Lark(Feishu) MCP 서버

“Lark(Feishu)” MCP 서버는 무엇을 하나요?

Lark(Feishu) MCP 서버는 Model Context Protocol(MCP)을 구현한 것으로, AI 어시스턴트와 인기 협업 오피스 슈트인 Lark(Feishu)를 연결해줍니다. 이 서버를 통해 AI 기반 워크플로우가 Lark 시트, 메시지, 문서 등과 상호작용할 수 있습니다. 표준화된 인터페이스를 제공함으로써, AI 모델이 Lark 스프레드시트에 데이터를 기록하는 등 다양한 작업을 수행할 수 있게 하여 데이터 입력, 보고, 협업 업무를 자동화할 수 있습니다. 이 통합은 실시간 문서 관리와 AI 역량을 연결해 개발 워크플로우를 향상시키며, 손수 처리해야 했던 작업들을 간편하게 자동화할 수 있게 해줍니다.

프롬프트 목록

저장소에 프롬프트 템플릿이 언급되지 않았습니다.

리소스 목록

저장소에 특별히 명시된 리소스가 없습니다.

도구 목록

• write_excel
  Lark(Feishu) 시트에 데이터를 기록하고 링크를 반환합니다. 접근 권한 부여를 위해 이메일 주소가 필요합니다.

이 MCP 서버의 활용 사례

• 자동 데이터 입력:
  개발자는 AI가 Lark 스프레드시트에 구조화된 데이터를 자동으로 기록하도록 워크플로우를 구성할 수 있어, 수작업 입력과 오류를 줄일 수 있습니다.
• 협업 보고서 생성:
  서버를 활용해 Lark 시트에 보고서를 생성하고, 팀 협업 및 검토를 위해 즉시 공유할 수 있습니다.
• Lark와 AI 에이전트 통합:
  Lark 시트를 기록 가능한 리소스로 노출함으로써, 개발자는 코드나 채팅 인터페이스에서 직접 결과를 기록하거나 지표를 추적하고, 프로젝트 시트를 관리하는 AI 에이전트를 만들 수 있습니다.
• 워크플로우 자동화:
  출석부, 재고 목록 등 일상적인 비즈니스 운영을 AI로 자동 업데이트하도록 설정할 수 있습니다.

설정 방법

Windsurf

1. 사전 준비: Node.js와 Windsurf가 설치되어 있는지 확인하세요.

2. Lark(Feishu) 앱 생성:
   Lark Open Platform에 방문해 앱을 생성하세요.

3. 권한 부여:
   앱에 sheets:spreadsheet:readonly 권한을 부여하세요.

4. 환경 변수 설정:
   환경에 LARK_APP_ID와 LARK_APP_SECRET을 설정하세요.

5. Windsurf에서 설정:
   설정 파일을 편집하여 MCP 서버를 추가하세요:

   "mcpServers": {
     "mcpServerLark": {
       "description": "MCP Server For Lark(Feishu)",
       "command": "uvx",
       "args": [
         "parent_of_servers_repo/servers/src/mcp_server_lark"
       ],
       "env": {
         "LARK_APP_ID": "xxx",
         "LARK_APP_SECRET": "xxx"
       }
     }
   }
   

6. 저장 및 재시작:
   설정을 저장하고 Windsurf를 재시작한 뒤 연결을 확인하세요.

Claude

1. 사전 준비: Claude가 MCP 서버 통합을 지원하는지 확인하세요.
2. Lark 앱 생성 및 구성은 위와 동일하게 진행하세요.
3. Claude 설정에 MCP 서버 추가:
   MCP 설정에 JSON 스니펫을 삽입하세요.
4. 환경 변수로 인증 정보 보호는 위와 같이 설정하세요.
5. 재시작 및 통합 확인.

Cursor

1. Cursor와 Node.js 설치.
2. Lark(Feishu) 앱 생성 후 권한 설정.
3. Cursor 설정에 MCP 서버 추가:
   위의 JSON 설정과 동일하게 사용하세요.
4. API 키 환경 변수 설정.
5. Cursor를 재시작하고 MCP 서버가 인식되는지 확인하세요.

Cline

1. Cline과 Node.js 설정.

2. Lark(Feishu) 앱 등록 및 권한 구성.

3. Cline 설정에 다음 추가:

   "mcpServers": {
     "mcpServerLark": {
       "description": "MCP Server For Lark(Feishu)",
       "command": "uvx",
       "args": [
         "parent_of_servers_repo/servers/src/mcp_server_lark"
       ],
       "env": {
         "LARK_APP_ID": "xxx",
         "LARK_APP_SECRET": "xxx"
       }
     }
   }
   

4. 저장 후 Cline 재시작.

5. 연결 테스트로 정상 작동 확인.

API 키 보안 설정

API 키와 같은 민감한 설정 값은 반드시 환경 변수로 관리하세요. 예시:

"env": {
  "LARK_APP_ID": "your_app_id",
  "LARK_APP_SECRET": "your_app_secret"
}

플로우 내에서 MCP 사용법

FlowHunt에서 MCP 사용하기

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

MCP 컴포넌트를 클릭하여 설정 패널을 엽니다. 시스템 MCP 설정 섹션에서 다음 JSON 형식으로 MCP 서버 정보를 입력하세요:

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

설정이 완료되면 AI 에이전트가 이 MCP를 도구로 활용해 모든 기능과 역량에 접근할 수 있습니다. “lark-mcp"는 실제 MCP 서버 이름으로, URL은 본인 MCP 서버 주소로 변경하세요.

개요

콘텐츠를 종합하면, 이 MCP 서버는 매우 초기 단계로, 도구와 문서화가 최소 수준입니다. 단일 도구만 노출하며 프롬프트/리소스 관련 정보가 부족합니다. 구성 안내는 명확하지만 기본적입니다. 현재로서는 MCP 워크플로우의 완성도와 활용성 면에서 낮은 점수를 기록합니다.

MCP 점수