목적: 도구를 재사용 가능한 에이전트 워크플로우(ADW, 즉 도구가 포함된 프롬프트)로 확장하여 강력한 모델 컨텍스트 프로토콜(MCP) 서버를 구축하는 법을 배우기

퀵-데이터

Quick-Data는 에이전트에게 .json 및 .csv 파일에 대한 임의 데이터 분석을 제공하는 MCP 서버입니다.

우리는 Quick-데이터를 구체적인 사용 사례로 사용하여 MCP 서버 요소들, 특히 프롬프트 > 도구> 리소스를 실험하고 있습니다.

MCP 서버에 대한 자세한 내용은 quick-data-mcp 문서를 참조하세요

유도 질문

우리는 세 가지 주요 질문을 실험합니다:

1. 도구, 자원, 프롬프트를 함께 사용하여 맞춤형 MCP 서버의 가치를 어떻게 극대화할 수 있을까요?
2. MCP 서버를 구축하기 위한 최고의 코드베이스 아키텍처는 무엇인가요?
3. MCP 서버를 빠르게 구축할 수 있는 에이전트틱 워크플로우(프롬프트와 도구)를 구축할 수 있을까요?

MCP 구성 요소 이해하기

MCP 서버는 AI 모델이 할 수 있는 기능을 확장하는 세 가지 주요 구성 요소를 가지고 있습니다:

도구

무엇: AI 모델이 호출해 행동을 수행할 수 있는 함수들.

언제 사용할지: AI가 도메인 특화 사용 사례에 따라 저원자에서 중간 원자 수준에서 무언가를 수행하도록 할 때.

예시:

자료

무엇: AI 모델이 읽고 접근할 수 있는 데이터.

MCP From Zero: Quick Data

Purpose: Learn to build Powerful Model Context Protocol (MCP) servers by scaling tools into reusable agentic workflows (ADWs aka Prompts w/tools).

Quick-Data

Quick-Data is a MCP server that gives your agent arbitrary data analysis on .json and .csv files.

We use quick-data as a concrete use case to experiment with the MCP Server elements specifically: Prompts > Tools > Resources.

See quick-data-mcp for details on the MCP server

Leading Questions

We experiment with three leading questions:

1. How can we MAXIMIZE the value of custom built MCP servers by using tools, resources, and prompts TOGETHER?
2. What’s the BEST codebase architecture for building MCP servers?
3. Can we build an agentic workflow (prompt w/tools) that can be used to rapidly build MCP servers?

Understanding MCP Components

MCP servers have three main building blocks that extend what AI models can do:

Tools

What: Functions that AI models can call to perform actions.

When to use: When you want the AI to DO something at a low to mid atomic level based on your domain specific use cases.

Example:

@mcp.tool()
async def create_task(title: str, description: str) -> dict:
    """Create a new task."""
    # AI can call this to actually create tasks
    return {"id": "123", "title": title, "status": "created"}

Resources

What: Data that AI models can read and access.

When to use: When you want the AI to READ information - user profiles, configuration, status, or any data source.

Example:

@mcp.resource("users://{user_id}/profile")
async def get_user_profile(user_id: str) -> dict:
    """Get user profile by ID."""
    # AI can read this data to understand users
    return {"id": user_id, "name": "John", "role": "developer"}

Prompts

What: Pre-built conversation templates that start specific types of discussions.

When to use: When you want to give the AI structured starting points for common, repeatable workflows for your domain specific use cases.

Example:

@mcp.prompt()
async def code_review(code: str) -> str:
    """Start a code review conversation."""
    # AI gets a structured template for code reviews
    return f"Review this code for security and performance:\n{code}"

Quick Decision Guide

• Need AI to take action? → Use Tools
• Need AI to read data? → Use Resources
• Need Reusable Agentic Workflows (ADWs)? → Use Prompts

Quick Setup

To use the Quick Data MCP server:

1. Navigate to the MCP server directory:

   cd quick-data-mcp/
   

2. Configure for your MCP client:

   # Copy the sample configuration
   cp .mcp.json.sample .mcp.json
   
   # Edit .mcp.json and update the --directory path to your absolute path