Expense Tracker MCP

원격 Model Context Protocol (MCP) 서버로, FastMCP로 구축되어 Claude와 같은 AI 어시스턴트가 구조화된 도구를 통해 지출 추적 시스템과 상호 작용할 수 있게 합니다.

🚀 개요

이 프로젝트는 AI 어시스턴트가 MCP를 통해 외부 데이터와 애플리케이션 기능을 상호 작용할 수 있는 방법을 보여줍니다.

Expense Tracker MCP 서버는 FastMCP를 사용하여 지출 관리 도구를 노출하고, SQLite를 사용하여 지출 데이터를 저장합니다.

서버는 FastMCP Cloud를 사용하여 원격으로 배포되며, 이를 통해 Claude와 같은 MCP 호환 클라이언트가 원격 MCP 엔드포인트로 연결할 수 있습니다.

Related MCP server: Expense Tracker MCP

🏗️ 아키텍처

Claude
   │
   │ MCP
   ▼
Remote MCP Endpoint
   │
   ▼
FastMCP Cloud
   │
   ▼
FastMCP Expense Tracker Server
   │
   ▼
SQLite Database

✨ 기능

• 지출 추가 및 관리

• 지출 기록 조회

• 지출 분류

• SQLite를 사용한 지출 데이터 저장

• MCP 도구를 통한 지출 기능 노출

• MCP 서버 원격 배포

• 원격 MCP 서버를 Claude에 연결

• AI 어시스턴트가 구조화된 지출 데이터와 상호 작용할 수 있게 하기

🛠️ 기술 스택

• Python

• FastMCP

• Model Context Protocol (MCP)

• SQLite

• JSON

• FastMCP Cloud

• Claude

🔌 상호작용 예시

Claude에 연결되면 사용자는 자연어를 사용하여 지출 추적기와 상호 작용할 수 있습니다.

"Add an expense of ₹500 for groceries."

"Show me my recent expenses."

"How much did I spend on food?"

"List my expenses by category."

Claude는 사용자의 요청을 해석하고 서버가 노출한 해당 MCP 도구를 호출합니다.

☁️ 원격 배포

MCP 서버는 FastMCP Cloud에 배포되어 원격 MCP 엔드포인트를 통해 노출됩니다.

이를 통해 Claude 및 기타 MCP 호환 클라이언트는 서버를 로컬에서 실행하지 않아도 액세스할 수 있습니다.

Local Development
       ↓
FastMCP Server
       ↓
FastMCP Cloud
       ↓
Remote MCP Endpoint
       ↓
Claude

⚙️ 로컬 설정

리포지토리를 클론하세요:

git clone https://github.com/khushisonwane23/expense-tracker-mcp.git
cd expense-tracker-mcp

가상 환경을 생성하세요:

python -m venv .venv

Windows에서 가상 환경을 활성화하세요:

.venv\Scripts\activate

의존성을 설치하세요:

pip install -r requirements.txt

uv를 사용하는 경우:

uv sync

▶️ 로컬 실행

FastMCP 서버를 실행하세요:

fastmcp run server.py

정확한 명령은 프로젝트 구성에 따라 다를 수 있습니다.

🔗 Claude에 연결

서버를 FastMCP Cloud에 배포한 후, 애플리케이션은 원격 MCP 엔드포인트를 제공합니다.

이 엔드포인트는 Claude와 같은 MCP 호환 클라이언트에서 설정할 수 있습니다.

Claude
   ↓
Remote MCP Endpoint
   ↓
FastMCP Cloud
   ↓
Expense Tracker MCP Server
   ↓
SQLite Database

연결되면, Claude는 MCP 서버가 노출하는 도구를 검색하고 사용할 수 있습니다.

🔐 보안

민감한 정보는 이 리포지토리에 커밋해서는 안 됩니다.

다음 파일들은 비공개로 유지해야 합니다:

.env
expenses.db
.venv/
__pycache__/

API keys 및 기타 비밀 저장 등은 소스 코드에 하드코딩하지 말고 환경 변수를 사용해 저장해야 합니다.

🎯 학습 목표

이 프로젝트는 다음을 이해하기 위해 제작되었습니다:

• Model Context Protocol가 작동 방식

• AI 어시스턴트가 외부 도구와 상호 작용하는 방식

• FastMCP를 사용하여 MCP 서버를 구성하는 방법

• LLM과 외부 데이터를 연결하는 방법

• 도구 기반 AI 워크플로우가 작동하는 방식

• MCP 서버를 원격으로 배포하는 방법

• MCP를 Claude에 통합하는 방법

🚧 향후 개선

• 인증 및 권한 부여 추가

• 월간 지출 통계 추가

• 예산 추적 기능 추가

• 보다 풍부한 금융 통찰력 추가

• 오류 처리 및 입력 검증 개선

• 자동화된 테스트 추가

• 프로덕션 등급 데이터베이스 사용

• 더 많은 재무 관리 도구 추가

👩💻 저자

Khushi Sonwane

인공지능 및 로봇공학 전공 학생

Generative AI, AI Agents, MCP, RAG, AI Research에 관심이 있습니다.