영어 | 한국어

서론

Quick-start Auto MCP는 Claude 데스크톱과 커서에서 Anthropic의 모델 컨텍스트 프로토콜(MCP)을 쉽고 빠르게 등록할 수 있도록 도와주는 도구입니다.

주요 장점:

1. 빠른 설정: 도구를 실행하고 생성된 JSON 파일을 복사/붙여넣기만 하여 Claude 데스크톱과 커서에 MCP 기능을 추가할 수 있습니다.
2. 다양한 도구 제공: 유용한 MCP 도구를 지속적으로 업데이트합니다. 별표를 표시하고 팔로우하여 맞춤형 도구 키트를 최신 상태로 받아보세요. :)

목차

• 특징
• 프로젝트 구조
• 요구사항
• 설치
• 구성
• 사용
• 문제 해결
• 면허
• 기여
• 접촉
• 작가

특징

• RAG(검색 증강 생성) - PDF 문서에 대한 키워드, 의미 및 하이브리드 검색 기능
• Dify 외부 지식 API - Dify의 외부 지식 API를 통한 문서 검색 기능
• Dify 워크플로우 - Dify 워크플로우에서 결과를 실행하고 조회합니다
• 웹 검색 - Tavily API를 이용한 실시간 웹 검색
• 자동 JSON 생성 - Claude 데스크톱과 커서에 필요한 MCP JSON 파일을 자동으로 생성합니다

프로젝트 구조

요구 사항

• 파이썬 >= 3.11

Quick-start Auto MCP : All in one Claude Desktop and Cursor

English | 한국어

Introduction

Quick-start Auto MCP is a tool that helps you easily and quickly register Anthropic’s Model Context Protocol (MCP) in Claude Desktop and Cursor.

Key advantages:

1. Quick Setup: Add MCP functionality to Claude Desktop and Cursor simply by running a tool and copying/pasting the generated JSON file.
2. Various Tools Provided: We continuously update useful MCP tools. Stay up to date with your personalized toolkit by starring and following us. :)

Table of Contents

• Features
• Project Structure
• Requirements
• Installation
• Configuration
• Usage
• Troubleshooting
• License
• Contributing
• Contact
• Author

Features

• RAG (Retrieval Augmented Generation) - Keyword, semantic, and hybrid search functionality for PDF documents
• Dify External Knowledge API - Document search functionality via Dify’s external knowledge API
• Dify Workflow - Execute and retrieve results from Dify Workflow
• Web Search - Real-time web search using Tavily API
• Automatic JSON Generation - Automatically generate MCP JSON files needed for Claude Desktop and Cursor

Project Structure

.
├── case1                     # RAG example
├── case2                     # Dify External Knowledge API example
├── case3                     # Dify Workflow example
├── case4                     # Web Search example
├── data                      # Example data files
├── docs                      # Documentation folder
│   ├── case1.md           # case1 description 🚨 Includes tips for optimized tool invocation
│   ├── case2.md           # case2 description
│   ├── case3.md           # case3 description
│   ├── case4.md           # case4 description
│   └── installation.md    # Installation guide
├── .env.example              # .env example format
├── pyproject.toml            # Project settings
├── requirements.txt          # Required packages list
└── uv.lock                   # uv.lock

Requirements

• Python >= 3.11
• Claude Desktop or Cursor (MCP supporting version)
• uv (recommended) or pip

Installation

1. Clone the repository

git clone https://github.com/teddynote-lab/mcp.git
cd mcp

2. Set up virtual environment

Using uv (recommended)

# macOS/Linux
uv venv
uv pip install -r requirements.txt

# Windows
uv venv
uv pip install -r requirements_windows.txt

Using pip

python -m venv .venv

# Windows
.venv\Scripts\activate
pip install -r requirements_windows.txt

# macOS/Linux
source .venv/bin/activate

pip install -r requirements.txt

3. Preparing the PDF File

Plese prepare a PDF file required for RAG in the ./data directory.

Configuration