Which integrations are available for this server?

Generates Notion write plans for study session reports and wrong-question notes, but actual Notion writes are disabled by default and require user selection of target databases.

How do I use cert-study?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@cert-study start a SQLD study session with 20 questions" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

cert-study

by Merchantlee99

Overview Schema Related Servers Score Discussions

Python

Local

코덱스 학습 시스템

Codex를 CBT 시험장, 학습 코치, 오답노트 작성자로 쓰기 위한 로컬 학습 플러그인입니다.

제가 이 프로젝트에서 잡은 핵심은 “LLM이 문제를 내준다”가 아닙니다. 자격증 공부에서 실제로 막히는 지점은 문제를 한 번 푸는 게 아니라, 내가 어떤 개념을 반복해서 틀리는지 남기고, 틀린 이유를 해설과 함께 복구하고, 며칠 뒤 다시 꺼내보는 루프를 유지하는 것입니다.

그래서 굳이 웹앱까지 만들지 않았습니다. Codex 대화창을 시험 인터페이스로 쓰고, 로컬 Python 엔진이 세션, 채점, 오답, 복습 큐를 SQLite에 기록합니다. 세션이 끝나면 Markdown 리포트와 Obsidian에서 바로 볼 수 있는 오답노트가 생성됩니다.

이 레포는 공개 포트폴리오용 코드베이스입니다. 개인 학습 DB, 실제 풀이 기록, Obsidian 산출물은 git에 올리지 않도록 제외했습니다. 포함된 세 과목 문항도 상업 문제집이나 실제 시험 덤프가 아니라, 시스템 동작을 보여주기 위한 합성 훈련 문항입니다.

1. 왜 만들었나

자격증 공부를 AI로 도와준다고 하면 보통 “문제 만들어줘”, “요약해줘”에서 끝나기 쉽습니다. 그런데 실제 학습 루프에서는 아래 문제가 더 큽니다.

구분	실제 문제	왜 중요한가
세션 관리	오늘 몇 문제를 풀었고 어디까지 답했는지 흐려짐	채팅만으로 공부하면 상태가 사라짐
채점 근거	점수는 나오지만 합격선과 영역별 결과가 분리되지 않음	실제 시험 대비 판단이 약해짐
오답 기록	틀린 개념 이름만 남고, 내 답/정답/해설이 빠짐	다시 봐도 왜 틀렸는지 복구가 안 됨
반복 오답	같은 개념을 여러 번 틀려도 누적 추적이 안 됨	약점 기반 재출제가 어려움
노트 정리	사람이 읽는 오답노트와 기계가 계산하는 원장이 섞임	보기 좋은 노트와 채점 원장을 분리해야 함
저작권	문제집/기출을 그대로 쌓고 싶어짐	공개 포트폴리오와 개인 학습 모두 리스크가 생김

정리하면 이 구조입니다.

Codex 플러그인은 CBT 인터페이스와 MCP 도구를 제공한다. 학습 상태와 채점은 로컬 엔진이 결정론적으로 관리한다. 오답노트는 Obsidian/Markdown을 기본값으로 두고, Notion은 사용자가 원할 때만 켜는 선택 동기화 대상으로 둔다.

flowchart TD
  A["사용자: SQLD 20문제 시작"] --> B["Codex 대화창"]
  B --> C["Codex 플러그인 + cert-study skill"]
  C --> D["로컬 Python CBT/MCP 엔진"]
  D --> E["SQLite 학습 원장"]
  D --> F["Markdown 세션 리포트"]
  F --> G["Obsidian 오답노트"]
  E --> H["복습 큐"]
  H --> G
  G --> B
  F --> I["선택 기능: Notion 동기화 계획"]

Related MCP server: learnlog-mcp

2. 만든 것

codex-learning-system이라는 Codex 기반 학습 플러그인을 만들었습니다.

첫 구현 대상은 SQLD였고, 지금은 ADsP와 정보처리기사까지 공개 합성 문제은행을 추가했습니다. 세션을 시작하면 시스템이 문제를 하나씩 내고, 사용자의 답을 기록하고, 마지막에 점수와 합격선, 영역별 결과, 틀린 문제, 내 답, 정답, 해설, 오답 이유, 반복 오답, 다음 복습일을 정리합니다.

현재 공개 repo에 포함된 기본 CBT 과목은 SQLD, ADSP, KR_INFO_PROCESSING_ENGINEER입니다. 이 문제들은 최근 공식 출제범위에 맞춘 합성 훈련 문항입니다. 공개 seed는 포트폴리오 데모용 1회분 수준이라, 실전 학습은 개인 로컬 private_banks/로 문제은행을 키우는 전제를 둡니다. 실제 기출, 족보, 유료 문제집 원문은 공개 repo에 넣지 않습니다. AWS, GCP처럼 별도 자료를 확보한 과목은 로컬에서 import했을 때만 available로 뜨고 CBT 세션을 시작할 수 있습니다.

구성	위치	역할
플러그인 매니페스트	`.codex-plugin/plugin.json`	Codex가 설치 가능한 플러그인으로 인식하는 메타데이터
MCP 설정	`.mcp.json`	`cert-study` stdio MCP 서버 연결
MCP 서버	`cert_study/mcp_server.py`	`list_exams`, `start_session`, `submit_answer`, `finish_session`, 선택적 `prepare_notion_sync` 도구 제공
CLI 진입점	`cert_study/cli.py`	`init`, `session start`, `answer`, `finish`, `report`, 선택적 `notion plan` 명령 제공
SQLite 스키마	`cert_study/db.py`	시험, 도메인, 개념, 문제, 세션, 풀이, 복습 큐 저장
CBT 엔진	`cert_study/engine.py`	미노출 우선 문제 선택, 약점/복습 세트, 답변 기록, 채점, 합격권 판정, 복습 큐 갱신
리포트 렌더러	`cert_study/reporting.py`	세션 결과와 오답노트를 Markdown으로 생성
Obsidian 내보내기	`cert_study/obsidian.py`	세션 노트, 개념 노트, 복습 큐 생성
Notion 동기화 하네스	`cert_study/notion_sync.py`	선택 기능. 기본값은 실제 쓰기 없이 계획만 생성
공개 문제 seed	`cert_study/seed_sqld.py`, `cert_study/seed_adsp.py`, `cert_study/seed_info_processing.py`	SQLD 50개, ADsP 50개, 정보처리기사 100개 합성 훈련 문항
개인 문제 importer	`cert_study/importer.py`	`private_banks/`의 JSON/YAML 문제은행을 로컬 DB에만 가져오는 도구
자료 변환기	`cert_study/importers/`	로컬에 둔 허용 라이선스 자료를 import-ready JSON으로 바꾸는 도구
Codex skill	`skills/cert-study/SKILL.md`	Codex가 CBT 감독관처럼 행동하도록 하는 운영 규칙
Obsidian 문서	`docs/obsidian-vault.md`	Markdown vault 구조와 개인 기록 경계 설명
과목 확장 계획	`docs/exam-expansion-plan.md`	2~3개 이상 과목 확장 시 JSON/YAML importer로 전환하는 권장 설계
Notion 스키마	`docs/notion-schema.md`	선택 동기화용 DB 설계
테스트 하네스	`tests/test_study_system.py`	문제 수, 세션 진행, 채점, Obsidian 내보내기, 플러그인 형태, Notion 기본 비활성 검증

3. AI가 하는 일과 하지 않는 일

AI는 학습 인터페이스와 튜터 역할을 맡습니다. 예를 들어 사용자가 “SQLD 20문제 시작해줘”라고 하면 Codex는 플러그인의 MCP 도구를 호출하고, 문제를 하나씩 보여주고, 세션이 끝나면 리포트를 읽기 쉽게 요약합니다. 오답 리포트를 보고 “오늘 복습할 개념”도 설명할 수 있습니다.

반대로 채점과 세션 상태는 LLM에게 맡기지 않았습니다. 정답 여부, 점수, 합격선 판정, 오답 누적, 다음 복습일은 SQLite와 Python 코드가 처리합니다. 같은 입력이면 같은 결과가 나와야 하기 때문입니다.

flowchart LR
  A["Codex / LLM"] --> B["문제 제시"]
  A --> C["학습 리포트 요약"]
  A --> D["오답 개념 설명"]
  E["결정론적 Python MCP/CLI 엔진"] --> F["문제 선택"]
  E --> G["답변 기록"]
  E --> H["채점 / 합격선 / 복습 큐"]
  I["SQLite"] --> J["학습 원장"]

4. 구조

이 프로젝트는 웹 서비스가 아닙니다. 프론트엔드는 Codex 대화창이고, 백엔드는 로컬 Python CLI/MCP 서버입니다.

flowchart LR
  A["사용자"] --> B["Codex 대화창"]
  B --> C[".codex-plugin/plugin.json"]
  C --> D["cert-study MCP 도구"]
  D --> E["python3 -m cert_study"]
  E --> F["SQLite: data/study.sqlite"]
  E --> G["reports/sessions/*.md"]
  E --> H["obsidian_vault/certifications/<EXAM>/*.md"]
  G --> I["선택 기능: Notion MCP 쓰기 계획"]

레이어	역할
Codex 대화창	CBT 인터페이스, 사용자의 답변 입력, 리포트 요약
플러그인 매니페스트	Codex 설치/로드 메타데이터
Codex skill	언제 어떤 도구를 실행할지 정하는 운영 규칙
MCP 도구	Codex가 직접 호출하는 `start_session`, `submit_answer`, `finish_session` 인터페이스
Python CLI	사람이 직접 실행할 수 있는 동일 엔진의 CLI 표면
SQLite	학습 원장, 오답 누적, 복습 큐
Markdown 내보내기	사람이 읽는 세션 결과
Obsidian vault	사람이 읽고 탐색하는 기본 오답노트
Notion MCP	선택 동기화 대상. 원장이 아니라 보조 DB 뷰

개인 학습 기록은 .gitignore로 제외했습니다.

data/study.sqlite
reports/sessions/*.md
obsidian_vault/**/*.md

5. 안전 경계

이 프로젝트의 안전 경계는 두 가지입니다. 학습 결과를 과장하지 않는 것. 공개 레포에 올리면 안 되는 자료를 넣지 않는 것.

리스크	대응
실제 기출/족보 복제	포함된 문제은행은 합성 훈련 문항으로 제한
상업 문제집 저작권	문제집 원문 저장 대신 개념 태그, 오답 이유, 자작 유사문항 중심으로 설계
개인 학습 기록 노출	SQLite DB와 세션 리포트는 git ignore 처리
LLM 채점 오류	채점/점수/복습 큐는 결정론적 Python 코드에서 처리
외부 노트 도구 과의존	기본 오답노트는 로컬 Markdown/Obsidian으로 생성
공개 repo에서 자동 외부 쓰기	Notion 동기화 하네스는 기본 비활성. `CERT_STUDY_ENABLE_NOTION_SYNC=1` 전에는 쓰기 계획만 생성
합격 보장 과장	이 레포는 학습 시스템 구현 사례이며 시험 합격을 보장하지 않음

Obsidian 연동도 같은 원칙을 따릅니다. sessions, concepts, review-queue.md로 사람이 읽는 오답노트를 만들되, 채점과 복습 스케줄의 원장은 SQLite에 둡니다.

Notion은 선택 기능입니다. Study Sessions, Wrong Questions, Concept Reviews DB로 정리할 수 있지만, 공개 기본값에서는 실제 Notion 쓰기를 하지 않습니다. 어떤 페이지와 row를 만들지 사용자가 검토할 수 있는 계획만 생성합니다.

6. 검증

현재 공개 코드베이스 기준으로 검증한 것은 아래입니다.

python3 -m unittest discover -s tests

검증 항목	내용
공개 seed bank	SQLD 50개, ADsP 50개, 정보처리기사 100개 로드
도메인 배분	20문제 세션에서 데이터 모델링 4문제, SQL 기본 및 활용 16문제 배분
답변 진행	답변을 기록하면 다음 미응답 문제가 반환됨
채점	정답 수와 환산 점수, 합격권 판정 계산
오답 리포트	내 답, 정답, 해설, 오답 이유, 복습 개념 포함
Obsidian 내보내기	세션 노트, 개념별 오답 노트, 복습 큐가 `obsidian_vault/`에 생성됨
플러그인 매니페스트	`.codex-plugin/plugin.json`이 skill과 MCP 서버를 선언
MCP 도구	`list_exams`, `start_session`, `submit_answer`, `finish_session`, `prepare_notion_sync` 도구 노출
순차 출제	SQLD, ADsP, 정보처리기사 세션이 정답표 없이 첫 문제만 반환
개인 importer	`--private` 없이는 개인 소유 문제은행 import를 거부
Notion 기본값	환경변수 없이는 `disabled_public_default` 상태로 계획만 생성

CLI 스모크 테스트:

python3 -m cert_study init --reset
python3 -m cert_study stats
python3 -m cert_study session start --exam SQLD --count 5 --seed 1

출제 반복 방지 기준:

모드	기준
`custom-cbt`	아직 노출되지 않은 문제를 먼저 출제하고, 최근에 본 문제는 뒤로 보냄
`review-cbt`	복습 예정일이 지난 오답 문제와 오답 이력이 있는 문제를 먼저 출제
`weak-cbt`	자주 틀린 개념의 다른 문항을 먼저 출제

문제은행 규모 기준:

과목	공개 데모 seed	개인 실전 최소	권장
SQLD	50	250~300	500+
ADsP	50	250~300	500+
정보처리기사	100	500~600	1000+

공개 seed는 이 시스템이 작동한다는 증거입니다. 같은 문제를 외우지 않으려면 개인 문제은행을 private_banks/로 확장하고, 엔진의 미노출/약점/복습 우선 출제를 활용하는 방향이 맞습니다.

정확히 말하면, 이 프로젝트가 증명한 것은 “SQLD를 합격시켜준다”가 아닙니다. 증명한 것은 “Codex 플러그인을 개인 CBT 학습 루프의 인터페이스로 쓰고, 학습 상태와 오답 기록은 재현 가능한 로컬 하네스로 관리할 수 있다”입니다.

7. 포트폴리오에서 보여주는 것

이 프로젝트는 AI 서비스 개발자, LLM 프로덕트 엔지니어, AI 워크플로우 빌더 포트폴리오로 쓰기 좋게 설계했습니다.

역할 요구	이 프로젝트에서 보여준 부분
AI 워크플로우 설계	Codex 플러그인/채팅을 CBT 인터페이스로 쓰는 학습 루프 설계
로컬 우선 도구화	Python CLI와 SQLite로 개인 학습 원장 구현
평가/하네스 사고	채점, 세션 진행, 리포트 생성, Obsidian 내보내기, Notion 동기화 계획 테스트
구조화 데이터	시험, 영역, 개념, 문제, 풀이, 복습 큐 스키마
사람 참여형 루프	사용자는 채팅으로 답하고, 시스템은 기록/분석을 보조
신뢰 경계	LLM은 설명과 인터페이스, 결정론적 코드는 채점과 상태 관리
지식 워크플로우	Obsidian Markdown을 기본 오답노트로 두고 Notion MCP는 선택 기능으로 격리

포트폴리오 포인트는 “AI로 공부한다”가 아닙니다.

Codex를 실제 개인 업무 흐름에 붙여서, 문제풀이/오답/복습/Obsidian 정리까지 이어지는 재현 가능한 학습 하네스를 만들었다.

플러그인 구조

이 레포는 Codex 플러그인 형태입니다.

.codex-plugin/plugin.json
.mcp.json
skills/cert-study/SKILL.md
cert_study/mcp_server.py

MCP 서버가 제공하는 도구는 아래와 같습니다.

도구	역할
`init_study_db`	로컬 SQLite 초기화와 공개 합성 문제은행 seed
`list_exams`	현재 실제 출제 가능한 과목과 계획 단계 과목 확인
`start_session`	CBT 세션 시작과 첫 문제 반환
`submit_answer`	1~4번 답변 기록과 다음 문제 반환
`finish_session`	세션 채점과 리포트 생성
`prepare_notion_sync`	선택 기능. 기본 비활성 Notion 쓰기 계획 생성

Obsidian Markdown이 기본 오답노트입니다. 기존 Obsidian vault에 바로 쓰고 싶다면 아래처럼 설정하면 됩니다.

export CERT_STUDY_OBSIDIAN_VAULT="/absolute/path/to/Obsidian Vault"

Notion 쓰기는 공개 기본값에서 자동으로 실행되지 않습니다. 개인 환경에서 Notion을 쓰려면 먼저 대상 DB를 고른 뒤 아래 환경변수를 켜야 합니다.

export CERT_STUDY_ENABLE_NOTION_SYNC=1

그래도 플러그인은 계획만 준비합니다. 실제 Notion MCP 쓰기는 사용자가 대상 DB를 고른 뒤 Codex가 수행하는 구조입니다.

로컬에서 실행하기

git clone https://github.com/Merchantlee99/26_codex_learningsystem.git
cd 26_codex_learningsystem
python3 -m cert_study init
python3 -m cert_study stats
python3 -m cert_study session start --exam SQLD --count 20
python3 -m cert_study session start --exam ADSP --count 20
python3 -m cert_study session start --exam KR_INFO_PROCESSING_ENGINEER --count 20
python3 -m cert_study session start --exam SQLD --count 10 --mode weak-cbt
python3 -m cert_study session start --exam SQLD --count 10 --mode review-cbt
python3 -m cert_study coverage --exam AWS_CLOUD_PRACTITIONER
python3 -m cert_study session start --exam AWS_CLOUD_PRACTITIONER --regular --mode exam-ready

답변을 기록하려면:

python3 -m cert_study session answer <session_id> 3

모든 문제를 푼 뒤 결과를 생성하려면:

python3 -m cert_study session finish <session_id>

선택 기능인 Notion 동기화 계획은 이렇게 확인합니다.

python3 -m cert_study notion plan <session_id>

개인 로컬 문제은행을 가져오려면 examples/private_bank.example.json 형식을 참고해서 private_banks/ 아래에 둡니다. 이 폴더는 git에 올라가지 않습니다.

mkdir -p private_banks
python3 -m cert_study bank import private_banks/my-bank.json --private

허용 라이선스가 명확한 로컬 원천 자료는 변환기를 거쳐 import-ready JSON으로 바꿀 수 있습니다. 예를 들어 gail-exam-preparation의 exam-data.ts를 직접 확보해 둔 경우:

python3 -m cert_study bank convert-gcp-gail \
  private_banks/raw_sources/gcp/gail_exam_preparation/lib/exam-data.ts \
  private_banks/import_ready/gcp/gcp_generative_ai_leader_gail_exam_preparation.json

python3 -m cert_study bank import \
  private_banks/import_ready/gcp/gcp_generative_ai_leader_gail_exam_preparation.json

python3 -m cert_study bank promote-gcp-gail --checked-at 2026-07-03

새 importer 형식은 기존 answer: 1도 계속 받지만, 가능하면 아래 메타데이터를 같이 둡니다.

{
  "question_type": "single_choice",
  "answer_json": { "choices": [2] },
  "source_type": "public_license",
  "source_license": "MIT",
  "source_tier": "open_license",
  "storage_policy": "raw_allowed",
  "validity_status": "needs_official_check",
  "quality_status": "needs_review",
  "scope_version": "2026",
  "official_checked_at": "",
  "quality_notes": "공식 가이드 대조 전",
  "provenance": {
    "repository": "https://github.com/example/study-source",
    "path": "lib/exam-data.ts",
    "official_doc": "https://cloud.google.com/..."
  }
}

exam-ready 모드는 내부 CBT 방식 그대로 동작하지만, 아래 조건을 만족하는 문항만 출제합니다.

quality_status = active
source_tier = official_sample | open_license | user_owned | licensed_private
question_type = single_choice

즉, 합성 seed나 공식 검수 전 문항은 실전 모드에서 자동 제외됩니다. 부족한 과목은 먼저 coverage로 어느 영역이 비어 있는지 확인한 뒤 private_banks/ 문제은행을 보강합니다.

source-backed 모드는 검수 전 문항이라도 합성 seed를 제외하고 출처가 있는 문항만 출제합니다. 정보처리기사 private 기출처럼 먼저 풀어보며 오답을 쌓고 싶은 자료는 이 모드를 씁니다.

SQLD/ADsP처럼 텍스트, PDF, HTML로 정리해 둔 로컬 원천이 있다면 KDATA 계열 변환기로 먼저 점검합니다. 원천 파일과 변환 결과는 모두 ignored 된 private_banks/ 아래에만 둡니다.

python3 -m pip install -e ".[pdf]"

python3 -m cert_study bank inspect-kdata --exam SQLD private_banks/raw_sources/sqld
python3 -m cert_study bank convert-kdata --exam SQLD \
  private_banks/raw_sources/sqld \
  private_banks/import_ready/sqld/sqld_source_backed.json
python3 -m cert_study bank import private_banks/import_ready/sqld/sqld_source_backed.json --private
python3 -m cert_study session start --exam SQLD --count 20 --mode source-backed

python3 -m cert_study bank inspect-kdata --exam ADSP private_banks/raw_sources/adsp
python3 -m cert_study bank convert-kdata --exam ADSP \
  private_banks/raw_sources/adsp \
  private_banks/import_ready/adsp/adsp_source_backed.json
python3 -m cert_study bank import private_banks/import_ready/adsp/adsp_source_backed.json --private
python3 -m cert_study session start --exam ADSP --count 20 --mode source-backed

정보처리기사처럼 ZIP/PDF 자료가 있는 과목은 먼저 private archive를 점검한 뒤 import-ready JSON으로 변환합니다. 이 명령은 원문 문제를 공개 repo에 저장하지 않고, ignored 된 private_banks/ 안에서만 결과를 만듭니다.

python3 -m pip install -e ".[pdf]"
python3 -m cert_study bank inspect-info-processing private_banks/raw_sources/info_processing/sinagong
python3 -m cert_study bank convert-info-processing \
  private_banks/raw_sources/info_processing/sinagong \
  private_banks/import_ready/info_processing/ipe_past_exams.json
python3 -m cert_study bank import private_banks/import_ready/info_processing/ipe_past_exams.json --private
python3 -m cert_study session start --exam KR_INFO_PROCESSING_ENGINEER --count 20 --mode source-backed

과목 추가

이 공개 레포는 SQLD, ADSP, KR_INFO_PROCESSING_ENGINEER를 공개 합성 문제은행으로 둡니다.

공개 데모용 합성 과목 하나를 더 추가하는 정도라면 지금 seed 패턴을 복사하면 됩니다.

cert_study/seed_sqld.py
cert_study/seed_adsp.py
cert_study/seed_info_processing.py

실제 과목이 2~3개 이상이 되면 Python seed 파일을 계속 늘리기보다 JSON/YAML 문제은행 가져오기 도구로 바꾸는 게 맞습니다. 이 레포는 importer를 포함합니다. 개인 학습 목표 목록은 아래처럼 잡았습니다.

SQLD
ADSP
KR_INFO_PROCESSING_ENGINEER
AWS_AI_PRACTITIONER
AWS_CLOUD_PRACTITIONER
AWS_SOLUTIONS_ARCHITECT_ASSOCIATE
GCP_GENERATIVE_AI_LEADER

권장 가져오기 도구 설계, 검증 규칙, 공개/비공개 데이터 경계는 docs/exam-expansion-plan.md에 정리했습니다.

레포 구조

.codex-plugin/
  plugin.json
.mcp.json
cert_study/
  cli.py
  db.py
  engine.py
  importer.py
  importers/
    gcp_gail.py
    info_processing.py
    kdata_text.py
  quality.py
  mcp_server.py
  notion_sync.py
  obsidian.py
  paths.py
  reporting.py
  seed_adsp.py
  seed_info_processing.py
  seed_public.py
  seed_sqld.py
config/
  notion_sync.example.json
docs/
  architecture.md
  exam-expansion-plan.md
  obsidian-vault.md
  notion-schema.md
obsidian_vault/
  .gitkeep
examples/
  private_bank.example.json
skills/
  cert-study/SKILL.md
scripts/
  sync_notion.py
tests/
  test_study_system.py
README.md
AGENTS.md

현재 범위

구현된 것:

Codex 플러그인 매니페스트
CBT 세션용 stdio MCP 도구
지원 과목 확인용 list_exams 도구
SQLD 합성 문제은행 50문항
ADsP 합성 문제은행 50문항
정보처리기사 합성 문제은행 100문항
개인 JSON/YAML 문제은행 importer
문제 출처/라이선스/보관정책/유효성 상태 메타데이터
문제 품질 상태와 source tier 기반 exam-ready 출제 모드
공식 도메인 비중 대비 문제은행 커버리지 리포트
GCP Generative AI Leader 로컬 자료 변환기
GCP Generative AI Leader 공식 문서 URL 기반 exam-ready 승격 명령
SQLD/ADsP private 텍스트/PDF/HTML 원천 inspector와 import-ready 변환기
정보처리기사 private ZIP/PDF 후보 inspector와 import-ready 변환기
합성 문항을 제외하는 source-backed 출제 모드
미노출 우선, 복습 예정, 취약 개념 기반 출제 우선순위
CBT 세션 시작/답변/현재 문제/종료 명령
SQLite 학습 원장
점수와 합격선 리포트
오답 리포트
복습 큐
Obsidian용 Markdown 내보내기
기본 비활성 Notion 동기화 계획 하네스
Codex skill 지침
단위 테스트 하네스

아직 구현하지 않은 것:

사용자 DB 선택 없는 직접 Notion MCP 쓰기 자동화
AWS / GCP 원천 문제의 공개 repo 포함
다중 선택형 문항 채점
고급 spaced repetition 알고리즘
웹/모바일 UI

This server cannot be installed

license - permissive license

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

–Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly
Lightport: Open-Sourcing Glama's AI Gateway
By punkpeye on April 27, 2026.
OpenAI
open source

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/Merchantlee99/codex_learningsystem'

If you have feedback or need assistance with the MCP directory API, please join our Discord server