Solr 검색 MCP 서버

“Solr 검색” MCP 서버란 무엇인가요?

Solr 검색 MCP 서버는 대형 언어 모델(LLM)과 강력한 오픈 소스 검색 플랫폼인 Apache Solr 사이의 통합 계층 역할을 합니다. Model Context Protocol(MCP)을 활용해 AI 어시스턴트가 Solr 컬렉션에 저장된 문서를 검색, 조회, 상호작용할 수 있도록 해줍니다. 이 서버는 Solr의 검색 및 조회 기능을 표준화된 리소스와 도구로 노출하여, 클라이언트 애플리케이션에서 간편하고 타입 세이프하며 인증된 접근을 가능하게 합니다. 개발자는 이 MCP 서버를 이용해 LLM에 고급 검색 기능(복잡한 쿼리, 문서 필터링, 정렬, 페이지네이션, 문서 직접 조회 등)을 비동기·보안 워크플로우 내에서 제공할 수 있습니다. 이를 통해 엔터프라이즈급 검색을 AI 기반 시스템에 쉽게 구현할 수 있습니다.

프롬프트 목록

공식 문서나 저장소 파일에서 명시적인 프롬프트 템플릿은 확인되지 않았습니다.

리소스 목록

• Solr 문서 검색 리소스
  Solr 컬렉션을 MCP 클라이언트에 노출하여 인덱싱된 문서 전체 검색을 지원합니다.
• 문서 조회 리소스
  Solr 컬렉션 내에서 고유 ID로 특정 문서를 조회할 수 있습니다.
• 필터 및 정렬 결과 리소스
  검색 쿼리에 고급 필터와 정렬을 적용해 결과를 세분화·정렬합니다.
• 페이지네이션된 검색 결과 리소스
  대용량 검색 결과를 페이지 단위로 제공해 클라이언트가 결과를 효율적으로 조회할 수 있습니다.

도구 목록

• 고급 검색 도구
  LLM이 MCP 인터페이스를 통해 다양한 검색 파라미터로 복잡한 Solr 쿼리를 실행할 수 있습니다.
• 문서 가져오기 도구
  LLM이 Solr에서 문서 ID로 전체 문서 정보를 조회합니다.
• 비동기 쿼리 실행 도구
  Solr와 논블로킹 방식으로 통신해 효율적으로 검색·조회합니다.
• 인증 도구(JWT)
  MCP 서버를 통해 Solr 엔드포인트에 안전하고 인증된 접근을 제공합니다.

주요 사용 사례

• 엔터프라이즈 문서 검색
  기업 Solr 인스턴스와 연동하여 LLM 기반 문서 조회 및 지식 검색을 지원(지원/연구팀 활용).
• 코드베이스 탐색
  Solr로 코드나 기술 문서를 인덱싱·검색, 개발자가 AI 도구로 코드베이스를 질의·분석 가능.
• 스마트 어시스턴트용 API 통합
  디지털 어시스턴트/챗봇에 Solr 기반 검색을 장착해 대규모 구조화 데이터에서 사용자 질의 응답.
• 자동 보고서 생성
  Solr 컬렉션에서 데이터를 검색·집계해 AI 워크플로우로 비즈니스 보고서·분석 자료 자동 생성.
• 안전한 콘텐츠 제공
  JWT 인증으로 민감 문서 접근 제어, Solr 데이터에 인가된 LLM만 접근 가능하게 함.

설치 방법

Windsurf

1. 사전 준비: Python 3.11+, Docker, uv가 설치되어 있어야 합니다.
2. 설정 파일 찾기: Windsurf 설정 파일을 엽니다.
3. Solr 검색 MCP 서버 추가: mcpServers 오브젝트에 Solr 검색 MCP 구성을 삽입 또는 업데이트합니다.
4. 저장 및 재시작: 설정을 저장하고 Windsurf를 재시작합니다.
5. 설정 확인: 서버가 정상 작동하는지 확인합니다.

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"]
    }
  }
}

API 키 보안 설정

민감 정보(JWT 시크릿 등)는 환경 변수로 관리하세요.
예시:

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"],
      "env": {
        "JWT_SECRET": "${JWT_SECRET}"
      },
      "inputs": {
        "solr_url": "http://localhost:8983/solr"
      }
    }
  }
}

Claude

1. 사전 준비: 필수 의존성과 Solr 설치.
2. 설정 파일 수정: Claude의 MCP 서버 구성 파일을 엽니다.
3. 서버 엔트리 추가: MCP 서버 커맨드와 인자를 삽입합니다.
4. Claude 재시작: 백엔드를 다시 불러오거나 재시작합니다.
5. 연결 테스트: MCP 핸드셰이크 성공 여부를 확인하세요.

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"]
    }
  }
}

Cursor

1. 의존성 설치: Python 3.11+ 및 Docker가 준비되어 있어야 합니다.
2. 설정 접근: MCP 서버 섹션을 찾습니다.
3. MCP 서버 정보 삽입: Solr 검색 세부 정보를 추가합니다.
4. 변경 적용: 저장 후 Cursor를 재실행합니다.
5. 정상 동작 확인: 서버가 정상 작동하는지 검증합니다.

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"]
    }
  }
}

Cline

1. 환경 준비: Python, Docker, uv 설치.
2. 설정 파일 열기: MCP 서버 설정 블록을 찾습니다.
3. 서버 구성: Solr 검색 MCP 정보를 추가합니다.
4. Cline 재시작: 설정 변경 사항 적용.
5. 통합 확인: 테스트 쿼리를 실행해 봅니다.

{
  "mcpServers": {
    "solr-search": {
      "command": "python",
      "args": ["run_server.py"]
    }
  }
}

FlowHunt 워크플로우에서 MCP 활용법

FlowHunt에서 MCP 서버를 워크플로우에 통합하려면, 먼저 MCP 컴포넌트를 플로우에 추가하고 AI 에이전트와 연결하세요.

MCP 컴포넌트를 클릭해 설정 패널을 엽니다. 시스템 MCP 설정 섹션에 아래와 같이 MCP 서버 정보를 JSON 형식으로 입력합니다:

{
  "solr-search": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

설정이 완료되면 AI 에이전트가 해당 MCP의 모든 기능과 도구를 사용할 수 있습니다. “solr-search” 이름과 URL은 실제 MCP 서버 이름과 주소로 변경하세요.

개요

제 의견:
이 MCP 서버는 견고한 Solr 통합과 보안, 타입 세이프, 유연한 문서 검색의 기본기를 충실히 구현했습니다. 다만 명시적 프롬프트 템플릿과 Roots, 샘플링 지원 등은 없어 일부 고급 MCP 클라이언트 워크플로우에는 제약이 있을 수 있습니다. 설치 및 기능 문서는 충실하지만, MCP 고유의 심화 기능 설명은 다소 부족한 편입니다.

MCP 점수

평가:
위 표를 기준으로 이 MCP 서버의 점수는 6/10입니다. Solr과의 연동성과 기능은 우수하지만, MCP 생태계의 일부 고급 기능(roots, 샘플링, 프롬프트 템플릿)과 오픈 소스 라이선스가 부족한 점이 아쉽습니다.