korean-secondary-learning-map-mcp

한국 중등(중학교·고등학교 보통교과·특목 계열[과학·예술·체육]) 2022 개정 교육과정 학습 그래프를 AI가 조회하게 해주는 MCP(Model Context Protocol) 서버입니다. Claude Desktop, Claude Code 등 MCP를 지원하는 AI 클라이언트에 설정 한 줄로 연결하면, AI가 성취기준·학습 주제·선수관계·중→고 전이를 직접 검색해서 답합니다.

데이터 규모

빌드 시 드롭된 항목:

• 고교 선수관계는 DECK6 원본 508건 중 298건이 특성화고 전문교과 과목 제외로 드롭되어 210건만 포함되었습니다(중학교 56건과 합쳐 266건).

• 중→고 전이는 원본 대비 드롭 0건(175건 전부 포함).

• 과목관계는 원본 39건 전부가 포함 범위 안에 있어 드롭 없이 39건 전부 포함되었습니다.

Related MCP server: ClassCraftMCP

범위와 한계

• 특성화고 전문교과(47,625건)는 포함하지 않습니다. 이 서버는 중학교 전체와 고등학교 보통교과(공통·일반선택·진로선택·융합선택) + 특목 계열(과학·예술·체육, 964건)을 다룹니다. 단, 「연극」과목(13건)은 DECK6 분류상 예술 계열이지만 실제로는 별책4(보통교과)에 수록된 과목이라 특목 계열 확장 이전부터 포함되어 있었습니다.

• 11개 코드(12스문·12심독 계열)는 서로 다른 두 과목이 공유합니다 — get_standard에서 subject 파라미터로 구분해야 합니다.

• 선수관계·전이·과목관계는 공식 문서(별책3·별책4·별책20·별책21·별책22, DECK6 근거)가 직접 뒷받침하는 관계만 수록했습니다. 초등판 대비 선수관계 수가 상대적으로 적은 것은 데이터가 부실해서가 아니라, 근거 없는 추정 관계를 배제했기 때문입니다.

• 선수관계·전이·과목관계는 모델의 추천 구조이며 보편적 학습 순서 주장이 아닙니다.

도구 11종

검색·목록형 도구 6종(list_curricula, search_standards, search_topics, search_standard_text, get_learning_roadmap, list_clusters)은 schoolLevel(middle | high) 필터를 지원합니다. 나머지 5종(get_standard, get_topic, get_prerequisites, get_transitions, get_course_pathway)은 ID·코드 단건 조회라 필터가 없습니다.

설치

Claude Code

claude mcp add curriculum-kr-secondary -- npx -y korean-secondary-learning-map-mcp

모든 프로젝트에서 쓰려면 사용자 범위로:

claude mcp add -s user curriculum-kr-secondary -- npx -y korean-secondary-learning-map-mcp

Claude Desktop

설정 파일에 추가합니다. macOS: ~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "curriculum-kr-secondary": {
      "command": "npx",
      "args": ["-y", "korean-secondary-learning-map-mcp"]
    }
  }
}

저장 후 Claude Desktop을 재시작하면 도구 11종이 로드됩니다.

요구 사항

• Node.js ≥ 20.11 (npx 포함)

로컬 개발

git clone https://github.com/raphysicst-create/korean-secondary-learning-map-mcp.git
cd korean-secondary-learning-map-mcp
npm install
npm test          # node --test tests/*.test.mjs

data/kr/의 데이터는 커밋되어 있으므로 일반 사용에는 파이프라인 재현이 필요 없습니다. 데이터를 재구축하려면 다음 순서로 실행합니다.

npm run pipeline:fetch     # DECK6 원본 + NCIC PDF 7권 확보·해시 검증 (.cache/, git 미추적)
npm run pipeline:build     # DECK6 원본에서 범위 필터링해 data/kr/*.json 생성
npm run pipeline:extract   # PDF에서 성취기준 원문 추출 (실패분은 pipeline/exceptions.json으로 수동 보정)
npm run pipeline:verify    # 전수 검증(수량 게이트·참조 무결성) + manifest.json 해시 기록

PDF 7권(별책3, 별책4 Ⅰ·Ⅱ·Ⅲ, 별책20·21·22)은 저장소 밖에 있어야 하며, PDF_DIR 환경 변수(기본값: 저장소 부모 폴더)에서 찾습니다.

법적 고지

• MIT — 기반 데이터셋(학습 주제·선수관계·클러스터·전이·과목관계) 원저작자 DECK6의 저작권 고지를 유지합니다 (고정 커밋 68e6228).

• 성취기준 원문은 교육부·국가교육위원회가 공표한 공공저작물(저작권법 제24조의2)로서 출처(NCIC 공개 별책3·별책4·별책20·별책21·별책22 PDF)를 표기해 수록합니다 — 상세는 NOTICE.md

• 이 프로젝트는 교육부·국가교육위원회·NCIC의 공식 산출물이 아니며, 개별 학습자를 진단하지 않습니다.