fabric-mcp-server MCP 서버

“fabric-mcp-server” MCP 서버는 무엇을 하나요?

fabric-mcp-server는 Fabric 패턴을 Cline에 통합하여 AI 기반 작업 실행을 위한 도구로 노출하는 Model Context Protocol(MCP) 서버입니다. 이 서버는 브릿지 역할을 하여 AI 어시스턴트가 구조화된 Fabric 패턴을 호출 가능한 도구로 활용할 수 있게 하여 개발 워크플로우를 강화합니다. 이를 통해 청구 분석, 요약, 인사이트 추출 등의 작업을 Cline과 같은 지원 플랫폼 내에서 직접 수행할 수 있습니다. 서버는 표준 MCP 인터페이스를 활용하여 이러한 기능을 쉽게 사용할 수 있게 하며, 재사용 가능한 패턴 기반 워크플로우로 복잡한 정보를 AI가 효과적으로 처리할 수 있도록 돕습니다.

프롬프트 목록

저장소나 문서에 명시적인 프롬프트 템플릿은 언급되어 있지 않습니다.

비즈니스 성장 준비가 되셨나요?

오늘 무료 평가판을 시작하고 며칠 내로 결과를 확인하세요.

데모 요청 로그인

리소스 목록

fabric-mcp-server에서 문서화되거나 노출된 특정 MCP 리소스는 없습니다.

도구 목록

fabric-mcp-server는 Fabric 패턴을 도구로 노출합니다. 예시는 다음과 같습니다:

• analyze_claims: 제공된 콘텐츠 내 청구를 분석합니다.
• summarize: 입력 데이터나 텍스트로부터 요약을 생성합니다.
• extract_wisdom: 문서에서 주요 인사이트나 지혜를 추출합니다.
• create_mermaid_visualization: 구조화된 데이터를 기반으로 mermaid.js 다이어그램을 생성합니다.

참고: 전체 도구 목록은 fabric/patterns 디렉토리의 패턴과 일치합니다.

뉴스레터 가입

최신 팁, 트렌드 및 특가 정보를 무료로 받아보세요.

이메일 주소

구독

MCP 서버의 활용 사례

• 청구 분석: 문서나 데이터셋 내 청구를 자동으로 분석 및 검증하여 연구 및 실사 과정을 간소화합니다.
• 요약 서비스: 긴 기사나 리포트의 간결한 요약을 생성하여 개발자 및 사용자에게 정보 전달을 돕습니다.
• 인사이트 추출: 대량 데이터에서 실행 가능한 인사이트나 핵심 지혜를 추출하여 지식 관리 업무를 지원합니다.
• 시각화 생성: 구조화된 데이터로부터 mermaid 다이어그램 등 시각화를 자동으로 생성하여 문서화 및 시스템 설계를 돕습니다.
• 패턴 기반 작업 자동화: Fabric 패턴의 전체 기능을 활용해 개발 워크플로우 내 반복적이거나 복잡한 작업을 자동화합니다.

설치 방법

Windsurf

저장소에는 Windsurf에 대한 설치 안내가 제공되지 않습니다.

Claude

저장소에는 Claude에 대한 설치 안내가 제공되지 않습니다.

Cursor

저장소에는 Cursor에 대한 설치 안내가 제공되지 않습니다.

Cline

1. 저장소 클론:
   fabric-mcp-server 저장소를 로컬 시스템에 클론합니다.
2. 의존성 설치:
   fabric-mcp-server 디렉토리로 이동한 후 npm install을 실행합니다.
3. 프로젝트 빌드:
   npm run build로 TypeScript 코드를 컴파일합니다.
4. Cline 설정 파일 수정:
   MCP 서버 설정을 Cline 설정 파일에 추가합니다.
   • Windows: C:\Users\<username>\AppData\Roaming\Code\User\globalStorage\saoudrizwan.claude-dev\settings\cline_mcp_settings.json
   • macOS: ~/Library/Application Support/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
   • Linux: ~/.config/Code/User/globalStorage/saoudrizwan.claude-dev/settings/cline_mcp_settings.json
5. 설정 예시 삽입:

"fabric-mcp-server": {
  "command": "node",
  "args": [
    "<path-to-fabric-mcp-server>/build/index.js"
  ],
  "env": {},
  "disabled": false,
  "autoApprove": [],
  "transportType": "stdio",
  "timeout": 60
}

<path-to-fabric-mcp-server>를 실제 경로로 교체하세요.

API 키 보안 설정

API 키는 아래와 같이 환경변수로 설정할 수 있습니다:

"fabric-mcp-server": {
  "command": "node",
  "args": [
    "<path-to-fabric-mcp-server>/build/index.js"
  ],
  "env": {
    "API_KEY": "${env:MY_API_KEY}"
  },
  "inputs": {
    "api_key": "${env:MY_API_KEY}"
  },
  "disabled": false,
  "autoApprove": [],
  "transportType": "stdio",
  "timeout": 60
}

플로우 내에서 MCP 사용법

FlowHunt에서 MCP 사용하기

MCP 서버를 FlowHunt 워크플로우에 통합하려면, 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트에 연결하세요:

MCP 컴포넌트를 클릭하여 설정 패널을 엽니다. 시스템 MCP 설정 섹션에 아래와 같은 JSON 형식으로 MCP 서버 정보를 입력하세요:

{
  "fabric-mcp-server": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

설정이 완료되면 AI 에이전트가 해당 MCP를 도구로 사용하며 모든 기능에 접근할 수 있습니다. “fabric-mcp-server” 이름과 URL은 필요에 따라 변경하세요.

개요

제공된 문서를 토대로 볼 때, fabric-mcp-server는 명확한 개요, 설치 안내, 노출 도구 목록을 제공하지만, 프롬프트/리소스/샘플링 또는 roots와 같은 기능에 대한 자세한 문서는 부족합니다. Cline 통합에는 적합하나, 더 폭넓은 플랫폼 지원 및 풍부한 문서화가 필요해 보입니다.

의견

Fabric 패턴을 AI 기반 워크플로우의 도구로 노출하려는 경우, 특히 Cline 환경에서 이 MCP 서버는 탄탄한 출발점이 될 수 있습니다. 다만, 문서화와 기능 면에서 성숙한 MCP 서버에 비해 다소 제한적입니다. 라이선스와 도구 노출의 기본 요건은 충족하지만, 프롬프트/리소스 샘플이나 샘플링/roots 지원 부재로 더 높은 점수를 받기엔 아쉽습니다.

MCP 점수