🧭 Youth Policy Navigator

청년 정책 검색·자격 판정을 위한 MCP Server

Search → Eligibility Check → Missing Info → Memory → Re-evaluation

Python MCP SQLite Docker Tests

Kakao PlayMCP 공모전 프로젝트

청년 정책·지원금을 단순 검색하는 데서 끝나지 않고, 사용자의 상황과 정책 조건을 비교해 적격 / 부적격 / 정보부족을 이유와 함께 판정하는 MCP 서버입니다.

Why this project?

Feature	What it does
🔎 Hybrid Search	온통청년 API + 내장 corpus를 Contextual BM25로 검색
✅ Deterministic Eligibility	나이·지역·소득·취업 상태를 구조화 조건으로 판정
❓ Missing-info Loop	정보가 부족하면 다음 질문을 만들어 host LLM이 되묻게 함
🧠 User Memory	SQLite에 사용자 상황을 저장하고 필요한 정보를 회상
🧩 MCP Tools	자연어 생성은 host LLM, 데이터·판정은 server가 담당

Agent Loop

flowchart LR
    U[User Query] --> S[Policy Search]
    S --> E[Eligibility Check]
    E -->|Enough info| R[Reasoned Result]
    E -->|Missing info| Q[Follow-up Question]
    Q --> M[Remember Profile]
    M --> E

서버가 “답변 문장”을 마음대로 생성하지 않고, 근거 데이터와 결정론적 판정 결과를 제공하도록 역할을 분리한 것이 핵심입니다.

MCP Tools

Tool	Role
`search_youth_policies`	정책 검색
`check_eligibility`	사용자 조건 기반 자격 판정
`get_policy_detail`	신청 방법·기간·서류·URL
`remember_user_profile`	사용자 상황 저장
`recall_user_profile`	관련 사용자 정보 회상

Example

“월세 지원 정책 찾아줘” → 관련 정책 검색
자격 판정에 소득 정보가 부족함 → needs_more_info
host LLM이 소득 정보를 질문
답변을 memory에 저장
동일 정책을 다시 판정 → eligible / ineligible / manual_review

Quick Start

uv sync --extra dev
uv run pytest -q

# local stdio
uv run policy-mcp

# remote HTTP
MCP_TRANSPORT=http uv run policy-mcp

Docker:

docker build --platform linux/amd64 -t policy-mcp .

API key가 없어도 내장 corpus 기반 mock으로 동작합니다.

.env에 발급받은 정책 API 키를 설정합니다.

YOUTHCENTER_API_KEY_POLICY=your_api_key

2026-07 기준 신규 API 규격을 실제 발급키로 검증했습니다. 정책 조건은 공고에 따라 변동될 수 있으므로 최종 신청 전 원문 공고 확인이 필요합니다.

Project Structure

src/policy_mcp/
├── server.py          # FastMCP server / tools
├── policies.py        # search service
├── eligibility.py     # deterministic eligibility engine
├── policy_corpus.py   # built-in policy corpus
├── memory.py          # SQLite + BM25 memory
├── retrieval.py       # Contextual BM25
└── clients/           # Youth Center API client

tests/                 # 48 offline tests

Design Principle

LLM은 해석과 대화를 담당하고, eligibility decision은 재현 가능한 코드가 담당한다.

이 구조를 통해 정책 검색 결과가 바뀌더라도 자격 판정 과정과 근거를 추적하기 쉽게 만들었습니다.