mcp-kit

JihunBlue/mcp-kit

3.1

If you are the rightful owner of mcp-kit and would like to certify it and/or have it hosted online, please leave a comment on the right or send an email to dayong@mcphub.com.

The MCP-Kit is an optimized developer task assignment system leveraging Model Context Protocol (MCP) for intelligent developer-task matching.

Dev Assignment MCP Server

개발자 업무를 자동으로 배분하는 MCP 서버입니다.

규칙 기반(유사도/업무량/기술 매칭/프로젝트 보너스) + (옵션) LLM 보정 개발자는 내 업무 조회 + 과거 유사 TASK 추천 완료 시 처리내용/방법/관련 DB 기록 → 다음 유사 TASK 추천에 활용

지능형 개발자 업무 자동 배분 시스템 - MCP(Model Context Protocol) 기반 Azure OpenAI + PostgreSQL + FastMCP 통합 솔루션

✨ 주요 기능

  • 🤖 하이브리드 배정: 규칙 기반 + Azure OpenAI LLM 보정
  • 📊 다차원 분석: 유사도/업무량/기술매칭/프로젝트 연속성
  • 🔍 학습형 시스템: 완료 기록 → 미래 배정 정확도 향상
  • 🌐 HTTP API: FastMCP HTTP 모드 지원 (STDIO 이슈 해결)
  • 🐳 Docker 배포: 완전한 컨테이너화 환경
  • 🔒 보안 관리: 환경별 시크릿 분리 및 Docker Secrets 지원

기능(요약)

  1. 개발자 관리
    admin_add_developer - 개발자 등록
    get_all_developers - 전체 개발자 목록 조회

  2. 업무 관리
    admin_add_task - 업무 등록 (자동 배정)
    get_all_tasks - 전체 업무 목록 조회
    dev_my_tasks - 개발자별 업무 조회
    dev_complete_task - 업무 완료 처리
    search_similar_tasks - 유사 업무 검색

  3. 시스템 관리
    seed_demo_data - 데모 데이터 초기화
    admin_set_weights - 배정 알고리즘 가중치 설정

분배 규칙

  1. 과거 유사 TASK 경험(최대 유사도, 유사 사례 수)
  2. 업무량이 적은 순 (편차가 크면 저업무량 개발자 가중)
  3. 필요 기술 ∩ 보유 기술 개수
  4. 프로젝트 일치 보너스
  5. (옵션) LLM 적합도 보정 (규칙 점수 + LLM 점수 혼합)

유사도는 기본적으로 Postgres pg_trgm(trigram similarity) 사용.
(옵션) OpenAI 임베딩/랭킹 보정 사용 가능.

🐳 Docker 배포 (권장)

빠른 시작

# 1. 환경변수 설정
cp .env.template .env
# .env 파일에 실제 값 입력

# 2. Docker Compose 실행
docker-compose up -d

# 3. 서비스 확인
curl http://localhost:8000/mcp -H "Accept: application/json"

HTTP API 접근

  • MCP 엔드포인트: http://localhost:8000/mcp
  • Transport: HTTP (Streamable-HTTP)
  • 프로토콜: JSON-RPC 2.0

자세한 Docker 설정:

🔧 환경변수 설정

필수 (PostgreSQL)

PGHOST=localhost
PGPORT=5432
PGDATABASE=mcpdb
PGUSER=postgres
PGPASSWORD=postgres

필수 (Azure OpenAI)

AZURE_OPENAI_ENDPOINT=https://your-endpoint.openai.azure.com/
AZURE_OPENAI_API_KEY=your-api-key-here
AZURE_OPENAI_DEPLOYMENT_NAME=gpt-4o

MCP 서버 설정

MCP_TRANSPORT=http     # HTTP 모드 (기본값)
MCP_HOST=0.0.0.0      # 바인드 주소
MCP_PORT=8000         # 서비스 포트

🔒 보안 관리:

로컬 개발 설정

# 1. 가상환경 설정
uv python install 3.13
uv init && uv venv --python 3.13.7
source .venv/bin/activate
uv add fastmcp psycopg2-binary openai python-dotenv

# 2. PostgreSQL 확장 설치
psql -d mcpdb -c "CREATE EXTENSION IF NOT EXISTS pg_trgm;"

# 3. 서버 실행
python server.py

🔍 기술적 특징

Transport 방식

  • HTTP API: FastMCP Streamable-HTTP 사용 (기본값)
  • Docker 최적화: 컨테이너 환경에서 STDIO 이슈 해결
  • JSON-RPC 2.0: 표준 MCP 프로토콜 지원

아키텍처 설계

HTTP Client ←→ FastMCP HTTP Server ←→ PostgreSQL + Azure OpenAI
                      ↓
              Docker Container (Port 8000)

RAG/LangChain 미도입 이유

  • 효율적인 현재 구조: PostgreSQL trigram으로 충분한 유사도 검색
  • 정형화된 도메인: 개발 업무 매칭에는 복잡한 RAG 불필요
  • 성능 최적화: 1초 응답시간, 99.95% 캐시 적중률 달성
  • 단순성 유지: 추가 복잡도 없이 93% 완성도 달성

자세한 분석:

📊 성능 최적화 성과

  • 응답 시간: 75% 단축 (~4초 → ~1초)
  • LLM 호출: 99.95% 캐시 최적화
  • 데이터베이스: 66% 쿼리 감소 (N+1 문제 해결)
  • API 비용: 80% 절약

📁 주요 문서