Public Knowledge Connect

공개된 LOD 자료를 내 AI에서 조회하고, 답변에 쓰인 원문까지 확인하는 로컬 도구.

English · 실행 검증 · 개발 순서

공공기관이 자료를 공개해도 개인 AI에 연결하려면 기관마다 다른 주소, 질의 방식과 응답 형식을 알아야 합니다. 이 프로젝트는 그 연결 작업을 맡습니다. 기관이 이미 만든 데이터와 관계를 활용하며, 원천을 새로 수집해 거대한 데이터베이스를 만드는 방식은 아닙니다.

지금은 국립중앙도서관과 워크넷을 연결한 첫 실행 버전입니다. 예시 자료를 찾고, 자료에 연결된 다른 항목을 따라가고, 원문 속성을 확인할 수 있습니다. 자연어 검색과 기관 간 자동 결합은 아직 개발하지 않았습니다.

먼저 써 보기

Node.js 24 이상과 인터넷 연결이 필요합니다. 조회에 별도 API 키나 유료 모델은 사용하지 않습니다.

git clone https://github.com/SakJaeLim/public-knowledge-connect.git
cd public-knowledge-connect
npm ci --ignore-scripts
npm start

http://127.0.0.1:8784를 엽니다. 서버를 실행한 PC에서만 접속할 수 있습니다.

1. 국립중앙도서관을 선택하고 예시 목록 조회를 누릅니다.

2. 자료 또는 작성자 아래의 원문 속성 조회를 누릅니다. 원천의 식별자를 따라 관련 내용을 조회합니다.

3. 워크넷으로 바꾸고 예시 직업의 수행직무와 개요를 확인합니다.

4. 실행 기록 받기로 질의, 출처, 조회 시각과 응답 상태를 JSON 파일에 저장합니다. 실패한 요청도 기록할 수 있습니다.

자료의 이름과 관계는 원천에 기록된 내용입니다. 저작자나 자격 요건이 실제로 맞는지 검증한 결과는 아닙니다. 일부 행만 조회하므로 전체 자료를 집계한 결과로 사용하면 안 됩니다.

화면은 2026년 11월 5일 실제 기관에 요청해 확인한 결과입니다. 이후 원천의 응답은 달라질 수 있습니다.

Related MCP server: korean-public-data-mcp

내 AI에 연결하기

로컬 stdio MCP를 지원하는 클라이언트에서 사용할 수 있습니다. 웹 서버를 켜둘 필요는 없습니다.

npm run config:mcp

현재 PC의 Node 실행 파일과 프로젝트 경로가 포함된 설정이 출력됩니다. 사용하는 클라이언트의 MCP 설정에 추가하세요. 이 명령은 설정 파일을 자동으로 바꾸지 않습니다. 원격 서비스의 커넥터 주소 입력란에 localhost를 넣는 방식과는 다릅니다.

연결 후에는 이렇게 요청해 보세요.

사용할 수 있는 공공자료를 알려줘. 국립중앙도서관 예시 자료 하나를 골라 작성자 연결을 따라가고, 확인한 원문 주소도 보여줘.

MCP 공식 SDK 클라이언트로 초기 연결과 실제 도구 호출을 시험했습니다. Claude 등 개별 AI 앱에서의 설치 및 답변 품질을 모두 검증한 상태는 아닙니다.

어디에 쓰나

연구자나 공공데이터 활용자가 AI 답변의 근거를 살펴볼 때 사용할 수 있습니다. 예를 들어 도서관 자료를 조회한 뒤 작성자 항목으로 이동해 원천에 어떤 관계가 기록돼 있는지 확인합니다. 직업 조사에서는 워크넷에 기록된 수행직무와 직무개요를 원문 주소와 함께 가져옵니다.

일반 사용자가 원하는 대상을 바로 찾는 검색 기능은 다음 단계입니다. 이번 버전의 역할은 실제 데이터 연결, 출처 보존과 오류 처리가 되는 기반을 확인하는 것입니다. 아직 팀 Wiki, 온톨로지 편집기 또는 공공데이터 통합 검색 서비스는 아닙니다.

연결한 원천

공식 MCP가 해결하는 과제에는 공식 도구를 사용하는 것이 좋습니다. 국립중앙도서관의 정보나루 MCP 안내와 HRDK 공식 MCP도 참고하세요. 이 프로젝트가 이들 서비스의 공식 제품이거나 대체 서비스라는 뜻은 아닙니다.

원천의 운영 상태에 따라 조회가 실패할 수 있습니다. 실제 검증 중 워크넷의 성공 응답과 HTTP 404 응답을 모두 관찰했습니다. 실패를 빈 결과로 바꾸거나 저장된 예시 데이터로 감추지 않습니다. 원천 자료, 이미지와 원문 파일의 재배포 조건은 별도로 확인해야 합니다.

어떻게 동작하나

flowchart LR
    WEB[로컬 웹 화면] --> QUERY[기관별 조회 코드]
    AI[개인 AI] --> MCP[stdio MCP]
    MCP --> QUERY
    QUERY --> NLK[국립중앙도서관 LOD]
    QUERY --> WORK[워크넷 LOD]
    NLK --> RESULT[응답 형식 검사와 크기 제한]
    WORK --> RESULT
    RESULT --> OUTPUT[원문 관계와 출처 또는 오류]

직접 구현한 부분은 기관별 조회 규칙, 응답 정규화, 제한된 원문 탐색, 웹 화면과 MCP의 공통 실행 코드, 조회 증빙과 오류 구분입니다. 기존 RDF 어휘와 기관의 식별자를 그대로 사용합니다. 임의의 SPARQL이나 외부 서버 주소는 실행하지 않습니다.

요청당 최대 20행, 응답 2 MB, 제한 시간 20초를 적용합니다. 웹 서버는 loopback에만 열리고 외부 Origin과 잘못된 Host 요청을 거부합니다. 조회 대상은 공개 기관 주소로 고정됩니다. 개인 문서나 AI API 키를 읽지 않습니다. 서버에는 조회 이력이 자동 저장되지 않으며, 실행 기록은 사용자가 내려받을 때 저장됩니다.

검증과 현재 상태

npm test
npm run verify:live

첫 명령은 네트워크 없이 입력 검증, 오류 구분, 응답 크기 제한, 웹 요청 보호와 MCP 동작을 시험합니다. 두 번째는 실제 두 기관을 MCP로 조회하고 artifacts/live-verification.json에 기록합니다. 이 폴더는 Git에 포함하지 않습니다.

2026년 11월 5일 Windows에서 자동 검사 12개와 두 기관의 실제 MCP 조회를 통과했습니다. 내장 브라우저에서 기관 선택, 예시 목록, 원문 속성과 실행 기록 다운로드를 확인했습니다. Windows, macOS, Linux의 Node 24 CI도 모두 통과했습니다. 운영체제별 확인 범위는 검증 기록에 구분해 적습니다. 네트워크 없는 CI 통과는 기관의 현재 가용성이나 AI 답변 정확도를 보장하지 않습니다.

다음 개발

먼저 원하는 자료를 찾는 과제 하나를 정하고, 설치 안내와 검색 경험을 개선합니다. 그다음 별도 단계로 팀 문서를 Wiki로 유지하는 도구를 개발합니다. Google Drive 폴더의 변경을 반영하고 Wiki 문장과 원문 버전을 연결하는 것이 첫 범위입니다. 기존 근거 검토 모듈은 그 단계에서 재사용할 대상으로 남겨둡니다.

개발 순서와 연구 준비에 구현 범위와 비교 기준을 적었습니다. 논문 실험이나 사용자 효과 측정은 아직 수행하지 않았습니다.

라이선스와 사용한 오픈소스

직접 작성한 코드는 MIT입니다. 화면에는 Open Props와 Lucide를, MCP에는 공식 TypeScript SDK와 Zod를 사용합니다. 버전과 원저작자 고지는 THIRD_PARTY_NOTICES.md에 있습니다. 코드 라이선스가 조회한 공공자료의 재배포 권한까지 부여하지는 않습니다.