gepai-mcp

GEP-AI 환경교육 수업 설계 MCP 서버 — 별도 서비스 구독 없이, 이미 사용 중인 AI(Claude, Gemini, ChatGPT/Codex)에서 환경교육 수업을 설계하세요.

교육부·한국환경보전원 연구 사업으로 개발된 GEP-AI 플랫폼(GEP-AI란?)의 핵심 자산을 MCP(Model Context Protocol) 서버로 재포장했습니다. LLM 호출은 사용자의 AI가 수행하므로 운영 비용 없이 지속 가능한 구조입니다.

설계 철학 — '딸깍'이 아니라 대화. GEP-AI의 목적은 버튼 한 번으로 어디에나 있을 법한 자료를 뽑아내는 것이 아닙니다. 교사와 AI가 질의응답을 주고받으며 아이디어를 심화·확장하고, 그 교사의 교실·학교·지역사회 맥락에 맞는 환경 수업을 함께 설계하는 것입니다. 모든 프롬프트는 "한 번에 질문 하나, 선택지와 추천 제공, 요약 확인 후 생성" 원칙으로 이 철학을 강제합니다.

GEP-AI란?

GEP-AI는 교육부·한국환경보전원이 발주하고 국립공주대학교 산학협력단이 수행한 연구 『환경교육 자원 맵 개발 및 AI 기반 교사 수업설계 활용체계 마련 연구』(책임연구원 이재영, 최종보고서 2026. 2)에서 설계·개발된 AI 기반 환경교육 수업설계 플랫폼입니다. 이름은 UNESCO의 'Greening Education Partnership'에서 영감을 받아, Greening Education Partnership with AI(환경교육의 글로벌 파트너십을 AI로 지원)와 Greening Education Platform with AI(환경교육 자원을 통합해 수업설계를 지원하는 플랫폼)라는 이중적 의미를 담고 있습니다.

문제의식 — "자료가 많지 않아서가 아니라, 내 수업과 맞지 않아서"

연구진이 시·도교육청의 환경교육 자료를 전수 분석한 결과, 형식·구성·분류 체계가 교육청마다 달라 자료 간 연결과 상호 활용이 거의 불가능했고, 대부분 PDF·HWP 같은 비구조화 형태여서 검색·조합도 어려웠습니다 — 보고서의 표현으로는 "자료의 양은 많으나, 연결되지 않는 아카이브" 상태입니다. 한편 2022 개정 교육과정은 환경교육(생태전환교육)을 특정 교과가 아닌 전 교과의 성취기준으로 확장했는데, 이는 교사가 자기 교과 속 환경교육 요소를 스스로 해석·재구성해야 하는 부담으로 돌아왔습니다. 교사 면담의 결론이 GEP-AI의 출발점입니다: 교사들은 "자료가 많지 않아서가 아니라, 내 수업과 맞지 않아서 사용하지 않는다."

설계 철학 — "구조는 AI가 제공하고, 의미와 판단은 교사가 만든다"

• 대체가 아닌 사고 지원: AI는 정답형 수업안을 자동 생성하지 않습니다. 교사의 조건과 맥락을 바탕으로 방향과 선택지를 제안하는 초안(draft) 을 제공하고, 최종 판단과 교육적 책임은 항상 교사에게 있습니다(Human-in-the-Loop).

• 검색에서 의미 연결로: 자료를 위계적으로 쌓아두고 찾아 쓰는 '나뭇가지형 DB'가 아니라, 성취기준·주제·활동·지역자원이 관계망으로 연결되고 교사가 자기 맥락에서 조합·생성하는 '리좀형 DB' 를 지향합니다.

• 두 갈래 설계 지원: 조건이 명확한 교사에게는 조건 기반 설계(교과·성취기준·차시 입력 → 수업안 초안)를, 아이디어만 있는 교사에게는 대화 기반 설계(질문과 제안으로 점진적 구조화)를 제공하며, 둘은 한 설계 과정 안에서 서로 전환됩니다.

연구 프로토타입 → 이 MCP 서버

연구에서는 이 철학을 HITL 멀티에이전트 워크플로우(오케스트레이터 + 프롬프트 분석·정보 수집·자료 검색·콘텐츠 생성 에이전트, 3단계 교사 검토), 9차원 온톨로지 기반 RAG 하이브리드 검색, 5항목 품질 검증(SMART 학습목표, 시간 배분, 수레바퀴 정합성, 평가-목표 정합성, 발달단계 적합성), HWPX·DOCX 내보내기를 갖춘 웹 플랫폼 프로토타입으로 구현하고 교사 시범적용까지 마쳤습니다. 그러나 자체 LLM 호출 비용 구조로는 상시 무료 운영이 어려웠기에, 핵심 자산을 이 MCP 서버로 재포장했습니다.

Related MCP server: MCP Content Curation Server

무엇이 들어있나

모든 데이터는 패키지에 내장되어 있어 외부 DB·API 키가 필요 없습니다.

내장 DB 상세

① 성취기준 DB (standards.json, 3,285건)

• 출처: 2022 개정 교육과정 (교육부 고시)

• 구성: 초등학교 653건 · 중학교 580건 · 고등학교 2,052건, 160개 과목

• 필드: code(성취기준 코드), school(학교급), subject(과목), grade(학년군), content(성취기준 내용)

② 환경교육 자료 카탈로그 (resources.json, 933건)

• 출처: 교육부 자원맵 입력 데이터 — 12개 시도교육청

• 교육청별: 경기 254 · 충북 131 · 서울 121 · 광주 98 · 충남 65 · 대전 54 · 제주 49 · 경남 46 · 부산 40 · 인천 38 · 전남 32 · 경북 5

• 학교급: 초등 518 · 중등 332 · 고등 207 · 유치원 13 (자료당 복수 태그 가능)

• 자료유형(상위): 교사용 지도안+학생용 활동지 348 · 학생용 활동지 138 · 사례 모음 134 · 교사용 지도안 125

• 환경주제: 생활환경 458 · 지구환경 386 · 자연환경 373 · 환경문화 171 외

• 성취기준 연계: 838건 자료가 성취기준 2,837건을 참조 (①번 DB와 코드로 교차 조회 — map_standard_to_resources)

• 필드: office, collection(자료집), title(활동명), materialType, activityTypes, schoolLevels, hours(차시), subjects, competencies(환경교육역량), place, envTopics, sdgs, methods(교수학습방법), standards[{code, text}]

• 자료 원문 파일은 포함되지 않습니다 — 메타데이터로 검색·추천하고 출처(교육청·자료집명)를 안내합니다.

③ 원문 문서 카탈로그 + 전문 텍스트 (documents.json 1,113건 + chunks.jsonl.br 22,341청크)

• 출처: GEP-AI 실서비스 RAG 파이프라인 — 교육청 자료 PDF 1,113건을 문서 단위로 AI 메타데이터 강화(지역·학교급·과목·환경주제·SDGs·역량·교수법·시맨틱 키워드) 후 본문을 청크로 추출

• 지역: 14개 (경기 249 · 충북 144 · 서울 125 · 광주 98 등, "전국" 포함)

• 본문 텍스트: 청크 22,341건 (평균 686자, brotli 압축 7.7MB 내장) — search_fulltext로 본문 검색, get_document_text로 이어 읽기

• 정선 카탈로그(②)와 파일명 기준 742건 자동 연결 — 자료 상세에서 원문 텍스트로 바로 이동

• 필드: fileName, region, schoolLevel, subjects, envTopics, sdgs, competencies, methods, resourceType, activityType, keywords(AI 생성), standards, resourceIds

④ 배움의 수레바퀴 모형 — 이재영 교수가 경험학습 이론(Kolb)과 변혁적 학습 이론(Mezirow)을 환경교육 맥락으로 재구성한 학습 모형. 4단계(감각과 체험 → 성찰과 발견 → 창작과 표현 → 참여와 실천)와 4연결고리(탐구·내면화·공유·사회화)의 8블록 순환 구조로, 단계별 예시 활동과 차시 수별 권장 구성을 포함 (gepai://learning-wheel 리소스로도 제공)

도구 (Tools)

프롬프트 (Prompts)

context_interview, local_pbl_coach, reflect_lesson, lesson_brief는 같은 제작자의 교사용 스킬팩 k-teacher-skills의 검증된 인터뷰·설계 방법론을 환경교육에 맞게 이식한 것입니다.

설치

🧑‍🏫 처음이신가요? 화면 순서대로 따라하는 쉬운 설치 가이드 (docs/INSTALL.md)를 보세요. 설치 없이 URL만 등록하는 방법부터 플랫폼별 상세 절차, 문제 해결까지 담았습니다.

로컬 설치는 Node.js 18 이상이 필요합니다. (설치가 어려우면 아래 원격 MCP 사용)

Claude Code

claude mcp add gepai -- npx -y gepai-mcp

Claude Desktop

설정 → 개발자(Developer) → 설정 편집(Edit Config) 으로 여는 claude_desktop_config.json(Windows: %APPDATA%\Claude\, macOS: ~/Library/Application Support/Claude/)에 추가 후 앱 재시작:

{
  "mcpServers": {
    "gepai": {
      "command": "npx",
      "args": ["-y", "gepai-mcp"]
    }
  }
}

Gemini CLI

~/.gemini/settings.json에 추가:

{
  "mcpServers": {
    "gepai": {
      "command": "npx",
      "args": ["-y", "gepai-mcp"]
    }
  }
}

Codex (CLI · IDE 확장 · 데스크톱 앱)

터미널에 한 줄:

codex mcp add gepai -- npx -y gepai-mcp

또는 ~/.codex/config.toml에 추가 (IDE 확장: ⚙ 메뉴 → MCP settings → Open config.toml). CLI·IDE 확장·데스크톱 앱(Windows·macOS)이 모두 이 설정 파일 하나를 공유하므로 한 번 등록하면 어디서든 쓸 수 있습니다:

[mcp_servers.gepai]
command = "npx"
args = ["-y", "gepai-mcp"]

확인: codex 실행 후 /mcp.

Cursor

전역 ~/.cursor/mcp.json 또는 프로젝트의 .cursor/mcp.json에 추가 (Cursor Settings → MCP → Add new MCP Server UI로도 가능):

{
  "mcpServers": {
    "gepai": {
      "command": "npx",
      "args": ["-y", "gepai-mcp"]
    }
  }
}

Google Antigravity (CLI · IDE)

Antigravity 제품군은 통합 MCP 설정 파일 하나를 CLI와 IDE가 공유합니다: ~/.gemini/config/mcp_config.json

{
  "mcpServers": {
    "gepai": {
      "command": "npx",
      "args": ["-y", "gepai-mcp"]
    }
  }
}

• IDE: 에이전트 사이드 패널 상단 "…" → MCP Servers → Manage MCP Servers → View raw config로 같은 파일을 편집할 수 있습니다. (Antigravity 2.0: Settings → Customizations → Installed MCP Servers → Add MCP)

• 프로젝트 단위로 쓰려면 저장소 루트에 .agents/mcp_config.json을 두면 됩니다. 프롬프트 창에서 /mcp로 서버 상태·연결 로그를 확인할 수 있습니다.

위에 없는 도구라도 MCP를 지원한다면 같은 형식(command: npx, args: [-y, gepai-mcp])으로 등록하면 됩니다.

사용 예

설치 후 AI에게 이렇게 말해보세요:

• "초등학교 5학년 기후변화 4차시 수업을 설계해줘" (또는 design_lesson 프롬프트 실행)

• "중학교 과학에서 생태계 관련 성취기준을 찾아줘"

• "플라스틱 주제로 쓸 수 있는 교육청 자료가 있어?"

• "[6과05-03] 성취기준과 연계된 자료를 보여줘"

원격 MCP — 설치 없이 URL 등록 (교사 추천)

Node.js 설치가 어렵다면 공용 서버 URL을 등록하기만 하면 됩니다:

https://gepai-mcp.vercel.app

검색만 수행하고 LLM을 호출하지 않으므로 무료 티어로 운영됩니다.

직접 호스팅

npx gepai-mcp --http --port 3737
# 헬스 체크: GET /healthz, MCP 엔드포인트: POST /
# PORT 환경변수가 있으면(Vercel 등 서버 플랫폼) 자동으로 HTTP 모드로 기동합니다

개발

npm install        # 의존성 설치 (prepare에서 자동 빌드)
npm run build:data # data/source/*.csv → data/generated/*.json 재생성
npm run build      # TypeScript 컴파일
npm test           # 스모크 테스트 (MCP 클라이언트-서버 왕복)

data/source/     원본 CSV (성취기준, 자원맵 카탈로그)
data/generated/  빌드된 JSON (패키지에 번들, 커밋됨)
src/             MCP 서버 (도구·프롬프트·검색)
src/prompts/     수업 설계 절차 프롬프트

데이터 출처와 라이선스

• GEP-AI 연구: 『환경교육 자원 맵 개발 및 AI 기반 교사 수업설계 활용체계 마련 연구』 최종보고서 (교육부·한국환경보전원 발주, 국립공주대학교 산학협력단 수행, 책임연구원 이재영, 2026. 2)

• 코드: MIT License

• 성취기준: 2022 개정 교육과정 (교육부 고시) 공공 데이터

• 자료 카탈로그: 교육부 자원맵 입력 데이터 기반 메타데이터. 자료 원문은 각 시도교육청에 저작권이 있으며, 이 서버는 메타데이터(제목·출처·분류)만 제공합니다.

• 배움의 수레바퀴 모형: 이재영 교수의 학습 모형. 이 서버에는 모형의 구조 요약만 포함됩니다.

로드맵

• npm 패키지 배포 (npx gepai-mcp) — gepai-mcp@0.1.0

• 원격 MCP 배포 — https://gepai-mcp.vercel.app (Vercel, 교사가 URL 등록만으로 사용)

• 자료 원문 심층 검색 — v0.3.0: 원문 22,341청크 내장 BM25 전문 검색 (임베딩 불필요, 의미 재랭킹은 호출하는 AI가 수행)

• 자료 원본 링크 1차 확보 — v0.4.0: 자료집 41개의 공식 페이지 URL(교육청 자료실·웹진·전자책, 전수 웹 검증) → 자료 517건·문서 487건에 연결. 나머지는 웹 미게시 자료가 다수(내부 자료실 전용·보도만 존재)로, 검증된 링크만 채택하고 미확보분은 검색 안내로 대체

• 플랫폼별 설치 가이드 — docs/INSTALL.md (Claude·ChatGPT·Codex·Gemini·Antigravity·Cursor, 공식 문서 기준 검증)

• 원본 링크 커버리지 확대 (미게시 자료는 교육청 협조 필요)

• 설치 가이드 스크린샷 보강

GEP-AI: 교육부 환경교육 연구 사업의 결과물을 모두가 쓸 수 있는 형태로.