LLM 컨텍스트 MCP 서버

“LLM 컨텍스트” MCP 서버는 무엇을 하나요?

LLM 컨텍스트 MCP 서버는 AI 어시스턴트를 외부 코드 및 텍스트 프로젝트와 원활하게 연결하여 Model Context Protocol(MCP)을 통해 개발 워크플로우를 향상시키는 도구입니다. .gitignore 패턴을 활용한 지능적인 파일 선택으로, 개발자는 매우 관련성 높은 콘텐츠를 LLM 채팅 인터페이스에 직접 주입하거나, 간편한 클립보드 워크플로우를 사용할 수 있습니다. 이를 통해 코드 리뷰, 문서 생성, 프로젝트 탐색과 같은 작업을 컨텍스트 인식 AI 지원으로 효율적으로 수행할 수 있습니다. LLM 컨텍스트는 코드 저장소와 텍스트 문서 모음 모두에 효과적이며, 프로젝트 데이터와 AI 기반 워크플로우를 연결하는 다재다능한 브릿지 역할을 합니다.

프롬프트 목록

저장소에서 정의된 프롬프트 템플릿에 대한 정보를 찾을 수 없습니다.

리소스 목록

제공된 파일이나 문서에서 명시적 리소스가 언급되지 않았습니다.

도구 목록

서버.py 또는 유사 파일이 저장소 구조에서 보이지 않으며, 노출된 도구에 대한 정보가 없습니다.

이 MCP 서버의 사용 사례

• 코드 리뷰 자동화: 관련 코드 세그먼트를 LLM 인터페이스에 주입하여 자동 또는 보조 코드 리뷰를 돕습니다.
• 문서 생성: AI가 프로젝트 파일에서 직접 문서를 접근 및 요약할 수 있습니다.
• 프로젝트 탐색: 개발자 및 AI 에이전트가 주요 파일과 아웃라인을 통해 대규모 코드베이스나 텍스트 프로젝트를 빠르게 파악하도록 지원합니다.
• 클립보드 워크플로우: 사용자가 클립보드로 콘텐츠를 복사/붙여넣기 하여 LLM과 빠르게 공유할 수 있어, 채팅 기반 워크플로우의 생산성이 향상됩니다.

설정 방법

Windsurf

1. Node.js와 Windsurf가 설치되어 있는지 확인하세요.
2. Windsurf 설정 파일(예: windsurf.config.json)을 찾으세요.
3. 다음 JSON 스니펫을 사용해 LLM 컨텍스트 MCP 서버를 추가하세요:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": []
    }
  }
}

4. 설정을 저장하고 Windsurf를 재시작하세요.
5. MCP 서버가 Windsurf에 나타나는지 확인하세요.

Claude

1. Node.js를 설치하고 Claude가 MCP 통합을 지원하는지 확인하세요.
2. Claude의 설정 파일을 열어 MCP 서버를 포함시키세요:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": []
    }
  }
}

3. 파일을 저장하고 Claude를 재시작하세요.
4. Claude의 MCP 설정에서 서버가 사용 가능한지 확인하세요.

Cursor

1. Cursor 에디터에 필요한 사전 조건을 설치하세요.
2. Cursor의 MCP 설정 파일을 여세요.
3. LLM 컨텍스트 MCP 서버를 추가하세요:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": []
    }
  }
}

4. 변경사항을 저장하고 Cursor를 재시작하세요.
5. MCP 서버가 정상 동작하는지 확인하세요.

Cline

1. Node.js와 Cline을 설치하세요.
2. Cline 설정을 수정하여 MCP 서버를 등록하세요:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": []
    }
  }
}

3. 저장 후 Cline을 재시작하세요.
4. MCP 서버가 접근 가능한지 확인하세요.

API 키 보안 설정

API 키와 시크릿을 보호하려면 환경 변수를 설정하세요. 예시 구성:

{
  "mcpServers": {
    "llm-context": {
      "command": "llm-context-mcp",
      "args": [],
      "env": {
        "API_KEY": "${LLM_CONTEXT_API_KEY}"
      },
      "inputs": {
        "apiKey": "${LLM_CONTEXT_API_KEY}"
      }
    }
  }
}

플로우에서 MCP 사용하는 방법

FlowHunt에서 MCP 사용하기

FlowHunt 워크플로우에 MCP 서버를 통합하려면 플로우에 MCP 컴포넌트를 추가하고 AI 에이전트와 연결하세요:

MCP 컴포넌트를 클릭하면 설정 패널이 열립니다. 시스템 MCP 설정 섹션에서 아래 JSON 형식으로 MCP 서버 정보를 입력하세요:

{
  "llm-context": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

설정이 완료되면, AI 에이전트가 이 MCP를 도구로 사용할 수 있으며 모든 기능과 역량에 접근할 수 있습니다. “llm-context"를 실제 MCP 서버 이름으로 변경하고, URL도 자신의 MCP 서버 URL로 바꿔주세요.

개요

위 두 표를 바탕으로, 이 MCP 서버는 강력한 개요와 보안 모범 사례를 제공하지만, 프롬프트, 리소스, 도구에 대한 명확한 문서가 부족합니다. 따라서 기본적인 컨텍스트 공유 워크플로우에 가장 적합하며, MCP의 고급 기능을 온전히 활용하려면 추가 문서화가 필요합니다.

MCP 평가