Solar Human Proofread

人の編集者が赤ペンで直した原稿を返してくれるMCPサーバー。 韓国語の原稿を読みやすく校正します。 Upstage Solar Pro 4가 문장에 손을 대고, 사실·인용·문체를 유지하고 있는지 코드가 판정합니다. 内容は加えもなく、削ってもいません。

Vercel에 배포해 쓰는 서버사이드 MCP입니다. 처리 1일100콜까지 무료, 그 이상은本인키(BYOK)로 사용합니다。

무엇이 다른 것

AIっぽさ를 지우는 도구이지 않습니다. 독자가 두 번 읽게 되는 자리를 없애는 도구입니다. 그래서 작업 순서도 탐지·치환하지 않고 사람 편집자의 순서를 따릅니다.

모델에 "네가 얼마나 고쳤는지 말해봐"라고 묻지 않습니다. 자기 self가 방금 쓴 글을 자기가 채점하면 언제나 후하게 됩니다. 그래서 변경률·수치 보존·인용 대조·문체 판정은 전부 코드가 계산합니다. 같은 입력에는 언제나 같은 판정이 반환됩니다.

편집 원칙

• 빨간 펜장치 — 다듬을 이유를 한 가지로 말할 수 없다면 손触れません。

• 줄이는 방향으로 —좋은 교정은 늘 덧붙이지 않습니다. 분량이 늘면 경고가 표시됩니다.

• 말투는 필자의 것 — 한다체를 한다체로 변환하는 것도 개번입니다. 막혀있으면 채택을 차단합니다.

• 사실은 불변 — 원본에 없던 문장이나 수치가 하나라도 들어가 있으면, 그 교정본은 채택 불가です。

Related MCP server: mcp-korean-spell

도구

read_through 인자

연결

Streamable HTTP를 지원하는 클라이언트인(Claude Code, Cursor 등)는 URL을 넣을만 끝.

{
  "mcpServers": {
    "human-proofreader": {
      "url": "https://<your-deployment>.vercel.app/api/mcp"
    }
  }
}

Claude Code라면 명령 한行도 됩니다.

claude mcp add --transport http human-proofreader https://<your-deployment>.vercel.app/api/mcp

stdio専用의 클라이언트에는 npx -y mcp-remote <url>을 사용한다.

AI에 그대로 전달하는 법

배포 URL만 던져 주면 설치가 끝나도록, 기계가 읽을 수 있는 안내를 동시에 제공합니다. 각 두 경로 모두 배포의 실제 URL 헤더를 요청 헤더에서 읽어들이기 때문에, 자리표시자(플레이스홀더)가 그대로 붙은 채 전달되지는 않습니다.

무료 100콜, 그후는 사용자 키

무료 한도른은 Solar 호출 1회 단위로 계산합니다. 가령 proofread로를 1번를 turnover 1콜 + 정정 1콜이면 2콜 차감됩니다. 도구 호출 단위로 세는 방식이라면, 호출 단위로 세는 방식은 사용자마다 약 10배의 차이를 초래해서 누구도 예측할 수 없게 되기 때문입니다. readability와 compare는 Solar를 호출하지 않아 차감되지 않습니다. 초기화는 군 자정(KST) 입니다.

콜을 넘는 경우는 사용자 키를 헤더(척)에 저장합니다. 도구 인자(argument)로 받는 경우, 그 키가 클라이언트보다 대화 내용 에 기록되어 문제가 되기 때문에 헤더에서 처리합니다.

{
  "mcpServers": {
    "human-proofreader": {
      "url": "https://<your-deployment>.vercel.app/api/mcp",
      "headers": {
        "X-Upstage-Api-Key": "up_..."
      }
    }
  }
}

사용자 키로 득지하면 하루 한도가 없어지고, 비용 은 해당 사용자 계정으로 영수됩니다.

직접 배포

git clone https://github.com/SolarLLM/human-proofreader-mcp
cd human-proofreader-mcp && npm install
cp .env.example .env.local   # OPENROUTER_API_KEY 또는 UPSTAGE_API_KEY 를 채운다
npm run dev                  # http://localhost:3000/api/mcp

vercel deploy --prod

환경변수

Redis를 쓰지 않아도 동작합니다만, 서버리스는 여러 개의 인스턴스가 돈으로 한도가 어느 정도 느슨해집니다. 실제로 100콜을 지키려면 Upstash Redis를 사용합니다.

Vercel 이용 계획과 depth: Hobby는 함수 실행을 60초에 끊습니다. deep(3콜)은 긴 원일에서 그걸 넘길 수 있어, Hobby에서는 standard 이하 사용 또는 Pro(최대 300초)으로 설정을 부탁한다.

개발

npm test        # 결정적 계층(가독성·대조·변경률) 회귀 테스트
npm run typecheck

LLM을 호출하는 부분은 테스트하지 않습니다. 그 대신 판정 코드 전부.

을 테스트합니다 — 경보문이 자동적으로 통과해 버리는 것을 이 서버에서 가장 위험한 고장이지 않기 때문입니다.

수정율을 어떻게 측정하?

교정이 어례나전환되었는지가 과교정 판정의 기준입니다. 그때를 단어 단위で계산하면 조사 하나 바뀐 것도 “바뀜셈이 되어 실측 2倍로 과장됩니다 (실측: 문자 22.8% → 어질 46.9%).따라서. 그래서 문자 단위로 측정합니다.

문장이나 문단을 먼저 매칭하는 방식은 전부 채택하지 않았습니다.好调整합니다는 긴 문장을 나눠서, 이중 문장을 짧게 하고, 문단을 분할ess도 있다. 어떤 단위로 정규분대응하여도 분할·병합이처럼 “대응 실패”로 읽혀서 정상적인 교정이 오히려 “재작성”으로 오판하게 됩니다. (실측: 한 문장에 두 개로 낸 자료에는 75%로 계산되지만 실제는 27% 양입니다.)

全文に対応にLCS(공통시)가 정확합니다. 데이터 크기에도 대응이 가능 —8といreturns께 2만자, 부대가 2만자를 비교하면 1.1초입니다. Solar 호출이 있으므로 20초를 넘지 느 타“だけ、 먼저 도그 코스트로 감당됩니다. 결과값는 Python difflib의 문자 기준값과 동일합니다 ( 실측 0.228＝0.228, 0.680＝0.68).

즉, 값이 **경고 30% · 중단 50%**입니다. 한국어 상조사·왁형 verbs 평 역bumpy words는 완전히 다른 내용 조차도 기본이 0.650.70이 됩니다. Last단 0.50은 이 하한치보다 낮고, 정당교가 강한 교과(0.250.45)의 특징 값보다 높게 설정된 것입니다.

gate gate 잡는 것

문장 전체 삽입 확실히 pa rounds와 app에서 catch할 수 있습니다. 문체 내 단어가 수개 일어나는 경우, 이 문법 이라는 날 막아 new_terms 목록에만 보였을 — 교과에서 원단어를 대체が bail. 어떻게 막으면 오탐이라ず 해온. 실측에서 이 목록은 손쉬운 리듬 유망어 “載실 대비”를 “독동기 베이스라인치와의 대비”처럼 교체한 조용한 표현을 잡아냈습니다.

감사의 말

한국어 문장의 “AI 티”를 발견할 수 있는 문제의식과 문체 분류 기준 는 epoko77-ai/im-not-ai에서 가져왔습니다. 코드는 그대로 가져오지 않고 새로 작성했습니다. 이 서버는 “AI 티 제기”가 아니라 “읽기 쉬운 글”을 목표로, 독립적인 설계입니다.

라이선

MIT