Firefly MCP 서버

“Firefly” MCP 서버는 무엇을 하나요?

Firefly MCP(Model Context Protocol) 서버는 TypeScript 기반의 서버로, Firefly 플랫폼과 연동되어 AI 어시스턴트가 여러분의 클라우드 및 SaaS 환경과 원활하게 연결될 수 있도록 설계되었습니다. 주요 역할은 AWS 등 클라우드 계정에서 AI 클라이언트가 리소스를 검색, 관리 및 코드화할 수 있게 하는 것입니다. 리소스 검색 및 코드화 기능을 공개하여, 인프라 관리 및 자동화 같은 작업을 AI 기반 워크플로우로 구현할 수 있습니다. 이 서버는 안전한 인증을 지원하며 Claude, Cursor 등 개발 도구와의 손쉬운 연동이 가능해 자연어 질의 및 코드형 인프라 생성을 통해 개발 생산성을 향상시킵니다.

프롬프트 목록

• 저장소에 명시적인 프롬프트 템플릿이 문서화되어 있지 않습니다.

리소스 목록

• 리소스 검색: 연결된 클라우드 및 SaaS 계정의 모든 리소스를 AI가 질의할 수 있도록 제공합니다.
• 리소스 코드화: 발견된 리소스를 코드형 인프라(예: Terraform 템플릿)로 표현할 수 있습니다.
• 안전한 인증: 액세스 키를 활용하여 Firefly가 관리하는 리소스와 안전하게 상호작용합니다.

도구 목록

• 저장소 파일(server.py 또는 대응되는 TypeScript 파일 등)에 명시적인 도구는 나와 있지 않습니다.

MCP 서버의 활용 사례

• 클라우드 리소스 검색: 자연어로 AWS 등 클라우드 계정의 모든 리소스(예: EC2 인스턴스)를 질의 및 목록화
• 코드형 인프라 생성: 발견된 리소스를 Terraform 등 코드형 인프라 형식으로 자동 코드화하여 엔지니어링 시간을 절약
• 안전한 멀티 클라우드 관리: 여러 클라우드 및 SaaS 제공업체의 리소스를 안전하고 통합된 인증으로 관리
• AI 개발 도구와 통합: Cursor, Claude 등 개발 도구에서 Firefly MCP의 기능을 개발 워크플로우에 활용
• 인프라 작업 자동화: 반복적인 인프라 관리 작업을 AI 에이전트가 자동화하여 효율성과 정확성 개선

설치 방법

Windsurf

1. Node.js(v14+)와 npm/yarn이 설치되어 있는지 확인하세요.
2. Firefly 계정에서 액세스 키를 생성하세요.
3. npx를 사용하여 MCP 서버를 설치하세요:

   npx @fireflyai/firefly-mcp
   

4. mcp.json 설정을 업데이트하세요:

   {
     "mcpServers": {
       "firefly": {
         "command": "npx",
         "args": ["-y", "@fireflyai/firefly-mcp"],
         "env": {
           "FIREFLY_ACCESS_KEY": "your_access_key",
           "FIREFLY_SECRET_KEY": "your_secret_key"
         }
       }
     }
   }
   

5. 변경 사항을 저장하고 필요하면 Windsurf를 재시작하세요.

Claude

1. 사전 준비: Node.js(v14+)와 Firefly 액세스 키.
2. MCP 서버 시작:

   npx @fireflyai/firefly-mcp --sse --port 6001
   

3. Claude 설정에 추가:

   {
     "mcpServers": {
       "firefly": {
         "url": "http://localhost:6001/sse"
       }
     }
   }
   

4. 저장하고 Claude를 재시작한 뒤 통합을 확인하세요.

Cursor

1. Node.js를 설치하고 Firefly 인증 정보를 받으세요.
2. 위에서 설명한 대로 서버를 실행하세요.
3. Cursor에서 Model Context Protocol 문서에 따라 MCP 서버에 연결하세요.
4. 예시 설정:

   {
     "mcpServers": {
       "firefly": {
         "url": "http://localhost:6001/sse"
       }
     }
   }
   

5. Cursor 확장 기능으로 Firefly MCP와 상호작용하세요.

Cline

1. Node.js와 Firefly 인증 정보를 설정하세요.
2. MCP 서버 시작:

   npx @fireflyai/firefly-mcp --sse --port 6001
   

3. 설정 파일(mcp.json)에 다음을 추가하세요:

   {
     "mcpServers": {
       "firefly": {
         "url": "http://localhost:6001/sse"
       }
     }
   }
   

4. 저장 후 Cline을 재시작하여 변경 사항을 적용하세요.

API 키 보안

항상 액세스 키는 비밀로 유지하고, 인증 정보는 환경 변수로 저장하는 것을 권장합니다:

{
  "mcpServers": {
    "firefly": {
      "command": "npx",
      "args": ["-y", "@fireflyai/firefly-mcp"],
      "env": {
        "FIREFLY_ACCESS_KEY": "your_access_key",
        "FIREFLY_SECRET_KEY": "your_secret_key"
      }
    }
  }
}

플로우 내에서 MCP 서버 사용하는 방법

FlowHunt에서 MCP 사용하기

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

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

{
  "firefly": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

설정이 완료되면, AI 에이전트가 해당 MCP의 모든 기능과 역량을 도구로 사용할 수 있습니다. “firefly"를 실제 MCP 서버 이름으로, URL도 본인 MCP 서버 주소로 바꿔주세요.

요약

문서와 저장소 구조를 기반으로 볼 때, Firefly MCP는 전체적인 개요, 보안 가이드, 리소스 통합 기능을 잘 제공하지만, 프롬프트 템플릿, 도구, 루트, 샘플링 기능에 대한 세부 문서는 부족합니다. 기본적인 MCP 기능은 충실하나, 광범위한 기능 설명이 부족해 전체적으로는 부분적으로만 문서화되어 있습니다.

의견

MCP 점수: 5/10
Firefly MCP는 설치, 사용, 리소스 통합, 명확한 문서, 자유로운 라이선스 등 기본을 잘 갖추고 있지만, 고급 MCP 기능과 상세 도구/프롬프트 지원이 공개 저장소에 부족합니다.

MCP 점수