_elem.text
                    link = title_elem['href']
                    
                    source_elem = item.select_one('.info.press')
                    source = source_elem.text if source_elem else "Unknown"
                    
                    date_elem = item.select_one('.info.time')
                    date = date_elem.text if date_elem else "Unknown"
                    
                    desc_elem = item.select_one('.dsc_txt')
                    description = desc_elem.text.strip() if desc_elem else ""
                    
                    news_list.append({
                        'title': title,
                        'source': source,
                        'date': date,
                        'description': description,
                        'link': link,
                        'keyword': keyword
                    })
                    
                except Exception as e:
                    print(f"Error: 뉴스 항목 파싱 실패 - {str(e)}")
            
            # 너무 빠른 요청 방지를 위한 대기
            time.sleep(random.uniform(1.0, 3.0))
            
        # 결과를 DataFrame으로 변환
        df = pd.DataFrame(news_list)
        
        # 결과 저장
        timestamp = datetime.datetime.now().strftime("%Y%m%d")
        filename = f"{self.output_dir}/naver_news_{keyword}_{timestamp}.csv"
        df.to_csv(filename, index=False, encoding='utf-8-sig')
        return df
    
    def crawl_daum_news(self, keyword, pages=2):
        """
        다음 뉴스에서 키워드 검색 결과를 크롤링
        
        Args:
            keyword (str): 검색할 키워드
            pages (int): 크롤링할 페이지 수
            
        Returns:
            pd.DataFrame: 크롤링한 뉴스 데이터
        """
        news_list = []
        
        for page in range(1, pages + 1):
            url = f"https://search.daum.net/search?w=news&q={keyword}&p={page}"
            
            response = requests.get(url, headers=self.headers)
            if response.status_code != 200:
                print(f"Error: 페이지 접근 실패 (상태 코드: {response.status_code})")
                continue
                
            soup = BeautifulSoup(response.text, 'html.parser')
            news_items = soup.select('.c-item.c-item-general')
            
            for item in news_items:
                try:
                    title_elem = item.select_one('.tit-g')
                    title = title_elem.text.strip()
                    link = title_elem.select_one('a')['href']
                    
                    source_elem = item.select_one('.cont-info .f-l:nth-child(1)')
                    source = source_elem.text.strip() if source_elem else "Unknown"
                    
                    date_elem = item.select_one('.cont-info .f-l:nth-child(2)')
                    date = date_elem.text.strip() if date_elem else "Unknown"
                    
                    desc_elem = item.select_one('.desc')
                    description = desc_elem.text.strip() if desc_elem else ""
                    
                    news_list.append({
                        'title': title,
                        'source': source,
                        'date': date,
                        'description': description,
                        'link': link,
                        'keyword': keyword
                    })
                    
                except Exception as e:
                    print(f"Error: 뉴스 항목 파싱 실패 - {str(e)}")
            
            # 너무 빠른 요청 방지를 위한 대기
            time.sleep(random.uniform(1.0, 3.0))
            
        # 결과를 DataFrame으로 변환
        df = pd.DataFrame(news_list)
        
        # 결과 저장
        timestamp = datetime.datetime.now().strftime("%Y%m%d")
        filename = f"{self.output_dir}/daum_news_{keyword}_{timestamp}.csv"
        df.to_csv(filename, index=False, encoding='utf-8-sig')
        return df
    
    def crawl_full_article(self, url):
        """
        뉴스 기사의 전체 내용을 크롤링
        
        Args:
            url (str): 뉴스 기사 URL
            
        Returns:
            dict: 크롤링한 기사 내용
        """
        try:
            response = requests.get(url, headers=self.headers)
            if response.status_code != 200:
                return {"error": f"페이지 접근 실패 (상태 코드: {response.status_code})"}
            
            soup = BeautifulSoup(response.text, 'html.parser')
            
            # 네이버 뉴스 형식 확인
            if "news.naver.com" in url:
                title = soup.select_one('#title_area')
                title = title.text.strip() if title else "제목 없음"
                
                content_elem = soup.select_one('#dic_area')
                content = content_elem.text.strip() if content_elem else "내용 없음"
                
                date_elem = soup.select_one('.media_end_head_info_datestamp_time')
                date = date_elem.text.strip() if date_elem else "날짜 정보 없음"
                
            # 다음 뉴스 형식 확인    
            elif "news.daum.net" in url:
                title = soup.select_one('.tit_view')
                title = title.text.strip() if title else "제목 없음"
                
                content_elem = soup.select_one('#harmonyContainer')
                content = content_elem.text.strip() if content_elem else "내용 없음"
                
                date_elem = soup.select_one('.num_date')
                date = date_elem.text.strip() if date_elem else "날짜 정보 없음"
                
            # 기타 뉴스 사이트 - 일반적인 접근 시도
            else:
                title = soup.select_one('h1') or soup.select_one('h2') or soup.select_one('title')
                title = title.text.strip() if title else "제목 없음"
                
                # 여러 일반적인 콘텐츠 영역 태그를 시도
                content_selectors = ['article', '.article', '.content', '#content', '.article-content', '.news-content']
                content_elem = None
                
                for selector in content_selectors:
                    content_elem = soup.select_one(selector)
                    if content_elem:
                        break
                        
                content = content_elem.text.strip() if content_elem else "내용을 찾을 수 없습니다"
                date = "날짜 정보 없음"
            
            return {
                "title": title,
                "content": content,
                "date": date,
                "url": url
            }
            
        except Exception as e:
            return {"error": str(e), "url": url}
    
    def batch_crawl(self, keywords, news_sites=None):
        """
        여러 키워드와 뉴스 사이트에 대해 일괄 크롤링 수행
        
        Args:
            keywords (list): 검색할 키워드 목록
            news_sites (list, optional): 크롤링할 뉴스 사이트 목록 ('naver', 'daum')
            
        Returns:
            dict: 키워드별 크롤링 결과
        """
        if news_sites is None:
            news_sites = ['naver', 'daum']
        filename = None 
        results = {}
        
        for keyword in keywords:
            keyword_results = {}
            
            if 'naver' in news_sites:
                naver_df = self.crawl_naver_news(keyword)
                keyword_results['naver'] = naver_df
                
            if 'daum' in news_sites:
                daum_df = self.crawl_daum_news(keyword)
                keyword_results['daum'] = daum_df
                
            results[keyword] = keyword_results
            
        # 크롤링 결과를 합쳐서 하나의 CSV로 저장
        combined_news = []
        
        for keyword, site_results in results.items():
            for site, df in site_results.items():
                if not df.empty:
                    df['site'] = site
                    combined_news.append(df)
        
        if combined_news:
            combined_df = pd.concat(combined_news, ignore_index=True)
            timestamp = datetime.datetime.now().strftime("%Y%m%d")
            filename = f"{self.output_dir}/combined_news_{timestamp}.csv"
            combined_df.to_csv(filename, index=False, encoding='utf-8-sig')
            print(f"통합 결과: {len(combined_df)}개 기사를 {filename}에 저장했습니다.")
            return filename
        return filename

def crawling(keywords):
    crawler = NewsCrawler(output_dir= BASE +"/news_results")
    filename = crawler.batch_crawl(keywords, news_sites=['naver', 'daum'])
    return filename

# server.py
from mcp.server.fastmcp import FastMCP, Image
from newscrawler import crawling

mcp = FastMCP("Demo")

@mcp.tool()
def newsletter(keyword: str) -> str:
    """news output news crawlling data csv file"""
    keyword_list = keyword.split(",")
    results = crawling(keyword_list)
    return results

Claude Desktop Setting

위에 작성한 파일을 아래와 같은 디렉토리 구조로 저장해주세요

techblog/
│
├── news_results/
│   ├── combined_news_20250402.csv --> crawling.py
│
├── newscrawler.py
├── server.py

techoblog에 Claude Desktop이 접근할 수 있는 접근 권한을 부여 해야 합니다.

claude 설정 -> 개발자로 접속하시면 아래와 같은 화면이 나옵니다.
설정 편집을 누르게 되면 “claude_desktop_config.json” 파일 경로로 이동합니다.

claude_desktop_config.json 파일 수정

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": [
        "-y",
        "@modelcontextprotocol/server-filesystem",
        "/Users/bijang/Desktop", <-- 내가 허용하고 하는 파일 경로
        "/Users/bijang/Downloads",  <-- 내가 허용하고 하는 파일 경로
        "/Users/bijang/techblog"  <-- 내가 허용하고 하는 파일 경로
      ]
    },
    "Demo": {
      "command": "uv",
      "args": [
        "run",
        "--with",
        "mcp[cli],Pillow,bs4,requests,pandas", <-- 필요한 Python 패키지명
        "mcp",
        "run",
        "/Users/bijang/techblog/server.py"  <-- 위에 작성된 server.py 경로
      ]
    }
  }
}

결과물

“미슐랭 주제로 뉴스레터 만들어줘” 라는 말을 통해서

“Demo의 newsletter…”
“filesystem의 read_file…”

MCP를 활용하고 있다는 로그가 출력되며
오른쪽에 크롤링 한 데이터를 통해 뉴스레터를 잘 작성하고 있는게 보입니다.

그래서 Haiku 같은 경우 조금 더 prompt를 자세하게 적어줄 필요가 있습니다.

“미슐랭 주제로 뉴스레터 만들어줘 뉴스레터 기능은 뉴스레터 파일이 나오기때문에 그 파일을 읽어서 만들게 해줘”

마무리 정리

현재 시스템에 안정화 작업이 더해진다면, 다음과 같은 활용 가능성이 있습니다:

사내 지능형 플랫폼: 비개발자도 쉽게 데이터 처리 및 분석 작업을 수행할 수 있는 환경
개인화된 AI 비서: 사용자의 의도를 정확히 파악하고 적절한 기능을 실행하는 지능형 시스템
개발 생산성 도구: 자연어로 코드 기능을 호출하고 통합하는 새로운 개발 패러다임

이러한 MCP 기반 시스템은 기술적 진입 장벽을 낮추고, 더 많은 사용자가 컴퓨팅 기술의 혜택을 누릴 수 있게 해줄 것입니다.

출처 : https://www.descope.com/learn/post/mcp

원문: AiNEWT 기술블로그

MCP로 나만의 뉴스레터 구축하기

개요

구성

기능

Tool

Prompt

Resources

뉴스레터 만들기

MCP Server 작성

Claude Desktop Setting

결과물

마무리 정리

개요

구성

기능

Tool

Prompt

Resources

뉴스레터 만들기

MCP Server 작성

Claude Desktop Setting

결과물

마무리 정리

MCP로 나만의 뉴스레터 구축하기

More.

AX 시대의 프로젝트 오케스트레이션

인공지능 시대, 생성형 AI로 인한 디자이너들의 미래

AX 시대의 프로젝트 오케스트레이션

인공지능 시대, 생성형 AI로 인한 디자이너들의 미래

컨설팅부터 운영까지, 하나의 창구에서
지금 필요한 부분을 상담해 드립니다.

MCP로 나만의 뉴스레터 구축하기

개요

구성

기능

Tool

Prompt

Resources

뉴스레터 만들기

MCP Server 작성

Claude Desktop Setting

결과물

마무리 정리

개요

구성

기능

Tool

Prompt

Resources

뉴스레터 만들기

MCP Server 작성

Claude Desktop Setting

결과물

마무리 정리

MCP로 나만의 뉴스레터 구축하기

More.

AX 시대의 프로젝트 오케스트레이션

인공지능 시대, 생성형 AI로 인한 디자이너들의 미래

AX 시대의 프로젝트 오케스트레이션

인공지능 시대, 생성형 AI로 인한 디자이너들의 미래

컨설팅부터 운영까지, 하나의 창구에서지금 필요한 부분을 상담해 드립니다.

컨설팅부터 운영까지, 하나의 창구에서
지금 필요한 부분을 상담해 드립니다.