MCP Mock Lab

Agent 개발자가 MCP 목 서버의 요청·응답 계약을 등록하고, 바로 연결할 수 있는 FastAPI + FastMCP 대시보드입니다. main.py가 시작점이며 기본 포트는 8888입니다.

화면별 기능과 사용 규칙은 FEATURES.md에 정리했습니다.

API 없이 화면 동작만 공개할 때는 docs/ 폴더를 GitHub Pages의 배포 폴더로 선택하면 됩니다. 이 정적 데모는 등록·호출 데이터를 서버에 저장하거나 MCP endpoint를 제공하지 않습니다.

실행

Python 3.13을 준비한 뒤 다음을 실행합니다.

uv sync --all-groups
uv run python main.py

• 대시보드: http://localhost:8888

• API 문서: http://localhost:8888/docs

• liveness: http://localhost:8888/api/health/live

• readiness: http://localhost:8888/api/health/ready

기본 관리자 계정은 admin / admin123!@# 입니다. 운영 환경에서는 반드시 환경 변수로 교체하세요.

export MCP_ADMIN_USERNAME=admin
export MCP_ADMIN_PASSWORD='a-strong-password'
export MCP_SESSION_SECRET='a-long-random-secret'
export MCP_PUBLIC_BASE_URL='https://mcp.example.com'
export MCP_COOKIE_SECURE=true
uv run python main.py

관리자는 대시보드의 운영 설정에서 MCP Base URL을 저장할 수 있습니다. 기본값은 http://localhost:8888이며, 예를 들어 https://mcp.example.com으로 바꾸면 이후 MCP 연결 주소는 https://mcp.example.com/mcp/{slug}로 생성됩니다.

Related MCP server: Dummy MCP Server (Contabo + Hetzner)

사용 흐름

1. MCP 등록 탭에서 MCP 서버의 이름, slug, MCP 담당자 이름·사번을 입력합니다. 작성 중인 내용은 브라우저에 임시저장할 수 있습니다.

2. 그 MCP 아래에 여러 Tool을 추가하고, Tool별 Request/Response 필드와 JSON 예시를 정의합니다. 예를 들어 weather MCP 안에 yesterday_weather, today_weather, tomorrow_weather Tool을 둘 수 있습니다.

3. weather slug를 등록하면 모든 Tool을 제공하는 Streamable HTTP MCP endpoint가 http://localhost:8888/mcp/weather로 생성됩니다.

4. 카탈로그의 연결 JSON을 복사해 MCP 클라이언트 설정에 넣습니다. Tool별 브라우저 테스트 주소는 /api/mock/mcps/weather/tools/{tool_name}/invoke 입니다.

5. 시나리오를 먼저 등록한 뒤 MCP 등록/수정 화면에서 UC-AB-01 같은 시나리오를 복수 선택해 연결합니다.

6. 각 Tool마다 DB, EAI, OCR, HTTP 등의 Tool 분류를 하나 선택하고 Request/Response를 정의합니다.

7. 반복되는 Tool 계약은 Tool 입출력 템플릿으로 저장한 뒤, 등록 화면에서 선택한 Tool에 적용합니다.

8. 호출 이력 탭에서 KST 일자와 MCP별로 요청·응답, trace ID, 자동 보정, 지연시간, 성공·오류와 MCP·Tool별 호출 그래프를 조회합니다.

등록자가 입력한 Request/Response 예시가 타입과 맞지 않거나 JSON이 잘못되어도 서버는 string, integer, number, boolean, array, object 타입에 맞는 더미값으로 해당 필드만 보정합니다. 호출 응답의 fallback_fields에서 보정된 필드를 확인할 수 있습니다.

데이터와 가용성

현재는 요청 처리 성능을 위해 등록 정보를 메모리에서 읽고, 등록·수정·삭제 때만 data/registry.json에 원자적으로 저장합니다. 고빈도 MCP 호출은 slug → MCP → Tool 프로세스 내 인덱스(L1 캐시)에서 바로 찾으므로 요청·테스트 경로는 디스크를 읽지 않습니다. FastMCP endpoint는 무상태 HTTP로 동작합니다.

Python에는 Java virtual thread가 없지만, 이 앱은 FastAPI/Uvicorn/FastMCP의 asyncio 비동기 I/O로 많은 HTTP 요청을 동시에 대기·처리합니다. uvicorn[standard] 환경에서는 지원 OS에서 uvloop도 사용합니다. 단일 서버에서 캐시와 JSON 쓰기 일관성을 보장하기 위해 워커는 1개로 고정했고, MCP_CONCURRENCY_LIMIT(기본 1000)과 backlog=2048로 과부하 시 백프레셔를 적용합니다. 실제 폐쇄망 환경의 CPU/메모리와 요청 크기로 부하 테스트 후 이 제한을 조정하세요.

호출 이력은 메모리 링 버퍼에 먼저 남기고 data/call_logs.jsonl에 백그라운드 배치로 기록하므로, 로그 파일 쓰기가 MCP 응답을 지연시키지 않습니다. MCP_LOG_MEMORY_LIMIT(기본 10,000)과 MCP_LOG_QUEUE_LIMIT(기본 20,000)으로 메모리·큐 상한을 조정할 수 있습니다. 민감한 이름의 필드(password, token, secret, authorization, api_key)는 로그에서 마스킹됩니다.

JSON + 프로세스 메모리는 하나의 쓰기 인스턴스에 적합합니다. JSON 파일을 여러 프로세스/인스턴스가 공유해 쓰는 방식은 지원하지 않습니다. 향후 Tibero로 전환할 때는 app/storage.py 하단의 주석 처리된 TiberoRegistryRepository 골격을 사용해 RegistryRepository 구현체만 교체하면 됩니다. 서비스의 L1 캐시는 Tibero 조회보다 먼저 사용되고, DB 트랜잭션 성공 뒤에만 캐시를 다시 만듭니다.

MCP_MAX_REQUEST_BYTES(기본 1 MiB)로 큰 요청을 조기에 차단할 수 있습니다. 응답 압축과 liveness/readiness probe도 포함했습니다.

폐쇄망 설치

• uv.lock에는 전체 전이 의존성 버전과 아티팩트 해시가 고정되어 있습니다.

• requirements.txt는 내부 PyPI/휠 저장소에서 pip을 써야 하는 환경용 직접 의존성 목록입니다.

• run-offline.sh는 uv 캐시 또는 내부 인덱스에 필요한 CPython 3.13과 휠이 이미 준비된 폐쇄망에서 실행합니다.

chmod +x run-offline.sh
./run-offline.sh

인터넷이 연결된 반입 준비 환경에서는 대상 OS/CPU의 Python 3.13과 모든 잠긴 휠을 내부 패키지 저장소 또는 uv 캐시에 미리 채운 뒤 반입해야 합니다. 폐쇄망에서는 uv sync --offline --frozen --no-dev를 사용하므로 잠금 파일을 다시 해석하거나 인터넷에 연결하지 않습니다.

API 요약

MCP 등록자만 원래의 이름과 사번을 포함해 수정·삭제할 수 있습니다. MCP를 삭제하면 연결된 시나리오에서는 해당 MCP가 자동 제거됩니다.