Skip to main content
Glama

AssetCacheMCP

Unity 게임 개발 중 Claude Code가 보유 에셋(2D 스프라이트, 스프라이트 시트, 사운드)을 자연어로 요청하면 가장 적합한 후보를 돌려주는 MCP 서버 + 윈도우즈 트레이 상주 앱.

  • 사용자가 library/<pack>/... 형태로 에셋 팩 폴더를 통째로 드롭하면 자동 인덱싱

  • Ollama로 도는 Gemma 4(gemma4:e4b)가 이미지·오디오를 직접 보고 의미 라벨 생성

  • 한 프로젝트에서 한 번 채택한 팩을 이후 검색에서 우선시해 통일성 유지

  • 트레이 부팅 → 브라우저 자동 진입 (http://127.0.0.1:9874) — FastAPI + HTMX + Alpine.js 기반 웹 UI

  • Unity Asset Store 로컬 캐시(.unitypackage)도 자동 임포트

  • 시트 분할 + 애니메이션 프레임 추론 (suggest_animation_frames)

  • PyPI 권장 설치 (pipx install assetcache-mcp) — 현재 Windows 1차 지원 (Mac/Linux 는 install 흐름이 cross-platform 호환되지만 정식 검증은 미진행)

  • 한국어/영어 i18n + 다크모드 + Windows 자동 시작 + PyPI 신버전 알림

전체 설계는 DESIGN.md. 웹 UI 상세 사용법은 docs/WEB_UI_GUIDE.md.

주요 기능

기능

설명

에셋 라이브러리 검색

자연어 쿼리 + 300ms 디바운스. 의미/키워드/라벨/통일성 6채널 하이브리드 검색

라이브러리 페이지 (/library)

카드 그리드/리스트 + 사이드 패널 (B/C/D 탭) + 상세 모달 + 사운드 인라인 재생

팩 관리 페이지 (/packs)

등록된 팩 카드 그리드 + 활성/비활성 토글

라벨 admin 페이지 (/labels/admin)

24 axis 탭 + 라벨 CRUD + JSON import/export

Claude pick 인터랙션

MCP 도구 request_user_pick — Claude가 후보를 고르면 브라우저에 보라색 선택 카드 출현

통일성 가중 검색

프로젝트별 사용 이력 추적 → 같은 팩·벤더 우선 추천

MCP 20 도구

find_asset, suggest_packs, record_asset_use, request_user_pick, suggest_animation_frames, import_unity_package 등

다크 모드

OS prefers-color-scheme 자동 반영

PyPI 신버전 알림

부팅 시 PyPI JSON API 조회 → 신버전 시 웹 배너 + 트레이 메뉴 안내

Related MCP server: UniMCP4CC

진행 현황

마일스톤

상태

비고

M0 — 뼈대

✅ 완료

트레이 셸·설정·로깅·단일 인스턴스

M1 — 워처 + Pack Manager + DB

✅ 완료

watchdog, SQLite 4테이블, 부팅 풀스캔

M2 — 분석 파이프라인 + CLIP

✅ 완료

Pillow/librosa/Gemma 4/CLIP, 24 axis 라벨 시드

M2.1 — 병렬화 패치

✅ 완료

동시성 1→3, Ollama semaphore

M3 — 검색 백엔드 + 통일성 + MCP

✅ 완료

HybridSearcher, 12 MCP 도구

M4 — 검색 UX 풍부화

✅ 완료 (main 머지)

label_query AND/OR/NOT, 16 MCP 도구

M5 — 웹 GUI 전환 + Claude pick

✅ 완료 (main 머지)

FastAPI 웹 UI + Qt 폐기, 17 MCP 도구

M6 — 시트 분석 + 애니메이션

✅ 완료 (main 머지)

격자 분할, suggest_animation_frames (18 MCP)

M7 — Unity Asset Store 임포트

✅ 완료 (main 머지)

.unitypackage 파서 + 활성 프로젝트 (20 MCP)

M8 — 패키징 + i18n

✅ 완료 (main 머지)

PyInstaller --onefile + ko/en i18n + 다크모드 + autostart

M10 — PyPI + AssetCacheMCP rename

✅ 완료 (main 머지)

pipx install assetcache-mcp + PyPI 신버전 알림

v0.1.1 — yagni-clean

✅ 완료 (main 머지)

v0.0.1 마이그레이션 helper 일괄 제거, 회귀 1079, Trusted Publishing OIDC 첫 자동 publish

M11 — Multi-backend LLM Architecture

✅ 완료 (main 머지, v0.2.0 PyPI)

3 backend (Ollama/Gemini/OpenAI) + modality 별 chain + 자동 fallback + /settings UI (M11.9 에서 Claude/OpenRouter/HF 제거)

M11.1 — Gemini Batch API + /analyzing

✅ 구현 완료 (v0.2.1 PR 대기)

50% 비용 Gemini Batch API + hybrid 정책 (임계값 30) + /analyzing dashboard

마일스톤 사이클(plan → todo → 테스트 → 구현 → verification) 상세는 milestones/README.md.

설치

가장 간편한 설치는 pipx 또는 uv 도구를 사용한다.

pipx install assetcache-mcp

또는:

uv tool install assetcache-mcp

설치 후 PowerShell 어디서든 다음 명령으로 트레이 부팅:

assetcache --tray

개발 환경 셋업

Windows 10 + python.org 정식 Python 3.12 기준. Microsoft Store Python은 %APPDATA% 가상화 이슈로 권장하지 않는다.

저장소 클론:

git clone https://github.com/v0o0v/assetcache-mcp.git
cd assetcache-mcp

venv는 작업 폴더 바깥(사용자 홈)에 만든다.

python -m venv $env:USERPROFILE\.venvs\gah
& "$env:USERPROFILE\.venvs\gah\Scripts\Activate.ps1"

editable 설치:

pip install -e .[dev]

테스트:

pytest -q

→ main 기준 1252 passed, 1 skipped, 53 deselected (M11 v0.2.0 baseline). M11.1 PR 머지 후 1426 passed, 1 skipped, 56 deselected 로 갱신.

실행

python -m assetcache --tray

→ 시스템 트레이에 아이콘이 뜨고, 기본 브라우저에서 http://127.0.0.1:9874/library 가 자동으로 열린다. 트레이 우클릭 → 종료.

브라우저가 자동으로 열리지 않으면 트레이 아이콘 우클릭 → 메인 창 열기.

웹 UI 주요 페이지

URL

설명

http://127.0.0.1:9874/library

에셋 검색 · 결과 · 사이드 패널 (기본 진입점)

http://127.0.0.1:9874/packs

등록된 팩 관리

http://127.0.0.1:9874/labels/admin

라벨 어휘 관리 (24 axis)

http://127.0.0.1:9874/analyzing

분석 진행 상황 — interactive 큐 + batch jobs + 최근 실패 (5초 자동 새로고침)

http://127.0.0.1:9874/settings

백엔드 설정 + chain 우선순위 + Batch 정책 (threshold/toggle/polling interval)

포트 9874가 점유된 경우 9875~9883 사이에서 자동으로 빈 포트를 선택한다.

MCP 서버 모드:

python -m assetcache --mcp

버전 확인:

python -m assetcache --version

Claude Desktop 연동

Claude Desktop 의 설정 파일 (%APPDATA%\Claude\claude_desktop_config.json) 에 다음 추가:

{
  "mcpServers": {
    "assetcache": {
      "command": "python",
      "args": ["-m", "assetcache", "--mcp"]
    }
  }
}

PyPI 설치 환경에서는 python -m assetcache --mcp 대신 콘솔 스크립트 "command": "assetcache-mcp" 도 사용 가능.

런타임 데이터 위치

Windows 기준 (Mac/Linux 는 platformdirs 가 OS 별 표준 경로 반환):

  • %APPDATA%\AssetCacheMCP\library\ — 에셋 팩(사용자가 직접 드롭)

  • %APPDATA%\AssetCacheMCP\cache\ — 썸네일·스펙트로그램

  • %APPDATA%\AssetCacheMCP\metadata.db — SQLite (M1부터)

  • %APPDATA%\AssetCacheMCP\config.toml

  • %APPDATA%\AssetCacheMCP\logs\assetcache.log

문서 맵

문서

누가 보는가

README.md

처음 들어오는 사람

docs/WEB_UI_GUIDE.md

웹 UI 사용자 — 라이브러리/팩/라벨/pick 카드 사용법

docs/MCP_USAGE_GUIDE.md

Claude Code — MCP 20 도구 사용 예시

CLAUDE.md

Claude(코드 에이전트)가 작업 시작할 때

HANDOFF.md

다음 세션으로 인계할 때의 현재 스냅샷

DESIGN.md

아키텍처·MCP 도구·데이터 스키마

milestones/

마일스톤별 plan·todo·verification

개발 규칙

  • 모든 문서는 한글, 폴더·파일 이름은 영어

  • 마일스톤마다 plan → todo → 테스트 먼저 → 구현 → verification 순서

  • 최신 모델·API·버전은 추측 말고 1차 출처 확인 후 반영

  • 자세한 건 CLAUDE.md §4

Batch 분석 (v0.2.1)

대량 에셋 드롭 시 Gemini Batch API 를 활용해 50% 비용 절감 + 24시간 이내 결과 반환 (24h SLO).

동작 방식

  • 1장 드롭 → interactive (즉시 분석, Ollama/Gemini realtime)

  • 30장 이상 동시 드롭 + Gemini chain 활성 → Gemini Batch API 자동 진입

  • /analyzing 페이지에서 진행 상황 확인 (5초 자동 새로고침)

  • batch 완료 시 결과 자동 반영 → 에셋 카드에 라벨 표시

사용 방법

  1. /settings → Gemini backend 활성화 + API key 입력 + Save

  2. /settings → image chain 1순위를 Gemini 로 설정 + Save

  3. /settings → Batch 패널: threshold / toggle / polling interval 조정 (기본값 OK)

  4. library/ 에 에셋 팩(30개 이상) 드롭

  5. /analyzing 에서 batch jobs 진행 확인

사용자 설정

설정

기본값

설명

threshold

30

batch 자동 진입 최소 에셋 수

toggle

auto

auto / forced_on (강제 batch) / forced_off (강제 interactive)

polling_interval

30분

batch job 상태 확인 주기

tray 아이콘 우클릭 → Batch: auto/forced_on/forced_off 메뉴로 빠르게 전환 가능.

배포 — 단일 exe 빌드 (참고용)

PyPI 가 1차 배포 채널이지만, 폐쇄망 등 PyPI 가 닿지 않는 환경용으로 단일 .exe 빌드 가이드를 유지한다 (현재 GitHub release 에는 첨부하지 않음).

# 1. dev 의존성 설치 (Babel, pyinstaller 포함)
pip install -e .[dev]
# 2. 번역 카탈로그 컴파일 (.po → .mo)
pybabel compile -d src/assetcache/web/locale
# 3. 트레이 아이콘 ICO 생성 (런타임 QPixmap → assets/tray.ico)
python scripts/generate_tray_ico.py
# 4. exe 빌드 (10분 내외, dist/AssetCacheMCP.exe ≈ 308 MB)
pyinstaller assetcache.spec

빌드된 exe 는 단일 파일로 배포 가능. 첫 실행 시 CLIP 모델 가중치 (~600 MB) 가 %APPDATA%\AssetCacheMCP\cache\clip\ 로 자동 다운로드된다.

배포 — PyPI publish 자동화

git tag vX.Y.Z ; git push origin vX.Y.Z 로 자동 publish 되도록 GitHub Actions workflow (.github/workflows/publish.yml) 가 구성되어 있다.

인증 방식 — Trusted Publishing (OIDC):

  • API token 없이 GitHub OIDC 만으로 PyPI 인증. 평문 secret 노출 위험 없음

  • 사전 셋업: https://pypi.org/manage/account/publishing/ 에서 trusted publisher 등록:

    • PyPI Project Name: assetcache-mcp

    • Owner: v0o0v, Repository name: assetcache-mcp, Workflow name: publish.yml

  • workflow 의 permissions.id-token: write 가 OIDC 토큰 발행 권한 부여

  • v0.1.0 은 첫 publish (TestPyPI → 정식 PyPI 순) 수동 수행 완료, 이후 모든 tag push 가 자동

  • skip-existing: true 설정으로 같은 version 재업로드 시 silent skip (workflow 재실행해도 안전)

수동 빌드 + 업로드 흐름 (참고):

# 1. 빌드 (dist/assetcache_mcp-*.whl + .tar.gz 생성)
python -m build
# 2. TestPyPI 업로드 (선택)
python -m twine upload --repository testpypi dist/*
# 3. 정식 PyPI 업로드
python -m twine upload dist/*

번역 추가

신규 언어 추가 시:

# 1. 소스에서 msgid 추출
pybabel extract -F babel.cfg -k _ -k _t -o src/assetcache/web/locale/messages.pot .
# 2. 새 언어 카탈로그 생성 (예: 일본어)
pybabel init -i src/assetcache/web/locale/messages.pot -d src/assetcache/web/locale -l ja
  1. src/assetcache/web/locale/ja/LC_MESSAGES/messages.po 의 msgstr 채우기

# 4. 컴파일
pybabel compile -d src/assetcache/web/locale

추가로 src/assetcache/web/i18n.py 의 SUPPORTED_LOCALES 튜플 (locale_middleware.py 가 같은 값을 alias import) 과 Config 의 _VALID_UI_LANGUAGES 에 새 언어 코드를 추가.

라이선스

MIT (변경될 수 있음).

Available Tools

20 tools
describe_labelB

단일 라벨의 description + 샘플 자산 3개를 반환한다.

Inputs: req (required). Returns: axis, label, description, sample_assets

find_assetA

자연어 + 라벨 부울 필터로 자산을 찾는다. 추천 근거(matched_labels + why) 포함.

Inputs: req (required). Returns: results, query_id

get_assetA

asset_id 또는 path 로 단일 자산 메타를 조회.

Inputs: req (required). Returns: kind, meta, path, labels, +4 more

list_assetsB

라이브러리 전체 자산을 페이지네이션으로 나열 (디버깅/탐색).

Inputs: req (required). Returns: page, total, assets, page_size

list_label_axesA

라벨 어휘의 24개 축 목록을 반환한다.

Inputs: no named parameters. Returns: axes

list_labelsC

라벨 어휘 목록 + 카탈로그 signature 를 반환한다 (signature 가 같으면 캐시 재사용).

Inputs: req (required). Returns: labels, signature

list_packsA

등록된 팩 카탈로그 + 자산 수 + aggregate_meta 나열.

Inputs: no named parameters. Returns: packs

list_saved_searchesA

저장된 검색 목록 (project_id 별, 최근 사용순).

Inputs: project_id. Returns: saved_searches

list_unity_packagesC

unity_imports 목록을 반환한다. state/publisher/asset_name 필터, 페이지네이션, 미리보기 카운트 지원.

Inputs: req (required). Returns: items, total

record_asset_useC

자산 채택 이력을 기록한다 (통일성 가중치의 핵심 입력).

Inputs: req (required). Returns: ok, usage_id

report_feedbackB

추천 결과에 대한 사용자 피드백을 기록한다 (페널티 학습 입력).

Inputs: req (required).

request_rescanC

특정 팩/자산 또는 전체의 재분석을 트리거한다.

Inputs: req (required).

request_user_pickA

후보 자산들 중 사용자가 직접 고르도록 요청한다. 5분 long-poll. GAH 의 웹 UI 가 떠 있어야 동작.

Inputs: req (required). Returns: picked_at, user_note, picked_asset_id

scan_unity_asset_store_cacheC

Unity Asset Store 캐시 디렉터리를 스캔해 .unitypackage 목록을 DB 에 동기화한다.

Inputs: req (required). Returns: new, removed, scanned, updated, +3 more

set_project_pinC

프로젝트에 특정 팩을 고정/차단한다.

Inputs: req (required).

suggest_animation_framesA

스프라이트 시트의 애니메이션(walk/idle/...)에 해당하는 frame_indices + fps_hint 를 반환한다 (Unity AnimationClip 직접 사용).

Inputs: req (required). Returns: fps_hint, frame_indices

suggest_packsB

자연어 쿼리에 어울리는 팩 후보를 정렬한다 (사용자에게 팩 선택권 제공).

Inputs: req (required). Returns: packs, query_id, project_context

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    B3.4/5.0

    Scored across 20 tools

    Disambiguation5/5

    Each tool targets a distinct resource or action—listing packs/assets/labels/searches, finding assets, pinning projects, recording usage, scanning Unity cache—with clear boundaries. Even related tools like record_asset_use and report_feedback are differentiated by their role (implicit adoption vs explicit feedback). No two tools appear to do the same thing.

    Naming Consistency5/5

    All 20 tools follow a consistent snake_case verb_noun pattern: list_, get_, find_, set_, save_, delete_, run_, suggest_, record_, report_, request_, scan_. Retrieval verbs (list/get/find) are used predictably for different resource shapes, and compound names like scan_unity_asset_store_cache remain stylistically uniform.

    Tool Count4/5

    At 20 tools, this sits just above the ideal 3–15 range, but the server covers a broad domain (search, labels, saved searches, Unity package scanning, animation frames, feedback). Each tool earns its place and the count is justified by the scope, though it feels slightly heavy.

    Completeness4/5

    Core workflows are well covered: asset search/retrieval, saved search lifecycle (save/list/delete/run), label taxonomy browsing, Unity package sync, and usage/feedback recording. Minor gaps exist—such as no explicit unpin tool and no update for saved searches—but these are workable via overrides or future extensions.

    Maintenance

    ActivityInactive
    ResponsivenessOutdated data

    Related MCP Connectors

    Related MCP Servers