Wordsmith MCP

MCP(모델 컨텍스트 프로토콜) 서버로, MCP 호환 AI 클라이언트에 오프라인 텍스트 분석 및 재작성 도구 세트를 제공합니다 — 통계, 추출적 요약, 키워드 추출, 가독성 점수, 명명 규칙 변환, 개체 추출 및 텍스트 diff.

API 키가 필요 없습니다. 네트워크 호출도 없습니다. 어디에도 상태를 저장하지 않습니다. 전달하는 텍스트에 대해 모든 것이 로컬에서 실행되므로 빠르고 무료이며 개인 문서에 안전하게 사용할 수 있습니다.

MCP Python SDK로 구축되었습니다.

왜 만들었는가

언어 모델은 텍스트를 판단하는 데는 뛰어나지만 측정하는 데는 놀라울 정도로 신뢰할 수 없습니다. 정확한 단어 수나 Flesch 점수를 요청하면 추측할 뿐입니다. Wordsmith는 이러한 작업을 위한 결정적 계산기를 모델에 제공하므로 문서의 길이, 난이도, 핵심 용어에 대한 답변이 추정이 아닌 계산으로 얻어집니다.

Related MCP server: armavita-originality-ai-mcp

도구

모든 도구는 readOnlyHint: true, openWorldHint: false로 주석 처리되어 있습니다. 어떤 것도 변경하지 않으며 인터넷에 접근하지 않습니다.

git clone https://github.com/mirza1272/wordsmith-mcp.git
cd wordsmith-mcp
python3 -m venv .venv
source .venv/bin/activate      # Windows: .venv\Scripts\activate
pip install -e .

실행:

wordsmith-mcp

서버는 stdio를 통해 MCP를 사용하며 클라이언트를 기다리며 대기합니다. 이는 정상적인 동작이지 멈춤이 아닙니다. 클라이언트가 직접 서버를 시작합니다. 아래를 참조하세요.

작동 확인

python scripts/smoke_test.py

실제 MCP 클라이언트처럼 서버를 시작하고, 도구 목록을 출력한 다음 모든 도구를 호출하여 결과를 출력합니다.

단위 테스트 실행

pip install -e ".[dev]"
pytest -q

클라이언트에 연결하기

Claude Desktop

claude_desktop_config.json을 편집하세요:

• macOS: ~/Library/Application Support/Claude/claude_desktop_config.json

• Windows: %APPDATA%\Claude\claude_desktop_config.json

• Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "wordsmith": {
      "command": "/absolute/path/to/wordsmith-mcp/.venv/bin/wordsmith-mcp"
    }
  }
}

Claude Desktop을 다시 시작한 다음, "이 문단의 가독성은 어떻고 상위 5개 키워드는 무엇인가요?" 같은 질문을 해보세요.

Claude Code

claude mcp add wordsmith -- /absolute/path/to/wordsmith-mcp/.venv/bin/wordsmith-mcp

Cursor / Windsurf / 기타 클라이언트

mcpServers 블록을 지원하는 모든 클라이언트는 위의 Claude Desktop 예제와 동일한 형식을 사용합니다.

MCP Inspector(시각적 디버깅)

npx @modelcontextprotocol/inspector .venv/bin/wordsmith-mcp

각 도구를 직접 호출하고 원시 JSON-RPC 트래픽을 검사할 수 있는 브라우저 UI를 엽니다.

HTTP 모드(호스팅 배포용)

동일한 서버가 스트리밍 HTTP도 지원하며, 호스팅 마켓플레이스에서 사용하는 방식입니다:

TRANSPORT=http PORT=8081 wordsmith-mcp

그러면 MCP 엔드포인트는 http://localhost:8081/mcp에 위치합니다.

배포

Smithery의 게시 양식은 라이브 HTTPS MCP 엔드포인트를 요구하므로, 서버를 먼저 호스팅한 후 등록합니다. 이를 위해 Dockerfile과 render.yaml이 포함되어 있으며, smithery.yaml은 컨테이너를 직적 빌드하는 호스트를 위해 유지됩니다.

전체 안내: DEPLOOY.md.

요약하면: 컨테이너를 호스트(Render, Railwway, Fly..io — render.yaml 포함)에 배포한 다음, 생된 https://<host>/mcp URLL을 Smiithery에 게시하면 됩니다.

컨테이너를 먼저 로컬에서 빌드하는 것이 좋은 확인 방법입니다:

docker build -t wordsmith-mcp .
docker run --rm -p 8081:8081 wordsmith-mcp

프젝트 구죠

wordsmith-mcp/
├── src/wordsmith_mcp/
│   ├── __init__.py        # package exports
│   ├── __main__.py        # python -m wordsmith_mcp
│   ├── server.py          # MCP server: tool definitions and schemas
│   └── textutils.py       # pure text logic, no MCP imports
├── scripts/smoke_test.py  # end-to-end client that exercises every tool
├── tests/test_textutils.py
├── examples/claude_desktop_config.json
├── Dockerfile
├── smithery.yaml
├── pyproject.toml
└── README.md

texxtuutils.py는 알골리즘을 담고 있으며 MCP에서 아무것도 import하지 않으므로 로직을 단독으로 단위 테스트할 수 있습니다. server.py는 이러한 함수를 모델에 설명하는 얇은 프토토콜 계층입니다.

작동 방시(MCP 60초 둘러보기)

MCP는 AI 클라이언트가 서버에서 노출하는 도구를 발견하고 호출할 수 있게 해주는 JSON-RPC 프로토콜입니다.

1. 클라이언트가 서버를 시작합니다(stdio를 통한 하위 프세스 또는 HTTP를 통한 연결).

2. 클라이언트와 서버가 프로토콜 버젼과 기능을 알리는 initialize 핸드셰이크를 교환합니다.

3. 클라이언트가 tools/list를 호출합니다. SDK는 Python 타입 힌트와 Field(...) 설명에서 각 도구의 JSON Schema를 생성하므로 모델은 어떤 인수가 유효한지 정확히 볼 수 있습니다.

4. 모델이 도구가 필요하다고 판단하면 클라이언트는 인수와 함께 tools/call을 보내고, 서버는 Python 함수를 실행하여 결과를 반환합니다. 결과는 사람이 읽을 수 있는 텍스트와 선언된 출력 스키마에 맞는 structuredContent로 모두 제공됩니다.

따라서 도구를 추가하는 것은 타입이 지정된 Python 함수를 작성하고 @mcp.tool(...) 데코레이터를 붙이는 것뿐입니다.

이 저장소의 추가 자료

• WRITEUP.md — 기존 MCP 서버(Contexxt7) 사용에 대한 저의 글과 이 서버를 만들면서 배운 내용.

• DEPLOY.md — 이 서버를 Smiithery와 Glama에 게시하기 위한 단계별 가이드.

라이선스

MIT — LICENSE 참조.