Skip to main content
Glama

AlgoKit-mcp

AI 에이전트와 함께하는 알고리즘 학습 MCP 툴킷 (백준, 프로그래머스 지원)

Landing Page | NPM | GitHub

AI 기반 힌트 생성, 문제 분석, 복습 템플릿 제공으로 효율적인 알고리즘 학습을 지원합니다.

주요 기능

  • 🔍 문제 검색: 난이도, 태그, 키워드로 문제 검색

  • 💡 단계별 힌트: Level 1~3 단계별 맞춤 힌트 생성

  • 📊 문제 분석: 알고리즘 분류, 난이도 분석, 학습 가이드

  • 📝 복습 템플릿: 자동 생성되는 마크다운 복습 문서

  • 🧪 코드 분석: 제출 코드의 시간/공간 복잡도 분석 및 개선 제안

Related MCP server: algo-coach-mcp

설치

플랫폼별로 설치 방법이 다릅니다. Claude Code 는 Plugin 마켓플레이스를 지원하고, Codex와 Gemini는 수동 설정이 필요합니다.

Claude Code (Plugin Marketplace)

마켓플레이스를 등록하고 플러그인을 설치하세요:

/plugin marketplace add itsme-shawn/AlgoKit-mcp
/plugin install algokit-mcp@algokit-plugin
/reload-plugins

이 명령으로 MCP 서버와 6개 Skills가 모두 설치됩니다.

자연어 설치

Claude Code에서 아래 문장을 그대로 입력해도 됩니다:

algokit-mcp 플러그인을 마켓플레이스에서 설치해줘

MCP만 별도 설치 (Skills 없이)

claude mcp add --scope user algokit -- npx -y algokit-mcp@latest

Codex

Codex에게 아래 문장을 입력하세요:

이 지시사항 대로 설치해줘 : https://raw.githubusercontent.com/itsme-shawn/AlgoKit-mcp/refs/heads/master/.codex/INSTALL.md

Gemini CLI

Gemini CLI에게 아래 문장을 입력하세요:

이 지시사항 대로 설치해줘 : https://raw.githubusercontent.com/itsme-shawn/AlgoKit-mcp/refs/heads/master/.gemini/INSTALL.md

수동 설치 (모든 플랫폼)

Claude Code (~/.claude.json):

{
  "mcpServers": {
    "algokit": {
      "command": "npx",
      "args": ["-y", "algokit-mcp@latest"]
    }
  }
}

Codex (~/.codex/config.toml):

[mcp.servers.algokit]
command = "npx"
args = ["-y", "algokit-mcp@latest"]

Gemini CLI (~/.gemini/settings.json):

{
  "mcpServers": {
    "algokit": {
      "command": "npx",
      "args": ["-y", "algokit-mcp@latest"]
    }
  }
}

Skills

Skill 이름: algo: (BOJ/프로그래머스 자동 선택)

Claude Code, Codex, Gemini CLI 모두 동일한 algo: Skills를 지원합니다. MCP 서버 첫 기동 시 감지된 에이전트에 자동으로 설치됩니다.

Skill

기능

사용 예시

algo:search

문제 검색

/algo:search 골드 DP 문제 추천해줘

algo:fetch

문제 본문 크롤링

/algo:fetch 11726

algo:hint

단계별 힌트

/algo:hint 11726

algo:code-review

코드 분석/피드백

/algo:code-review @11726.py

algo:blank

빈칸 연습 코드 생성

/algo:blank @11726.py

algo:review

복습 문서 생성

/algo:review 11726

자연어로 질문해도 AI가 맥락을 파악하여 Skill을 자동 호출합니다. Skill(/algo:*)을 사용하면 의도가 더 명확해져 정확한 응답을 받을 수 있습니다.

algo:search — 문제 검색

난이도, 태그, 키워드로 백준/프로그래머스 문제를 검색합니다. 플랫폼 키워드(백준, 프로그래머스)가 없으면 어떤 플랫폼인지 되묻습니다.

  • BOJ: 티어(브론즈~루비), 태그(dp, graph 등), 정렬 옵션 지원

  • 프로그래머스: 레벨(1~5), 인기순/최신순 정렬 지원

  • 검색 후 /algo:hint, /algo:review 등 후속 스킬 연계 제안

algo:fetch — 문제 본문 크롤링

문제 전문(설명, 입출력 형식, 예제, 제한 조건)을 가져옵니다. URL 입력 시 플랫폼 자동 판별, 숫자만 입력 시 플랫폼 확인 후 진행합니다.

  • BOJ: acmicpc.net 크롤링 (시간/메모리 제한 포함)

  • 프로그래머스: school.programmers.co.kr 크롤링 (제한사항 포함)

  • 캐시 30일, 재시도 최대 2회

algo:hint — 단계별 힌트

문제를 분석하고 사용자 상황에 맞는 1개 레벨의 힌트만 제공합니다. 한 번에 모든 힌트를 보여주지 않고, 대화를 통해 점진적으로 안내합니다.

Level

시점

내용

Level 1

처음 막혔을 때

알고리즘명 없이 구조적 특징만 암시

Level 2

"더 알려줘" 요청

알고리즘 유형 + 핵심 아이디어

Level 3

"정답 알려줘" 요청

단계별 전략 + 의사코드 수준 설명

algo:blank — 빈칸 연습 코드 생성

완성된 풀이 코드의 핵심 로직을 ____로 가린 연습 파일을 생성합니다. 원본 파일은 수정하지 않고 _blank 접미사 파일을 새로 만듭니다.

  • 빈칸 대상: 점화식, 자료구조 초기화, 핵심 조건문, 방문 처리 등

  • // TODO N: 설명 주석으로 무엇을 채워야 하는지 안내 (정답은 미제공)

  • import, 클래스 시그니처, main 블록은 그대로 유지

algo:code-review — 코드 분석/피드백

풀이 코드의 정확성, 시간/공간 복잡도를 분석하고 개선점을 제안합니다.

분석 타입

내용

full (기본)

정확성 + 복잡도 + 개선점 + 스타일

debug

에러 원인, 로직 오류, 엣지 케이스

hint

핵심 개념, 접근 방향

review

스타일, 가독성, 네이밍, 구조

algo:review — 복습 문서 생성

풀이를 마친 후 학습 내용을 정리하는 마크다운 복습 문서(_REVIEW.md)를 생성합니다. MCP 서버가 템플릿과 가이드 프롬프트를 제공하고, AI가 사용자와 대화하며 섹션별로 작성합니다.

  • 포함 내용: 문제 요약, 사고흐름, 핵심아이디어, 풀이 코드 + 로직 설명, 데이터 흐름 추적, 실수 포인트, 관련 문제

  • 사용자 코드 기반 맞춤형 분석


사용 시나리오

모든 결과는 AlgoKit MCP 서버를 실제 호출하여 얻은 데이터입니다.

하나의 문제에 대해 탐색부터 복습까지 전 과정을 지원합니다.

단계

기능

Skill

1

문제 검색

algo:search

2

문제 요약

algo:fetch

3

단계별 힌트

algo:hint

4

빈칸 힌트

algo:blank

5

코드 리뷰

algo:code-review

6

복습 정리

algo:review


1. 문제 검색

User:

BOJ에서 실버상위~골드 난이도 DP 문제 찾아줘

Skill 사용 시,

/algo:search BOJ에서 실버상위~골드 난이도 DP 문제 찾아줘

AI Agent:

⏺ Skill(algo:search)
  ⎿  Successfully loaded skill

⏺ BOJ에서 실버 상위~골드 난이도 DP 문제를 검색하겠습니다.

⏺ algokit - search_problems_boj (MCP)
  (tags: "dp", level_min: "8", level_max: "15", sort: "level", direction: "asc")

     **총 1909개 문제** (1페이지)

⏺ 총 1,909개의 DP 문제가 Silver III ~ Gold I 범위에 있습니다.

  Silver III (실버 3)

  ┌───────┬────────────────┬──────────┐
  │ 번호  │      제목      │  해결자  │
  ├───────┼────────────────┼──────────┤
  │ 1463  │ 1로 만들기     │ 87,355명 │
  ├───────┼────────────────┼──────────┤
  │ 9095  │ 1, 2, 3 더하기 │ 72,673명 │
  ├───────┼────────────────┼──────────┤
  │ 11726 │ 2×n 타일링     │ 65,411명 │
  ├───────┼────────────────┼──────────┤
  │ 2579  │ 계단 오르기    │ 64,700명 │
  ├───────┼────────────────┼──────────┤
  │ 14501 │ 퇴사           │ 42,532명 │
  └───────┴────────────────┴──────────┘

  다음 페이지에서 Silver II ~ Gold 난이도 문제도 볼까요?

2. 문제 내용 요약

User:

BOJ 11726 문제 내용 요약해줘

Skill 사용 시,

/algo:fetch 11726

AI Agent:

⏺ algokit - fetch_problem_content_boj (MCP)(problem_id: 11726)

⏺ BOJ 11726 - 2×n 타일링

  2×n 크기의 직사각형을 1×2, 2×1 타일로 빈틈없이 채우는 방법의 수를
  구하는 문제입니다.

  ┌─────────────┬──────────────────────────────────┐
  │    항목     │               내용               │
  ├─────────────┼──────────────────────────────────┤
  │ 입력        │ 정수 n (1 ≤ n ≤ 1,000)           │
  ├─────────────┼──────────────────────────────────┤
  │ 출력        │ 방법의 수를 10,007로 나눈 나머지 │
  ├─────────────┼──────────────────────────────────┤
  │ 시간/메모리 │ 1초 / 256MB                      │
  └─────────────┴──────────────────────────────────┘

  예제: n=2 → 2, n=9 → 55

3. 단계별 힌트

User:

이 문제, 접근에 대한 힌트를 줘

Skill 사용 시,

/algo:hint 11726

AI Agent:

⏺ algokit - analyze_problem_boj (MCP)(problem_id: 11726)

⏺ BOJ 11726 — 2×n 타일링 (Silver III)

  Level 1 힌트: 문제 분석

  작은 경우부터 직접 그려보세요. n=1, n=2, n=3, n=4일 때 2×n 직사각형을
  채우는 방법이 각각 몇 가지인지 손으로 나열해 보면, 이전 결과들이 다음
  결과를 만드는 데 재활용되는 패턴이 보일 겁니다.

  "n번째를 채우려면 직전에 어떤 상태에서 올 수 있는가?"를 생각해 보세요.

  ---
  더 구체적인 힌트가 필요하면 말씀해 주세요!

MCP 서버가 구조화된 데이터 + 가이드 프롬프트를 반환하면, Claude가 문제에 맞는 자연어 분석을 생성합니다.


힌트 더 받기

User:

잘 안 풀리네. 힌트를 좀 더 줘

AI Agent:

⏺ Level 2 힌트: 핵심 아이디어

  이 문제는 다이나믹 프로그래밍(DP) 문제입니다.

  핵심은 2×n 직사각형의 맨 오른쪽 열을 채우는 방법이 딱 두 가지뿐이라는
  점입니다:

  1. 세로 타일 1개 (2×1) → 나머지는 2×(n-1) 채우기
  2. 가로 타일 2개 (1×2 두 개) → 나머지는 2×(n-2) 채우기

  즉, f(n)을 구하려면 f(n-1)과 f(n-2)만 알면 됩니다.

  ---
  더 상세한 풀이 가이드가 필요하면 말씀해 주세요.

사용자 상황에 따라 한 번에 1개 레벨만 제공:

Level

시점

제공 내용

Level 1

처음 시도할 때

알고리즘명 없이 구조적 특징만 암시

Level 2

"더 알려줘" 요청 시

알고리즘 유형 명시 + 핵심 아이디어

Level 3

"정답 알려줘" 요청 시

단계별 전략 + 의사코드 수준 설명


4. 빈칸 힌트

User:

정답 코드에 빈 칸을 뚫어서 힌트를 줘
11726_blank.py 에 작성해줘

Skill 사용 시,

/algo:blank @11726.py

AI Agent:

⏺ algokit - fetch_problem_content_boj (MCP)(problem_id: 11726)

⏺ Write(11726_blank.py)
  ⎿  Wrote 26 lines to 11726_blank.py
       1 # BOJ 11726 - 2×n 타일링
       2 # https://www.acmicpc.net/problem/11726
       3 #
       4 # 점화식 힌트:
       5 #   - 맨 오른쪽에 세로 타일 1개 → f(n-1)
       6 #   - 맨 오른쪽에 가로 타일 2개 → f(n-2)
       7
       8 n = int(input())
       9
      10 # TODO 1: dp 배열 초기화 (크기: n+1, 초깃값: 0)
      11 dp = ____
      12
      13 # TODO 2: 기저 조건 설정
      14 dp[1] = ____
      15 dp[2] = ____
      16
      17 # TODO 3: 점화식을 이용해 dp[3] ~ dp[n] 채우기
      18 for i in range(3, n + 1):
      19     dp[i] = ____
      20
      21 # TODO 4: 결과 출력 (10007로 나눈 나머지)
      22 print(____)

⏺ 11726_blank.py에 빈칸 버전을 작성했습니다. 총 4개의 TODO가 있습니다:

  ┌──────┬─────────────────────────────────────────────────┐
  │ TODO │                      힌트                       │
  ├──────┼─────────────────────────────────────────────────┤
  │ 1    │ dp 배열을 어떤 크기로, 어떻게 초기화할지        │
  ├──────┼─────────────────────────────────────────────────┤
  │ 2    │ dp[1]과 dp[2]의 기저값 (직접 손으로 세어보세요) │
  ├──────┼─────────────────────────────────────────────────┤
  │ 3    │ dp[i] = ? — Level 2 힌트에서 알려드린 점화식!   │
  ├──────┼─────────────────────────────────────────────────┤
  │ 4    │ 최종 출력 시 모듈러 연산을 어디서 적용할지      │
  └──────┴─────────────────────────────────────────────────┘

  빈칸을 ____ 부분에 채워보세요. 막히면 말씀해 주세요!

5. 코드 리뷰

User:

@BOJ/10000~/11726/11726.py
내 풀이를 보고 리뷰해줘

Skill 사용 시,

/algo:code-review @11726.py

AI Agent:

⏺ Skill(algo:code-review)
  ⎿  Successfully loaded skill

⏺ algokit - analyze_code_submission_boj (MCP)
  (problem_id: 11726, language: "python", analysis_type: "review")

⏺ BOJ 11726 - 2×n 타일링 코드 리뷰

  ✅ 정확성

  피보나치 점화식 dp[i] = dp[i-1] + dp[i-2]를 정확히 적용했고,
  모듈러 연산도 올바르게 처리했습니다. 정답 코드입니다.

  ⏱️  복잡도

  - 시간: O(n) — 최적
  - 공간: O(n) (고정 1001 크기 배열)

  💡 개선 포인트

  1. 배열 크기 고정 (1001)
  n + 1 크기로 잡는 게 의도가 더 명확합니다.

  2. 공간 최적화 가능
  이전 두 값만 사용하므로 변수 두 개로 줄일 수 있습니다:
  a, b = 1, 2
  for _ in range(3, n + 1):
      a, b = b, (a + b) % 10007

  총평

  DP 기본 문제를 깔끔하게 풀었습니다. 점화식 도출, 모듈러 처리,
  입력 최적화 모두 잘 적용되어 수정할 부분이 거의 없는 코드입니다.

6. 복습 정리

User:

복습 문서 만들어줘

Skill 사용 시,

/algo:review 11726

AI Agent:

⏺ Skill(algo:review)
  ⎿  Successfully loaded skill

⏺ algokit - generate_review_template_boj (MCP)
  (problem_id: 11726, user_notes: "피보나치 점화식 dp[i] = dp[i-1] +
  dp[i-2] 활용, 모듈러 연산 10007, O(n) 시간/공간")

⏺ Write(BOJ/10000~/11726/11726_REVIEW.md)
  ⎿  Wrote 142 lines to BOJ/10000~/11726/11726_REVIEW.md
#### BOJ 11726 — 2×n 타일링

https://www.acmicpc.net/problem/11726

**문제 정보**

| 항목 | 내용 |
|------|------|
| 핵심 요구사항 | 2×n 직사각형을 1×2, 2×1 타일로 채우는 방법의 수를 10,007로 나눈 나머지 출력 |
| 입력 크기 | 1 ≤ n ≤ 1,000 |
| 시간/메모리 | 1초 / 256MB |
| 티어 | Silver III |
| 태그 | 다이나믹 프로그래밍 |
| 해결자 수 | 65,411명 (평균 시도 2.7회) |

**사고흐름**

- **첫 인상**: n이 작아질수록 경우의 수가 줄어드는 구조 → 작은 문제로 분할 가능
- **자료구조/알고리즘 선택**: DP (Bottom-Up)
- **선택 근거**: dp[n]을 구하기 위해 이전 상태(dp[n-1], dp[n-2])만 필요 → 점화식 도출 가능
- **특이 조건 처리**: 모듈러 연산을 매 단계 적용하여 오버플로우 방지
- **시간 복잡도 검증**: O(n) = O(1000) → 충분

**핵심아이디어**

2×n 타일링의 마지막 열 배치를 기준으로 경우를 나누면 피보나치 점화식이 도출된다. 마지막에 세로 타일(1×2) 1개를 놓으면 dp[n-1], 가로 타일(2×1) 2개를 놓으면 dp[n-2]가 되어 **dp[n] = dp[n-1] + dp[n-2]**.

**풀이 1 (내 코드)**

```python
import sys
read = sys.stdin.readline

n = int(read())
dp = [0] * (1001)

dp[1], dp[2] = 1, 2
for i in range(3, n + 1):
    dp[i] = (dp[i - 1] + dp[i - 2]) % 10007
print(dp[n])
```

핵심 포인트:
- 배열을 1001 크기로 고정하여 n=1일 때 dp[2] 초기화 시 IndexError 방지
- 매 단계에서 % 10007 적용하여 중간 값 오버플로우 방지

**데이터 흐름 추적** (n = 9):

```
dp[1] = 1
dp[2] = 2
dp[3] = dp[2] + dp[1] = 3
dp[4] = dp[3] + dp[2] = 5
dp[5] = dp[4] + dp[3] = 8
dp[6] = dp[5] + dp[4] = 13
dp[7] = dp[6] + dp[5] = 21
dp[8] = dp[7] + dp[6] = 34
dp[9] = dp[8] + dp[7] = 55  ← 출력
```

**풀이 2 (공간 최적화)**

```python
import sys
read = sys.stdin.readline

n = int(read())

if n == 1:
    print(1)
else:
    a, b = 1, 2
    for _ in range(3, n + 1):
        a, b = b, (a + b) % 10007
    print(b)
```

이전 두 값만 사용하므로 변수 2개로 O(1) 공간 달성.

**자주 하는 실수**

- n=1일 때 배열 크기 부족으로 IndexError
- 모듈러 연산을 마지막에만 적용 → 중간 값 오버플로우 (C++/Java)
- dp[0] 초기값 설정 혼동 (0 vs 1)

**관련 문제**

- 11727 — 2×n 타일링 2 (2×2 타일 추가)
- 1010 — 다리 놓기 (Silver V, 조합 + DP)
- 9625 — BABBA (Silver V, 피보나치 변형)

MCP 도구

백준 (BOJ)

도구

설명

search_problems_boj

문제 검색 (티어, 태그, 키워드)

get_problem_boj

문제 상세 조회

search_tags_boj

알고리즘 태그 검색

fetch_problem_content_boj

문제 본문 스크래핑

analyze_problem_boj

문제 분석 및 힌트 가이드

generate_hint_boj

3단계 힌트 생성

generate_review_template_boj

복습 템플릿 생성

analyze_code_submission_boj

코드 분석 및 피드백

프로그래머스 (Programmers)

도구

설명

search_problems_programmers

문제 검색 (난이도, 카테고리)

get_problem_programmers

문제 상세 조회

fetch_problem_content_programmers

문제 본문 스크래핑

analyze_problem_programmers

문제 분석

generate_hint_programmers

힌트 생성

generate_review_template_programmers

복습 템플릿

analyze_code_submission_programmers

코드 분석

Q&A

MCP(Model Context Protocol)는 AI 에이전트가 외부 도구를 호출할 수 있게 해주는 표준 프로토콜입니다. AlgoKit은 로컬 MCP 서버로 동작합니다. npx로 설치하면 사용자의 로컬 머신에서 실행되며, 별도의 원격 서버나 계정이 필요 없습니다.

사용자 → AI 에이전트 → AlgoKit MCP 서버 (로컬) → solved.ac API / 웹 스크래핑
                ↓
        자연어 응답 생성

사용자는 MCP를 직접 다룰 필요 없이, AI에게 자연어로 요청하면 됩니다.

아니요. AlgoKit은 사용 중인 AI 에이전트(Claude Code, Codex, Gemini 등)를 그대로 활용하는 MCP 서버이므로, 별도의 API 키나 로그인 없이 바로 사용할 수 있습니다.

에이전트

지원 방식

Claude Code

Plugin Marketplace (자동 설치)

Codex

설치 스크립트 제공

Gemini CLI

설치 스크립트 제공

기타 MCP 호환 에이전트

수동 설정 가능

  • MCP 도구: AlgoKit 서버가 제공하는 개별 기능 단위 (예: search_problems_boj, analyze_problem_boj)

  • Skill (/algo:*): 여러 MCP 도구를 조합해 하나의 워크플로우로 묶은 것 (예: /algo:hint는 내부적으로 analyze_problem + fetch_problem_content를 조합)

Skill을 사용하면 AI가 최적의 도구를 자동으로 선택하고 조합합니다. 자연어로 질문해도 동일한 결과를 얻을 수 있지만, Skill을 명시하면 의도가 더 정확하게 전달됩니다.

네. 프로그래머스도 지원합니다.

아니요. AlgoKit은 solved.ac API와 BOJ/프로그래머스 웹사이트에서 실시간으로 데이터를 가져오므로 인터넷 연결이 필요합니다.

AI에게 직접 알고리즘 문제를 질문하면 학습 데이터에 의존하기 때문에, 문제 정보가 부정확하거나 존재하지 않는 문제를 지어내는 경우가 있습니다. 웹 검색을 사용하더라도 공식 출처가 아닌 블로그 등에서 데이터를 가져오는 경우가 많아 정확도가 보장되지 않습니다.

AlgoKit은 공식 데이터 소스(solved.ac API, BOJ/프로그래머스 웹사이트)에서 직접 실시간 데이터를 가져와 AI에게 전달하므로, 항상 정확한 문제 정보를 기반으로 응답합니다.

AI에 직접 질문

AlgoKit 사용

데이터 소스

학습 데이터 또는 블로그 등 비공식 출처

solved.ac API, BOJ/프로그래머스 공식 사이트

문제 정보

부정확하거나 존재하지 않는 문제 생성 가능

실시간 크롤링 (항상 최신, 정확)

난이도/태그

부정확하거나 누락

solved.ac 기준 정확한 데이터

힌트 제공

한 번에 전체 풀이 노출 위험

Level 1→2→3 단계별 제공

복습 지원

매번 수동 요청

구조화된 복습 문서 자동 생성

학습 워크플로우

없음

검색→힌트→빈칸→리뷰→복습 일관된 흐름


개발

빌드 및 테스트

# 의존성 설치
npm install

# 빌드
npm run build

# 테스트
npm test

# 개발 모드
npm run dev

프로젝트 구조

src/
├── api/           # solved.ac API, BOJ/프로그래머스 scrapping
├── tools/         # MCP 도구 (15개)
├── services/      # 비즈니스 로직
├── prompts/       # 힌트 가이드 프롬프트
└── utils/         # 유틸리티 (캐싱, Rate Limiting)

기술 스택

  • Runtime: Node.js (>=18.0.0)

  • Language: TypeScript 5.9

  • MCP SDK: @modelcontextprotocol/sdk v1.26.0

  • Validation: Zod

  • Testing: Vitest

라이선스

MIT


Landing Page • GitHub • Issues • NPM

Available Tools

16 tools
analyze_code_submission_bojA

백준(BOJ) 문제에 대한 사용자 코드를 분석하여 피드백을 제공합니다.

문제 본문과 사용자 코드를 결합하여 LLM 분석용 프롬프트를 생성합니다.

분석 타입:

  • full: 전체 분석 (정확성, 복잡도, 개선점)

  • hint: 힌트 제공 (핵심 개념, 접근 방법)

  • debug: 디버깅 (에러 원인, 로직 오류)

  • review: 코드 리뷰 (스타일, 가독성)

응답 구조: problemInfo, codeMetadata, analysisPrompts, suggestedQuestions

사용 시나리오:

  • 문제 풀이 후 코드 개선점 확인

  • 틀린 코드 디버깅

  • 코드 리뷰 및 품질 개선

지원 언어: Python, C++, JavaScript, Java, Go

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: code (required), language (required), problem_id (required), analysis_type.

analyze_code_submission_programmersA

프로그래머스 문제에 대한 사용자 코드를 분석하여 피드백을 제공합니다.

문제 본문과 사용자 코드를 결합하여 LLM 분석용 프롬프트를 생성합니다.

분석 타입:

  • full: 전체 분석 (정확성, 복잡도, 개선점)

  • hint: 힌트 제공 (핵심 개념, 접근 방법)

  • debug: 디버깅 (에러 원인, 로직 오류)

  • review: 코드 리뷰 (스타일, 가독성)

응답 구조: problemInfo, codeMetadata, analysisPrompts, suggestedQuestions

지원 언어: Python, C++, JavaScript, Java, Go

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: code (required), language (required), problem_id (required), analysis_type.

analyze_problem_bojA

백준(BOJ) 문제를 분석하여 구조화된 힌트 데이터를 제공합니다. 알고리즘 패턴, 난이도 컨텍스트, 3단계 힌트 포인트, 유사 문제 추천을 포함합니다.

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required), include_similar.

analyze_problem_programmersA

프로그래머스 문제를 분석하여 구조화된 힌트 데이터를 제공합니다. 난이도 컨텍스트, 3단계 힌트 가이드 프롬프트를 포함합니다.

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required), include_similar.

fetch_problem_content_bojA

백준(BOJ) 문제 본문 스크래핑 (힌트 제외).

BOJ 페이지에서 문제 제목, 설명, 입출력 형식, 예제, 제한사항을 가져옵니다. 힌트는 포함되지 않습니다 - generate_hint_boj 도구를 사용하세요.

응답 구조: problemId, title, description, inputFormat, outputFormat, examples, limits, metadata

사용 시나리오:

  • 문제 풀이 전 문제 본문 확인

  • 문제 복습 시 문제 내용 참조

  • 코드 분석 시 문제 요구사항 비교

제한사항:

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required).

fetch_problem_content_programmersA

프로그래머스 문제 본문 스크래핑.

프로그래머스 페이지에서 문제 제목, 설명, 제한사항, 입출력 예시를 가져옵니다.

응답 구조: problemId, title, description, inputFormat, outputFormat, examples, limits, metadata

사용 시나리오:

  • 문제 풀이 전 문제 본문 확인

  • 코드 분석 시 문제 요구사항 비교

제한사항:

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required).

generate_hint_bojA

백준(BOJ) 문제 힌트 생성. 3단계 가이드 프롬프트 제공.

🎯 핵심: 한 번에 1개 레벨 힌트만 제공. 1,2,3 단계를 동시에 제시하지 마세요.

📋 응답에 포함된 정보:

  • hint_levels[0]: Level 1 - 문제 분석 (처음 시도)

  • hint_levels[1]: Level 2 - 핵심 아이디어 (부분 구현)

  • hint_levels[2]: Level 3 - 상세 풀이 (거의 완성)

🤖 사용자 상황 판단 → 적절한 1개 레벨만 제시:

1️⃣ Level 1 제시 (처음/막힐 때): "사용자가 코드 없거나 어디서부터 시작해야 할지 모를 때" → hint_levels[0].prompt로 문제 접근법 제시

2️⃣ Level 2 제시 (다시 요청하거나 부분 구현 언급): "사용자가 '더 필요해', '더 자세히' 요청하거나, 이미 코드를 시작했다고 언급" → hint_levels[1].prompt로 핵심 로직 제시

3️⃣ Level 3 제시 (상세 풀이 명시 요청): "사용자가 '정답', '풀이', '코드' 등 최종 답변 요청" → hint_levels[2].prompt로 상세 구현 가이드 제시

📖 [권장] 어려운 문제는 본문 먼저 확인:

  • 난이도 높은 문제(Gold 이상, level ≥ 11)는 메타데이터만으로 부족할 수 있음

  • fetch_problem_content로 실제 문제 본문 확인 후 힌트 생성 권장

  • 문제 본문을 보면 더 정확하고 맞춤형 힌트 제공 가능

  • 예: mcp-cli call algokit/fetch_problem_content '{"problem_id": 1234}'

  • 본문 확인은 권장사항이며 필수는 아님

정답 정책: 힌트만 기본 제공. 사용자가 "정답", "풀이", "코드" 명시 요청 시만 전체 풀이 제공.

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required).

generate_hint_programmersA

프로그래머스 문제 힌트 생성. 3단계 가이드 프롬프트 제공.

🎯 핵심: 한 번에 1개 레벨 힌트만 제공. 1,2,3 단계를 동시에 제시하지 마세요.

📋 응답에 포함된 정보:

  • hint_levels[0]: Level 1 - 문제 분석 (처음 시도)

  • hint_levels[1]: Level 2 - 핵심 아이디어 (부분 구현)

  • hint_levels[2]: Level 3 - 상세 풀이 (거의 완성)

🤖 사용자 상황 판단 → 적절한 1개 레벨만 제시:

1️⃣ Level 1 제시 (처음/막힐 때): "사용자가 코드 없거나 어디서부터 시작해야 할지 모를 때" → hint_levels[0].prompt로 문제 접근법 제시

2️⃣ Level 2 제시 (다시 요청하거나 부분 구현 언급): "사용자가 '더 필요해', '더 자세히' 요청하거나, 이미 코드를 시작했다고 언급" → hint_levels[1].prompt로 핵심 로직 제시

3️⃣ Level 3 제시 (상세 풀이 명시 요청): "사용자가 '정답', '풀이', '코드' 등 최종 답변 요청" → hint_levels[2].prompt로 상세 구현 가이드 제시

📖 [권장] 어려운 문제는 본문 먼저 확인:

  • 난이도 높은 문제(Lv. 3 이상)는 메타데이터만으로 부족할 수 있음

  • fetch_problem_content_programmers로 실제 문제 본문 확인 후 힌트 생성 권장

정답 정책: 힌트만 기본 제공. 사용자가 "정답", "풀이", "코드" 명시 요청 시만 전체 풀이 제공.

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required).

generate_review_template_bojA

백준(BOJ) 문제에 대한 사용자의 제출 코드와 문제 본문을 분석해서 사용자 맞춤형 복기용 가이드를 제공합니다. 마크다운 템플릿, 문제 분석, 관련 문제, 작성 프롬프트를 포함합니다.

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required), user_notes.

generate_review_template_programmersA

프로그래머스 문제에 대한 복기용 가이드를 제공합니다. 마크다운 템플릿, 문제 분석, 작성 프롬프트를 포함합니다.

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required), user_notes.

get_problem_bojA

특정 BOJ 문제의 상세 정보를 조회합니다. 문제 번호로 난이도, 태그, 통계 등을 확인할 수 있습니다.

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required).

get_problem_programmersA

프로그래머스 문제 상세 정보 조회 (웹 스크래핑).

프로그래머스 페이지에서 문제 제목, 설명, 제한사항, 입출력 예제를 가져옵니다.

응답 구조: problemId, title, level, category, description, constraints, examples, tags

사용 시나리오:

  • 프로그래머스 문제 풀이 전 문제 본문 확인

  • 문제 복습 시 문제 내용 참조

  • 코드 분석 시 문제 요구사항 비교

제한사항:

참고:

  • BOJ와 다르게 프로그래머스는 fetch + cheerio 사용 (SSR 페이지)

  • 프로그래머스는 태그 정보가 없으므로 tags 필드는 빈 배열

⚠️ 플랫폼 판별: 문제 번호만 입력된 경우 대화 맥락에서 플랫폼을 파악하거나, 맥락이 없으면 반드시 BOJ/프로그래머스 중 어느 플랫폼인지 사용자에게 확인 후 호출하세요.

Inputs: problem_id (required).

health_checkB

MCP 서버 상태 확인

Inputs: no named parameters.

search_problems_bojA

BOJ 문제를 검색합니다. 키워드, 난이도 레벨, 알고리즘 태그로 필터링할 수 있습니다. ⚠️ 중요: 결과는 마크다운 테이블로 반환되며, 각 문제번호는 https://www.acmicpc.net/problem/{ID} 형태의 마크다운 링크로 제공됩니다. 사용자에게 보여줄 때는 이 링크들을 반드시 유지해야 합니다. 예: Gold 티어의 DP 문제 검색, Silver 이하 그리디 문제 검색 등

⚠️ 플랫폼 미지정 시 사용자에게 어느 플랫폼에서 검색할지 확인하세요.

Inputs: page, sort, tags, query, +3 more.

search_problems_programmersA

프로그래머스 문제를 검색합니다. 난이도, 정렬 방식, 키워드로 필터링할 수 있습니다.

사용 예시:

  • 레벨 1 문제 검색: levels: [1]

  • 레벨 1-2 문제 검색: levels: [1, 2]

  • 최신 문제 검색: order: "recent"

  • 정확도순 정렬: order: "accuracy"

  • 키워드 검색: query: "동적계획법"

  • 페이지 이동: page: 2

제한사항:

  • Puppeteer 기반 스크래핑 (응답 시간 3-5초)

  • 페이지당 20개 문제 반환

  • 프로그래머스 레벨 체계: 0(입문), 1-5

응답 형식:

  • 마크다운 테이블 (번호, 제목, 레벨, 카테고리, 완료자, 정답률)

  • 문제 제목은 프로그래머스 링크로 제공

⚠️ 중요: 프로그래머스는 JavaScript 렌더링이 필요하여 BOJ보다 느립니다 (3-5초).

⚠️ 플랫폼 미지정 시 사용자에게 어느 플랫폼에서 검색할지 확인하세요.

Inputs: page, limit, order, query, +1 more.

search_tags_bojA

알고리즘 태그를 검색합니다. 한글 또는 영문 키워드로 관련 태그를 찾을 수 있습니다. 예: "다이나믹", "그래프", "이분 탐색" 등

⚠️ 플랫폼 미지정 시 사용자에게 어느 플랫폼에서 검색할지 확인하세요.

Inputs: query (required).

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    A3.9/5.0

    Scored across 16 tools

    Disambiguation4/5

    Each tool has a clear platform suffix (_boj/_programmers) and a distinct verb (search, get, analyze, fetch, etc.). However, analyze_problem and generate_hint both provide hint-related data and could be confused, and get_problem vs fetch_problem_content have overlapping purposes (metadata vs full content), though descriptions help.

    Naming Consistency4/5

    The vast majority follow a consistent verb_noun_platform pattern (e.g., search_problems_boj, generate_hint_programmers). The sole outlier is health_check, which breaks the verb_noun pattern but is a standard utility and acceptable.

    Tool Count4/5

    16 tools is on the higher side but justified by covering two distinct platforms (BOJ and Programmers) with nearly parallel feature sets. Each tool serves a specific purpose, and the count is not excessive for the broader competitive-programming assistance domain.

    Completeness5/5

    The tool surface covers the full problem-solving lifecycle for both platforms: search, retrieve metadata/content, analyze with hints, generate review templates, and analyze code submissions. No obvious dead ends; the only minor gap is platform-specific extras like tag search only existing for BOJ, but that's a platform limitation.

    Maintenance

    ActivityInactive
    ResponsivenessNo recent community issues

    Related MCP Connectors

    Related MCP Servers