MCP를 위한 NLP — 무거운 의존성 제로. Blackmount에서 제작.
FastMCP 서버로 제공되는 45가지 텍스트 분석 도구입니다. NLTK, spaCy, transformers가 필요 없습니다. 단 하나의 의존성(mcp[cli])만 필요하며, 50KB 미만의 NLP 코드로 몇 초 만에 준비됩니다. Python 3.10 이상이 필요합니다.
blackmount-nlp-mcp | NLTK | spaCy | transformers | |
휠 크기 | 42 KB | 1.5 MB | 6 MB+ (+ 모델) | 10 MB+ (+ 모델) |
직접 의존성 | 1 | 다수 | 다수 | 다수 |
토큰화 | ✅ | ✅ | ✅ | ✅ |
감성 분석 | ✅ | ✅ | ❌ | ✅ |
가독성 점수 | ✅ | ❌ | ❌ | ❌ |
키워드 추출 | ✅ | ✅ | ❌ | ❌ |
텍스트 유사도 | ✅ | ✅ | ✅ | ✅ |
언어 감지 | ✅ (18개 언어) | ❌ | ❌ | ❌ |
Porter 스테머, TF-IDF, RAKE, Levenshtein, VADER 스타일 감성 분석, Flesch / Gunning Fog / Coleman-Liau / ARI / SMOG 가독성 지수, 추출적 요약, 언어 감지 등 모든 기능이 순수 Python으로 처음부터 구현되었습니다. 또한 2,000개 이상의 단어가 포함된 감성 사전과 500개 이상의 불용어 목록이 패키지에 내장되어 있습니다.
Related MCP server: LODA MCP Server
pip install blackmount-nlp-mcp설정 파일에 추가하세요:
macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
Windows: %APPDATA%\Claude\claude_desktop_config.json
Linux: ~/.config/Claude/claude_desktop_config.json
{
"mcpServers": {
"nlp": {
"command": "blackmount-nlp-mcp"
}
}
}프로젝트 루트의 .cursor/mcp.json에 추가하세요:
{
"mcpServers": {
"nlp": {
"command": "blackmount-nlp-mcp"
}
}
}서버는 stdio를 통해 실행됩니다. 클라이언트를 blackmount-nlp-mcp 명령어로 지정하세요:
blackmount-nlp-mcp편집기를 다시 시작하세요. 이제 45가지 NLP 도구를 모두 사용할 수 있습니다. 자연어로 질문하기만 하면 됩니다.
도구 | 설명 | 질문 예시 |
| 축약형과 구두점을 처리하여 텍스트를 단어로 분할 | "이 문단을 단어로 토큰화해줘" |
| 일반적인 약어를 처리하여 문장으로 분할 | "이 텍스트를 개별 문장으로 나눠줘" |
| 토큰 목록에서 단어 단위 n-gram 생성 | "이 토큰들로 바이그램을 생성해줘" |
| 문자 단위 n-gram 생성 | "이 단어의 문자 트라이그램을 가져와줘" |
모든 가독성 함수는 빈 입력이나 공백만 있는 입력에 대해 0.0을 반환합니다.
도구 | 설명 | 질문 예시 |
| 0–100 읽기 쉬움 점수 (높을수록 쉬움) | "Flesch Reading Ease 점수를 계산해줘" |
| 미국 학년 수준 추정치 | "이 글은 몇 학년 수준인가요?" |
| 복잡한 단어 비율 기반 Fog 지수 | "이 텍스트의 Fog 지수를 계산해줘" |
| Coleman-Liau 학년 수준 지수 | "Coleman-Liau 점수를 가져와줘" |
| ARI 학년 수준 지수 | "이 문서의 ARI는 얼마인가요?" |
| SMOG 학년 (의료 텍스트 권장) | "이 문서의 SMOG 학년을 계산해줘" |
| 단어의 음절 수 추정 | "'extraordinary'에는 음절이 몇 개인가요?" |
| 모든 가독성 점수를 평이한 영어 라벨과 함께 한 번에 제공 | "이 텍스트에 대한 전체 가독성 보고서를 줘" |
도구 | 설명 | 질문 예시 |
| -1.0에서 +1.0 사이의 복합 감성 점수 | "이 고객 리뷰의 감성은 어떤가요?" |
|
| "이 피드백은 긍정적인가요, 부정적인가요?" |
| 문장별 감성 분석 | "각 문장의 감성을 보여줘" |
| 특정 주제에 대한 감성 분석 | "이 리뷰들에서 '가격'에 대한 감성은 어떤가요?" |
도구 | 설명 | 질문 예시 |
| 말뭉치 전체에 대한 TF-IDF 키워드 순위 | "이 문서들 전체의 핵심 용어는 무엇인가요?" |
| RAKE 알고리즘 — 구 단위 키워드 추출 | "이 기사에서 핵심 구를 추출해줘" |
| 불용어를 제외한 빈도수 상위 단어 | "이 텍스트에서 가장 흔한 단어는 무엇인가요?" |
| 빈도수 상위 n-gram 구 | "가장 자주 나타나는 두 단어 구는 무엇인가요?" |
도구 | 설명 | 질문 예시 |
| 단어 집합 중첩도, 0–1 | "이 두 문단은 얼마나 비슷한가요?" |
| Bag-of-words 코사인 유사도, 0–1 | "이 텍스트들 간의 코사인 유사도를 계산해줘" |
| Levenshtein 편집 거리 | "'kitten'을 'sitting'으로 바꾸려면 몇 번의 편집이 필요한가요?" |
| 0–1로 정규화된 편집 거리 | "이 두 문자열은 얼마나 다른가요?" |
| 두 문자열 간의 LCS 길이 | "이 두 문자열의 LCS 길이는 얼마인가요?" |
도구 | 설명 | 질문 예시 |
| 500개 이상의 영어 불용어 제거 | "이 텍스트에서 불용어를 제거해줘" |
| 모든 구두점 제거 | "구두점을 제거해줘" |
| 숫자 토큰 제거 | "여기서 모든 숫자를 제거해줘" |
| URL 제거 | "URL을 정리해줘" |
| 이메일 주소 제거 | "이 텍스트에서 이메일 주소를 제거해줘" |
| HTML 태그 제거 | "이 콘텐츠에서 HTML을 제거해줘" |
| 공백 축소 및 다듬기 | "공백을 정규화해줘" |
| 텍스트 소문자 변환 | "이것을 소문자로 바꿔줘" |
| Porter 스테머 (순수 Python, NLTK 없음) | "'running'이라는 단어를 어간 추출해줘" |
| 한 번의 호출로 구성 가능한 다단계 정리 | "이 텍스트를 정리해줘: HTML, URL, 불용어 제거" |
도구 | 설명 | 질문 예시 |
| 지원되는 18개 언어 중 언어 식별 | "이 텍스트는 어떤 언어로 작성되었나요?" |
| 스크립트 감지: ASCII, Latin, Cyrillic, CJK, Arabic | "이 텍스트는 어떤 스크립트를 사용하나요?" |
| 영어 신뢰도 점수, 0–1 | "이 텍스트가 영어인가요?" |
| 단어 수 | "여기 단어가 몇 개인가요?" |
| 문장 수 | "문장 수를 세어줘" |
| 문단 수 | "문단이 몇 개인가요?" |
| 문자 기준 평균 단어 길이 | "평균 단어 길이는 얼마인가요?" |
| 단어 기준 평균 문장 길이 | "평균적으로 문장 길이는 얼마나 되나요?" |
도구 | 설명 | 질문 예시 |
| 문서에서 점수가 가장 높은 N개의 문장 선택 | "이 기사를 3문장으로 요약해줘" |
| 전체 문서 통계: 단어 수, 가독성, 언어, 읽는 시간 | "이 텍스트의 통계 프로필을 알려줘" |
하위 모듈을 직접 가져올 수 있습니다. MCP 서버가 필요하지 않습니다:
from blackmount_nlp_mcp.sentiment import sentiment_score, sentiment_label
from blackmount_nlp_mcp.readability import reading_level
from blackmount_nlp_mcp.keywords import rake_keywords
text = "This product is absolutely amazing! The quality is excellent."
print(sentiment_score(text))
# 0.9285
print(sentiment_label(text))
# 'positive'
print(reading_level(text))
# {'grade_level': 12.39, 'label': 'college',
# 'flesch_reading_ease': 14.27, 'flesch_kincaid_grade': 12.39,
# 'gunning_fog': 19.58, 'coleman_liau': 10.94,
# 'automated_readability': 7.51, 'smog_grade': 11.21}
print(rake_keywords(text))
# [{'phrase': 'absolutely amazing', 'score': 4.0},
# {'phrase': 'product', 'score': 1.0},
# {'phrase': 'quality', 'score': 1.0},
# {'phrase': 'excellent', 'score': 1.0}]git clone https://github.com/BlackMount-ai/blackmount-nlp-mcp
cd blackmount-nlp-mcp
pip install -e .
pytest tests/ -vblackmount-nlp-mcp는 AI와 함께 작업하는 사람들을 위한 도구를 만드는 Blackmount에서 제작했습니다.
blackmount-mcp — MCP 서버로서 브라우저 메모리, AI 채팅 검색 및 세션 분석 기능을 제공합니다. blackmount-nlp-mcp와 함께 사용하여 저장된 대화를 분석하세요: 채팅 기록에서 키워드 추출, AI 응답의 가독성 평가, 세션 전반의 감성 추세 감지 등을 수행할 수 있습니다.
app.blackmount.ai — 전체 Blackmount 플랫폼입니다. AI 도구가 생성하는 모든 것을 검색, 정리 및 분석하세요.
MIT
Deterministic AI agent microtools, no accounts/API keys. fetch_extract: 98% token cut. 38 tools.
16 AI-native tools with dual SSE + streamable-http transport. Free tier available.
Honest library picks for coding agents in 25-360 tokens. Tells your agent what NOT to install.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/BlackMount-ai/blackmount-nlp-mcp'
If you have feedback or need assistance with the MCP directory API, please join our Discord server