leejonghyun93/MCP-Calculator-Server

Advanced MCP Calculator Server with TensorFlow Integration

RAG(검색 증강 생성) + 데이터 처리 + TensorFlow ML 기능이 포함된 고급 MCP(Model Context Protocol) 서버

프로젝트 개요

Claude Desktop과 연동하여 다음 기능들을 제공하는 AI 개발자/엔지니어용 실무형 포트폴리오 프로젝트입니다:

• RAG 시스템: 수학/AI 지식베이스 검색 및 유사도 기반 정보 검색
• TensorFlow 통합: 텍스트 임베딩, 분류, 시퀀스 예측, 고급 통계 분석
• 데이터 분석: 통계 계산, 분포 분석, 실시간 데이터 처리
• AI 챗봇: 교육적 설명 생성 (난이도별 맞춤)
• 고급 수학 계산: 미적분, 삼각함수, 복합 수식 처리

주요 기능

1. TensorFlow 기반 ML 기능

// TensorFlow 텍스트 임베딩
"TensorFlow로 '미적분' 텍스트 임베딩 생성해줘"
// → 100차원 벡터 임베딩 생성

// 텍스트 유사도 계산
"TensorFlow로 '삼각함수'와 'sin cos tan' 유사도 계산해줘"
// → 코사인 유사도 기반 정확한 텍스트 유사성 측정

// 수치 시퀀스 예측
"TensorFlow로 [2,4,6,8] 시퀀스 다음 값 예측해줘"
// → 패턴 분석 및 다음 값 예측

// 텍스트 분류
"TensorFlow로 'integral calculus' 텍스트 분류해줘"
// → 수학/과학/일반 카테고리 자동 분류

2. RAG 검색 시스템

// 지식베이스 검색
"RAG로 '벡터임베딩' 검색해줘"
// → 유사도 기반 검색 후 상세 정보 제공

3. 고급 데이터 분석

// TensorFlow 기반 통계 분석
"TensorFlow로 [1,5,3,9,2,7,4,8,6] 데이터 통계 분석해줘"
// → TensorFlow 함수를 활용한 고급 통계 계산

4. AI 챗봇 응답

// 교육적 설명 생성
"AI 챗봇으로 '미적분'을 초급 수준으로 설명해줘"
// → 난이도별 맞춤 교육 콘텐츠 생성

기술 스택

백엔드 아키텍처

• JavaScript (Node.js): MCP 서버 구현
• Python + TensorFlow 2.20: 머신러닝 서버
• Flask: Python 웹 서버 프레임워크
• scikit-learn: 추가 ML 알고리즘

프로토콜 및 통신

• MCP (Model Context Protocol): Claude Desktop 연동
• JSON-RPC: 표준 원격 프로시저 호출
• HTTP REST API: Python-JavaScript 서버 간 통신

AI/ML 기술

• TensorFlow: 딥러닝 및 수치 계산
• 벡터 임베딩: 텍스트 의미 표현
• 코사인 유사도: 텍스트 유사성 측정
• 시계열 예측: 수치 패턴 분석

시스템 아키텍처

Claude Desktop
       ↓ (MCP Protocol)
JavaScript MCP Server (Node.js)
       ↓ (HTTP REST API)
Python TensorFlow Server (Flask)
       ↓
┌─────────────────────────────────────────┐
│            TensorFlow 2.20              │
│  ┌─────────┬─────────┬─────────────────┐│
│  │Embedding│Text Cls │Sequence Predict ││
│  └─────────┴─────────┴─────────────────┘│
└─────────────────────────────────────────┘

설치 및 실행

시스템 요구사항

• Node.js v16 이상
• Python 3.8 이상
• Claude Desktop 최신 버전

1. 프로젝트 설정

git clone https://github.com/사용자명/advanced-mcp-calculator.git
cd advanced-mcp-calculator

2. Python 환경 설정

# 가상환경 생성 및 활성화
python -m venv venv
venv\Scripts\activate  # Windows
source venv/bin/activate  # macOS/Linux

# Python 의존성 설치
pip install tensorflow flask numpy scikit-learn

3. JavaScript 의존성 설치

npm install

4. 서버 실행

Python TensorFlow 서버 시작:

python ml_server.py
# 출력: TensorFlow ML Server 시작: http://localhost:5000

JavaScript MCP 서버 시작:

node server.js
# 출력: Advanced MCP Server (RAG + Data Processing + TensorFlow) 시작됨

5. Claude Desktop 설정

%APPDATA%\Claude\claude_desktop_config.json:

{
  "mcpServers": {
    "advanced-calculator": {
      "command": "node",
      "args": ["C:/전체경로/server.js"]
    }
  }
}

사용법

TensorFlow 기능 테스트

1. 텍스트 임베딩: "TensorFlow로 '머신러닝' 임베딩 생성해줘"
2. 유사도 계산: "TensorFlow로 '딥러닝'과 '신경망' 유사도 계산해줘"
3. 시퀀스 예측: "TensorFlow로 [10,20,30,40] 다음 값 예측해줘"
4. 텍스트 분류: "TensorFlow로 'derivative of function' 분류해줘"
5. 통계 분석: "TensorFlow로 [1,2,3,4,5] 통계 분석해줘"

사용 가능한 도구들

• tensorflow_embedding: TensorFlow 기반 텍스트 임베딩
• ml_similarity: 머신러닝 텍스트 유사도 계산
• text_classification: 텍스트 카테고리 분류
• sequence_prediction: 수치 시퀀스 예측
• tensorflow_analysis: TensorFlow 기반 통계 분석
• rag_search: RAG 지식베이스 검색
• data_analysis: 기본 데이터 분석
• ai_chatbot_response: 교육적 설명 생성

성능 및 특징

기술적 성능

• 응답 시간: < 200ms (TensorFlow 처리 포함)
• 임베딩 차원: 100차원 벡터
• 지식베이스: 4개 도메인 (수학, AI, 벡터, 미적분)
• 동시 처리: 비동기 HTTP 통신
• 메모리 사용량:
  • JavaScript 서버: < 50MB
  • Python TensorFlow 서버: < 200MB

확장성 설계

• 모듈화된 아키텍처
• RESTful API 설계
• 독립적인 언어별 서버
• 표준 프로토콜 준수

개발자 역량 증명

AI/ML 전문성

• TensorFlow 2.20 활용: 실제 딥러닝 프레임워크 사용
• 텍스트 임베딩: 고차원 벡터 공간 변환
• 시퀀스 모델링: 패턴 인식 및 예측
• RAG 시스템: 검색 증강 생성 구현

풀스택 개발 능력

• 다중 언어: JavaScript, Python
• 프레임워크: Node.js, Flask, TensorFlow
• 통신 프로토콜: MCP, JSON-RPC, HTTP REST
• 비동기 처리: Promise, async/await

소프트웨어 아키텍처

• 마이크로서비스: 언어별 독립 서버
• API 설계: RESTful 인터페이스
• 오류 처리: 견고한 예외 처리
• 로깅: 구조화된 디버깅 시스템

향후 확장 계획

기술적 개선

• 실제 BERT 모델 통합 (Sentence-BERT)
• 벡터 데이터베이스 연동 (ChromaDB, Pinecone)
• GPU 가속 처리
• 배치 처리 최적화

기능 확장

• 더 많은 ML 모델 (분류, 회귀, 클러스터링)
• 실시간 데이터 스트리밍
• 웹 대시보드 (React/Vue.js)
• 모델 파인튜닝 인터페이스

인프라 개선

• Docker 컨테이너화
• Kubernetes 배포
• CI/CD 파이프라인
• 모니터링 및 알람

파일 구조

advanced-mcp-calculator/
├── server.js              # JavaScript MCP 서버
├── ml_server.py           # Python TensorFlow 서버
├── package.json           # Node.js 설정
├── requirements.txt       # Python 의존성
├── claude_desktop_config.json  # Claude 설정 예시
├── README.md             # 프로젝트 문서
└── SETUP_GUIDE.md       # 설치 가이드

Built for AI Developer/Engineer Portfolio

이 프로젝트는 실무에서 요구되는 RAG 개발, TensorFlow 활용, 데이터 처리, AI 챗봇 개발 역량을 종합적으로 보여주는 포트폴리오입니다.