결론부터 말씀드리면

비엔지니어인 제가, Claude Code (AI 코딩 도구)를 사용하여 하루 만에 MCP 서버를 구축 및 공개했습니다.

"홋카이도에서 포장 공사를 할 수 있는 회사를 알려줘"

Claude나 ChatGPT에 이렇게 묻기만 하면, 제가 운영하는 데이터베이스에서 기업 리스트가 반환됩니다.

이 기사에서는 데이터베이스를 보유한 사람이라면 누구나 재현할 수 있도록, 구축부터 공개까지의 전체적인 모습과 중간에 막혔던 포인트들을 정리합니다.

만든 것

Tsukuras MCP Server

홋카이도의 건설업 데이터베이스 「Tsukuras」의 데이터를 AI 에이전트(AI Agent)로부터 직접 검색할 수 있는 MCP 서버입니다.

• Smithery (MCP 마켓플레이스)에서 보기
• Claude Desktop에서 직접 연결:
  https://tsukuras-mcp-server.tsukuras-jp.workers.dev/mcp

MCP란 무엇인가 (모르는 분들을 위한 30초 요약)

MCP (Model Context Protocol)는 AI 어시스턴트가 외부 데이터나 도구에 연결하기 위한 공통 규격입니다.

Anthropic (Claude 개발사)이 주도하고 있으며, ChatGPT, Gemini, Microsoft Copilot 등 주요 AI가 이미 대응을 완료했습니다. 2026년 5월 시점에서 월간 9,700만 다운로드, 공개 서버 수 9,400개 이상으로 급성장하고 있습니다.

한마디로 말하면 "AI 앱의 App Store"와 같은 것입니다. MCP 서버를 공개하면 전 세계의 AI 앱에서 자신의 데이터를 사용할 수 있게 됩니다.

기술 스택

운영 비용: 월 0엔 (모두 무료 티어 범위 내)

구축의 전체 모습 (하루의 흐름)

오전: Python으로 로컬 버전을 구축 → Claude Desktop이 인식하지 못함!
↓ 방침 전환
오후: TypeScript로 다시 작성 → Cloudflare Workers에 배포
...

실제 코딩은 모두 Claude Code (AI 코딩 도구)에 지시서를 전달하여 실행했습니다. 저는 비엔지니어이기 때문에 코드는 한 줄도 직접 쓰지 않았습니다.

구축 흐름 (개요)

상세한 절차는 향후 템플릿으로 공개할 예정이지만, 큰 흐름은 다음과 같습니다:

1. TypeScript 프로젝트 초기화

MCP SDK 및 Cloudflare Workers용 패키지를 설치합니다. 필요한 패키지는 4~5개이며, npm install 한 번이면 끝납니다.

2. MCP 서버 구현

McpAgent 클래스를 상속받아, 제공하고 싶은 데이터에 맞춘 도구(Tool)를 정의합니다. "어떤 검색을 할 것인가", "무엇을 반환할 것인가"를 작성하기만 하면 됩니다.

3. Cloudflare Workers에 배포

npx wrangler deploy 명령 한 번으로 URL이 발행됩니다. 이로써 전 세계에서 접속이 가능해집니다.

4. Smithery에 등록

smithery.ai 에 로그인하여 Server ID와 URL을 입력하기만 하면 됩니다. 5분이면 완료됩니다.

막혔던 점 3가지 (앞으로 만들 분들을 위한 주의사항)

1. Claude Desktop의 로컬 MCP 대응 방식이 바뀌어 있었다

처음에는 Python으로 claude_desktop_config.json에 설정하는 방식으로 구축했습니다. 하지만 2026년 5월 시점의 Claude Desktop은 원격 MCP (URL 방식)만 지원하고 있었으며, 로컬 설정 파일은 읽어오지 않았습니다.

대책: TypeScript로 다시 작성하여 Cloudflare Workers에 배포하고, URL로 접속하는 방식으로 변경. 결과적으로 이 방식이 어디서든 사용할 수 있어 정답이었습니다.

2. MCP SDK의 API가 변경되어 있었다

공식 문서나 기존 기사에 적혀 있는 오래된 메서드가 권장되지 않음(Deprecated) 상태였기에, 최신 API로 다시 작성해야 했습니다.

대책: Claude Code가 스스로 최신 API로 수정해 주었습니다. AI 코딩 도구의 강점입니다.

3. DB의 컬럼명이 설계서와 달랐다

코드 측에서 상정했던 컬럼명이 실제 Supabase에서는 다른 이름이었습니다. 또한, boolean 타입이라고 생각했던 컬럼이 실제로는 text 타입이었으며, 저장된 값도 예상과 달랐습니다.

대책: Supabase에서 실제 테이블 정의를 직접 확인. 설계서가 아니라 DB 실물을 신뢰하는 것이 철칙입니다.

구현한 도구 5개

🔍 search_companies (기업 검색)

"아사히카와시에서 포장 공사를 할 수 있는 회사를 5곳 알려줘" → 기업 리스트 반환

📊 get_area_stats (지역 통계)

"아사히카와시 건설업의 개황은?" → 기업 수 489개사, 인구 339,605명, 밀도 인구 1,000명당 1.44개사

🏗️ get_work_category (공사 카테고리 정보)

"포장 공사란 어떤 공사야?" → 설명문 + 대응 기업 322개사 + 상세 링크

📋 list_work_categories (카테고리 목록)

"건설업에는 어떤 공사가 있어?" → 전체 16개 카테고리를 기업 수 순으로 나열

🏓 ping (연결 테스트)

서버 가동 확인용.

"비엔지니어가 어떻게 만들었나"

저의 코딩 기술은 거의 제로입니다. 사용한 것은:

• Claude.ai (브레인스토밍): 설계·방침·태스크 분할 상담
• Claude Code (구현): 구체적인 지시서를 전달하여 코드를 작성하게 함

이 두 가지 분업으로 구축했습니다.

구체적인 흐름

① Claude.ai로 설계 상담 (MCP의 기능·아키텍처를 결정)
↓
② 지시서 작성 (Claude.ai가 "Claude Code에 전달할 지시서"를 생성)
...

이 방법이라면, 데이터베이스만 있다면 프로그래밍 경험이 없어도 MCP 서버를 만들 수 있습니다.

데이터베이스를 가지고 있는 분들에게

당신이 가진 데이터베이스를 MCP 서버로 만들어보지 않겠습니까?

MCP 서버로 만들면 다음과 같은 일이 일어납니다:

• Claude / ChatGPT / Gemini에서 데이터를 직접 불러올 수 있게 됨
• Smithery에 등록하면 전 세계의 AI 앱에서 발견됨
• 운영 비용은 거의 제로 (Cloudflare Workers + Supabase 무료 티어)

필요한 것:

• Supabase (또는 어떠한 DB)에 데이터가 들어있을 것
• Cloudflare 계정 (무료)

앞으로 이 구축 패턴을 템플릿화하여 공개할 예정입니다. 관심 있는 분들은 팔로우해 주세요.

향후 전개

• 일본의 오픈 데이터를 사용한 MCP 서버 시리즈 구축 중 (법인번호 DB 전국 500만 개사, 기상 데이터 등)
• MCP 서버 구축 템플릿 공개 예정
• Tsukuras 본체 기능 확충 (Phase 1.5 진행 중)

링크

• Tsukuras: https://tsukuras.jp
• MCP 서버 (Smithery): https://smithery.ai/server/kakar-satoshi/tsukuras-mcp-server
• GitHub: https://github.com/kakarsatoshi-bot/tsukuras-mcp-server
• MCP 연결 방법: https://tsukuras.jp/about-mcp
• MCP란?: https://modelcontextprotocol.io/

홋카이도의 건설업 데이터베이스 「Tsukuras」를 운영하고 있습니다.

AI 에이전트 × 지역 데이터의 가능성을 탐구하고 있습니다.

Discussion