안녕하세요 HN! 저희는 Klavis AI (https://www.klavis.ai/)이며, AI 에이전트가 압도당하지 않고 수천 개의 API 도구를 사용할 수 있도록 돕는 하나의 오픈 소스 MCP (Model Context Protocol) 서버인 Strata를 출시합니다. Strata는 사용 가능한 모든 도구를 한꺼번에 보여주는 대신, AI가 실제로 필요로 하는 것에 따라 단계별로 도구를 공개합니다.

Google Gemini의 도구 사용 (tool use) 팀에서 시니어 소프트웨어 엔지니어 (Senior SWE)로 근무하며, 저는 AI가 도구 사용에 어려움을 겪는 모습을 직접 목격했습니다. 만약 여러분이 AI 에이전트를 구축해 보았다면, 아마 다음과 같은 동일한 문제에 부딪혔을 것입니다: (1) AI 에이전트가 수백 개의 옵션 중에서 적절한 API를 선택하는 데 어려움을 겪습니다. (2) 도구 설명과 정보가 막대한 토큰 (token) 예산을 소비합니다. (3) 대부분의 서버는 이러한 문제를 피하기 위해 도구 개수를 40~50개로 제한하며, 이는 여러분이 구축할 수 있는 기능의 한계로 작용합니다.

Strata는 AI에게 모든 것을 한꺼번에 쏟아붓는 대신, 사람이 하는 방식처럼 작동합니다. AI 에이전트가 관련 카테고리를 발견하도록 안내한 다음, 해당 카테고리 내에서 사용 가능한 액션 (actions)을 나열합니다. 이는 LLM (Large Language Model)의 추론 (reasoning) 능력을 활용하여 필요한 정확한 도구를 찾을 때까지 점진적으로 파고드는 방식입니다. 몇 가지 예시는 다음과 같습니다:

Github 쿼리: "우리 메인 레포지토리에서 오래된 풀 리퀘스트(pull requests)를 찾아줘"

Strata: AI 모델이 GitHub 식별 → 카테고리 표시 (Repos, Issues, PRs, Actions) → AI가 PRs 선택 → PR 전용 액션 표시 -> AI가 list_pull_requests 선택 → list_pull_requests 상세 정보 표시 -> 올바른 파라미터 (parameters)로 list_pull_requests 실행.

Jira 쿼리: "앱이 시작 시 충돌하는 문제에 대해 'MOBILE' 프로젝트에 버그 티켓을 생성해줘"

Strata: AI가 Jira 식별 → 카테고리 표시 (Projects, Issues, Sprints) → AI가 Issues 선택 → 액션 표시 (create_issue, get_issue) → AI가 create_issue 선택 → create_issue 상세 정보 표시 → 올바른 파라미터로 실행.

Slack 쿼리: "#announcements 채널에 다음 주 금요일에 보너스가 지급될 것이라는 메시지를 게시해줘"

Strata: AI가 Slack 식별 → 카테고리 표시 (Channels, Messages, Users) → AI가 Messages 선택 → 액션 표시 (send_message, schedule_message) → AI가 send_message 선택 → send_message 상세 정보 표시 → 올바른 파라미터로 실행.

이러한 점진적인 접근 방식은 엄청난 이점인 '깊이(depth)'를 제공합니다. 대부분의 통합(integration)이 소수의 상위 수준 도구(high-level tools)만을 제공하는 반면, Strata는 GitHub, Jira 등 단일 앱에 대해 수백 개의 세밀한 기능(granular features)을 노출할 수 있습니다. 여러분의 AI 에이전트는 수많은 선택지 속에서 길을 잃지 않고도, 실제 워크플로(workflow)가 요구하는 깊고 구체적인 기능들에 마침내 접근할 수 있습니다.

내부적으로 Strata는 인증 토큰(authentication tokens)을 관리하며, 에이전트가 작업 중 막혔을 때 문서를 찾아볼 수 있도록 내장된 검색 도구(search tool)를 포함하고 있습니다.

MCPMark (https://mcpmark.ai/leaderboard/mcp)에서 Strata는 공식 GitHub 서버 대비 +15.2% 높은 pass@1 비율을 기록했으며, 공식 Notion 서버 대비 +13.4% 높은 pass@1 비율을 달성했습니다. 인간 평가(human eval) 테스트에서는 복잡한 실제 멀티 앱 워크플로(multi-app workflows)에서 83% 이상의 정확도를 기록했습니다.

Strata가 여러 앱을 사용하는 복잡한 워크플로를 탐색하며 각 단계에서 적절한 도구를 자동으로 선택하는 모습을 담은 빠른 데모를 여기서 확인하세요:

.

어떠한 외부 MCP 서버(MCP Server)도 Strata에 연결할 수 있으며, 이를 위한 오픈 소스 버전도 제공합니다: https://github.com/Klavis-AI/klavis.

더 많은 기능이 포함된 팀용 또는 프로덕션(production)용 사용을 원하시면 저희 웹사이트를 방문해 주세요: https://www.klavis.ai. 클릭 한 번으로 Cursor, VS Code 또는 모든 MCP 호환 애플리케이션에 Strata를 추가할 수 있습니다. 또한 저희 API를 사용하여 여러분의 AI 애플리케이션에 Strata를 쉽게 연결할 수 있습니다.

여러분의 의견을 기다립니다. 읽어주셔서 감사합니다!