회의록 생성 프로젝트 기반 나만의 MCP

비정형 회의 메모를 조회하고, 회의록 작성 프롬프트를 만들고, 초안을 검증한 뒤 사용자 승인 후 저장하는 교육용 로컬 MCP 패키지입니다.

이 패키지의 회사명, 인물명, 일정, 장애, 수치, 발언은 모두 교육을 위해 만든 합성 데이터입니다.

교육 목표

교육생은 실습을 마치면 다음을 수행할 수 있습니다.

1. MCP의 Host, Server, Tool 역할을 설명한다.

2. Python으로 로컬 STDIO MCP 서버를 실행한다.

3. 비정형 데이터를 읽는 Tool을 구현·수정한다.

4. 검증과 승인 경계가 있는 쓰기 Tool을 설계한다.

5. 자신의 회의록 형식으로 MCP를 커스터마이징한다.

6. Codex 또는 Claude Desktop에 서버를 연결하고 동작을 증명한다.

7. 하네스 엔지니어링 관점에서 도구 설명·스키마·응답·오류를 설계한다.

Related MCP server: Guarded MCP Agent

포함 내용

• 난이도별 합성 비정형 회의 메모 3개

• 동작하는 FastMCP 서버: 도구 11개, 리소스 3개, 프롬프트 1개

• 표준 회의록 템플릿

• 승인 토큰 기반 저장과 덮어쓰기 감지

• 원문 근거 대조(grounding) 검사기

• 교육생 실습서 5개

• 강사용 정답 예시 1개

• 도메인·근거·하네스 규약 단위 테스트와 STDIO 스모크 테스트

빠른 시작

필수 환경: Python 3.11 이상, uv

uv sync --extra dev
uv run pytest -q
uv run python scripts/smoke_stdio.py

MCP Inspector를 사용하려면 다음을 실행합니다.

uv run mcp dev src/meeting_mcp/server.py

제공 도구

권장 흐름은 아래 순서이며, 모든 응답의 next_actions 필드가 다음 단계를 알려줍니다.

DISCOVER → READ → GROUND → DRAFT → CHECK → PREVIEW → [사용자 승인] → SAVED

리소스와 프롬프트

하네스 설계

이 서버는 기능뿐 아니라 모델이 도구를 쓰는 방식을 설계 대상으로 삼습니다. 자세한 내용은 실습 5에 있습니다.

• 모든 응답에 stage와 next_actions가 있어, 모델이 응답만 보고 다음 도구를 고릅니다.

• 오류는 원인 코드·복구 방법·선택 가능한 값을 함께 돌려줍니다.

• 인자 스키마는 평평하게 유지합니다({"note_id": "..."}). Pydantic 모델을 인자 타입으로 쓰면 {"params": {...}}로 중첩되어 호출 형태가 바뀝니다.

• 반환값은 Pydantic 모델이라 outputSchema가 자동으로 생깁니다.

• 확실한 검사(구조)만 저장을 막고, 휴리스틱 검사(근거)는 경고로만 알립니다.

• 모든 도구에 readOnlyHint / destructiveHint를 달아 쓰기 도구를 구분합니다.

Codex 연결

패키지 루트에서 다음 명령을 실행합니다.

codex mcp add personal-meeting -- uv --directory "$PWD" run python src/meeting_mcp/server.py
codex mcp list

Codex 앱에서는 Settings → MCP servers → Add server에서 STDIO 서버로 추가할 수도 있습니다. OpenAI 공식 문서 기준으로 Codex 앱, CLI, IDE 확장은 동일 호스트의 MCP 설정을 공유합니다.

Claude Desktop 연결

config/claude_desktop_config.example.json의 ABSOLUTE_PROJECT_PATH를 이 폴더의 절대 경로로 교체한 뒤 Claude Desktop 설정에 반영합니다. 앱을 완전히 종료한 후 다시 실행해야 합니다.

권장 실습 프롬프트

personal-meeting MCP에서 사용 가능한 더미 회의 메모를 보여주세요.

training_design 메모를 읽고, 제공된 회의록 템플릿에 맞춰 초안을 작성하세요.
원문에 없는 담당자와 기한은 추정하지 마세요.

incident_review 메모에서 extract_note_facts로 ambiguity_flags를 먼저 확인하고,
확정되지 않은 항목은 전부 '미정'으로 남긴 회의록을 작성하세요.

작성한 회의록을 validate_minutes_draft와 check_minutes_grounding으로 검증하고,
통과하면 preview_save_minutes까지만 실행하세요. 저장은 아직 하지 마세요.

교육 진행 순서

1. START_HERE.md

2. 실습 1: 데이터와 Tool

3. 실습 2: 회의록 프롬프트

4. 실습 3: 검증과 승인

5. 실습 4: 클라이언트 연결

6. 실습 5: 하네스 엔지니어링

검증 명령

uv run pytest -q
uv run python scripts/smoke_stdio.py
uv run python scripts/validate_package.py

설계 원칙

• MCP는 별도 LLM API를 호출하지 않습니다.

• Codex 또는 Claude가 요약하고 MCP는 데이터·검증·저장을 담당합니다.

• 원문에서 확인되지 않은 정보는 생성하지 않으며, 근거 검사기가 이를 기계적으로 대조합니다.

• 최종 저장은 미리보기에서 발급한 승인 토큰과 사용자의 명시적 승인이 모두 있어야 합니다.

• 승인 토큰은 (note_id, 본문) 해시라서 승인한 내용과 저장되는 내용이 달라질 수 없습니다.

• 도메인 로직(core, grounding)과 도구 규약(server, harness)을 분리합니다.

• 실제 교육에서는 고객·임직원·계약 관련 데이터를 사용하지 않습니다.

참고

• 기반 참고 저장소: https://github.com/kyopark2014/mcp

• Codex MCP 공식 문서: https://developers.openai.com/codex/mcp

• MCP Python SDK: https://github.com/modelcontextprotocol/python-sdk