모든 새로운 AI 코딩 세션은 동일한 짧은 인터뷰로 시작됩니다: 어떤 언어를 사용하시나요? 어떤 프로젝트를 관리하시나요? 어떤 스타일의 글쓰기를 선호하시나요? 이러한 컨텍스트 (Context)를 반복하는 것은 지루하며, 모든 프롬프트 (Prompt)에 완전한 개인 프로필을 넣는 것은 유지 관리하기 어렵습니다.

mcp-me는 다른 접근 방식을 취합니다. 이 도구는 구조화된 프로필을 로컬 YAML 파일로 저장하고, Model Context Protocol (MCP)을 통해 해당 프로필을 노출합니다. MCP 호환 어시스턴트는 요청이 개인적 컨텍스트 (Context)의 이점을 얻을 수 있을 때 me://skills, me://projects, me://career와 같은 리소스를 읽을 수 있습니다.

이 튜토리얼은 작고 재현 가능한 설정을 보여줍니다. 여러분은 출시된 mcp-me 패키지를 설치하고, 프로필을 초기화하고, 이를 검증하며, MCP 서버를 구성하고, 에이전트 (Agent)에게 언제 프로필을 참조해야 하는지 알려주는 지침 파일을 추가하게 됩니다.

요약 (TL;DR)

Node.js 20 이상 버전에서 mcp-me를 설치하고, mcp-me init을 실행하며, 생성된 YAML을 검증한 다음, 이 MCP 서버를 어시스턴트에 등록하세요:

{
  "mcpServers": {
    "me": {
...

그런 다음, 배경 지식이 중요한 요청에 답변하기 전에 에이전트가 ask_about_me를 호출하도록 지시하는 AGENTS.md 파일을 추가하세요.

사전 요구 사항

다음이 필요합니다:

• Node.js 20 이상
• Claude Desktop, Cursor, Windsurf 또는 GitHub Copilot이 포함된 VS Code와 같은 MCP 호환 어시스턴트
• 프로필을 위한 쓰기 가능한 로컬 디렉토리

이 패키지는 Node.js >=20.0.0을 선언하며 현재 패키지 메타데이터에서 MIT 라이선스를 사용합니다. 아래 명령어는 저장소의 현재 main 패키지 메타데이터와 일치하는 현재 npm 릴리스인 mcp-me@0.6.0을 사용합니다.

먼저 Node.js 버전을 확인하세요:

node -v

프로필 설치 및 초기화

전역적으로 사용 가능한 CLI를 위해 npm으로 패키지를 설치하세요:

npm install -g mcp-me@0.6.0

이 프로젝트는 전역 설치 없이 시도하고 싶을 때 npx도 지원합니다:

npx mcp-me@0.6.0 --help

기본 프로필 디렉토리와 템플릿을 생성합니다:

mcp-me init

기본적으로 프로필은 ~/.mcp-me에 저장됩니다. 이 명령은 .mcp-me.yaml 파일과 함께 정체성 (identity), 경력 (career), 기술 (skills), 관심사 (interests), 성격 (personality), 목표 (goals), 프로젝트 (projects), 그리고 자주 묻는 질문 (frequently asked questions)을 위한 YAML 파일들을 생성합니다. 명령 인자로 디렉토리를 전달하여 다른 디렉토리를 초기화할 수도 있습니다:

mcp-me init ./my-profile

생성된 .mcp-me.yaml 파일을 열고 사용하려는 소스(sources)의 주석만 해제하세요. 최소한의 설정은 다음과 같이 보일 수 있습니다:

generators:
  github: your-username
  devto: your-username
...

generators 섹션은 generate를 실행할 때 수집할 데이터를 설명합니다. plugin 섹션은 MCP 서버가 실행되는 동안 사용되는 실시간 통합 (live integrations)을 설명합니다. 이러한 개념을 분리해 두면, 특정 값이 로컬 스냅샷 (local snapshot)이어야 하는지 아니면 실시간 조회 (live lookup)여야 하는지 결정하는 데 도움이 됩니다.

로컬 데이터 생성 및 검증

설정이 완료되면 프로필을 생성하세요:

mcp-me generate

README에는 GitHub 및 DEV.to와 같은 공개 소스(public sources)와 많은 선택적 생성기(optional generators)들이 문서화되어 있습니다. 대부분의 생성기는 API 키가 필요하지 않지만, 소스별 요구 사항은 여전히 적용됩니다. 자격 증명 (credentials)이 필요한 통합의 경우, 활성화하기 전에 생성된 주석과 프로젝트 문서를 읽어보시기 바랍니다.

어시스턴트를 연결하기 전에 프로필을 검증하세요:

mcp-me validate

이 명령은 프로젝트의 스키마 (schemas)를 기준으로 프로필 YAML 파일들을 확인합니다. 실행이 성공하면 All profile files are valid!라는 메시지로 끝납니다. 검증을 통해 어시스턴트가 불완전하거나 예상치 못한 컨텍스트 (context)를 받기 전에 잘못된 형식의 YAML 및 스키마 문제를 잡아낼 수 있습니다.

CLI를 전역으로 설치하고 싶지 않다면, npx를 통해 동일한 명령을 사용하고 프로필 디렉토리를 명시적으로 전달하세요:

npx -y mcp-me@0.6.0 validate ./my-profile

MCP 서버 연결

서버의 기본 경로는 ~/.mcp-me이므로, 가장 간단한 MCP 설정에서는 프로필 경로를 지정할 필요가 없습니다. 사용 중인 클라이언트의 설정에 다음 항목을 추가하세요:

{
  "mcpServers": {
    "me": {
...

수동으로 설치된 CLI의 경우, npx 대신 mcp-me를 명령어로 사용할 수 있습니다. 프로필이 다른 곳에 저장되어 있다면, 클라이언트 환경 변수에 MCP_ME_PROFILE_DIR을 설정하거나 mcp-me serve에 디렉토리를 전달하세요.

프로젝트 문서에는 클라이언트별 차이점이 기록되어 있습니다. 예를 들어, VS Code는 MCP 설정에서 servers 키를 사용하는 반면, 위의 설정은 mcpServers를 사용합니다. 특정 클라이언트에 항목을 복사하기 전에 저장소의 설정 가이드(configuration guidance in the repository)를 확인하세요.

에이전트에게 프로필 사용 시점 알려주기

서버를 연결하면 리소스(resources)를 사용할 수 있게 되지만, 에이전트가 이를 참조해야 할 이유가 여전히 필요합니다. 이 동작을 원하는 프로젝트에 AGENTS.md 파일을 추가하세요:

# Agent Instructions

당신은 나의 개인 프로필을 노출하는 `me`라는 이름의 MCP 서버에 접근할 수 있습니다.
...

저장소의 templates/AGENTS.md에 더 긴 템플릿이 포함되어 있습니다. npm 전역 설치 후 이를 복사하여 사용할 수 있습니다:

cp "$(npm root -g)/mcp-me/templates/AGENTS.md" ./AGENTS.md

이 파일은 에이전트를 위한 가이드이며, 보안 경계(security boundary)가 아닙니다. 모델이 여전히 잘못된 도구(tool)를 선택하거나 요청을 오해할 수 있습니다. 지침을 좁게 유지하고, 다른 프로젝트 설정과 마찬가지로 검토하며, 프로필 파일에 비밀 정보(secrets)를 넣지 마세요.

결과 확인하기

설정을 변경한 후 MCP 클라이언트를 재시작하거나 다시 로드하세요. 그런 다음 다음과 같이 프로필 문맥(context)이 필요한 질문을 던져보세요:

나의 TypeScript 프로젝트와 오픈 소스 활동을 반영하는 짧은 README 섹션을 작성해줘.

기대되는 결과는 특정 문장이 아닙니다. 유용한 검증 방법은 어시스턴트가 me 서버를 참조하여, 사용자에게 동일한 배경 정보를 다시 말해달라고 요청하는 대신 프로필에 근거한 답변을 생성할 수 있는지 확인하는 것입니다.

로컬 서버를 직접 확인할 수도 있습니다:

mcp-me serve

이 서버는 MCP 프로세스로 실행되도록 설계되었으므로, 프로토콜 메시지를 기다리는 동안 터미널이 유휴 상태(idle)로 보일 수 있습니다. 프로세스가 프로필이나 설정 오류 없이 시작되는 것을 확인한 후 Ctrl+C로 중단하세요.

작동 원리

프로필은 하나의 거대한 프롬프트(prompt)가 아니라 안정적인 리소스(resources)로 구성됩니다. 신원(Identity), 기술(skills), 경력(career), 프로젝트(projects) 및 기타 카테고리는 독립적으로 읽을 수 있습니다. 이를 통해 어시스턴트는 각 요청에 대해 더 작고 정밀하게 타겟팅된 컨텍스트 표면(context surface)을 가질 수 있습니다.

이러한 분리 방식은 업데이트를 로컬에서 수행하고 검토할 수 있게 해줍니다. 지침 파일(instruction file)을 다시 작성할 필요 없이 skills.yaml을 편집할 수 있고, 필요할 때 공개 소스 데이터를 재생성할 수 있으며, 프로젝트별 규칙을 해당 프로젝트 옆에 유지할 수 있습니다. 그러면 MCP 서버가 호환 가능한 클라이언트(clients)를 위해 일관된 인터페이스를 제공합니다.

실패 모드 및 한계

mcp-me를 찾을 수 없는 경우, Node.js 20 이상이 설치되어 있는지, 그리고 npm 글로벌 바이너리 디렉토리가 PATH에 포함되어 있는지 확인하세요. npx를 사용하는 경우, 비대화형(non-interactive) 설정 스크립트에는 -y를 포함해야 합니다.

유효성 검사(validation)에 실패하면 mcp-me validate가 보고하는 파일과 줄 번호를 읽으세요. 유효한 YAML이라고 해서 반드시 유효한 프로필 데이터라고 가정해서는 안 됩니다. 스키마(schemas)가 허용되는 구조를 정의합니다.

하나의 소스에서 생성이 실패하는 경우, 해당 소스를 비활성화하고 나머지 설정을 테스트하세요. 일부 서비스는 토큰을 요구하거나 속도 제한(rate limits)이 있을 수 있습니다. README에는 대부분의 생성기가 키 없이 공개 API를 사용한다고 명시되어 있을 뿐, 모든 소스가 인증이 필요 없다는 뜻은 아닙니다.

로컬 우선 (local-first) 설계는 불필요한 클라우드 전송을 줄여주지만, 프로필을 무해하게 만드는 것은 아닙니다. 사용자의 로컬 파일에는 개인 정보와 경력 정보가 포함될 수 있으며, MCP 클라이언트가 연결된 모델에 해당 정보를 노출할 수 있습니다. 서버를 활성화하기 전에 파일 시스템 권한 (filesystem permissions)을 사용하고, YAML 파일에 비밀 정보 (secrets)를 포함하지 않으며, 어시스턴트의 데이터 처리 정책을 이해하십시오.

또한 이 프로젝트는 완벽한 회상을 보장하는 메모리 시스템이 아닙니다. 이는 구조화된 컨텍스트 (context)와 도구 (tools)를 제공할 뿐입니다. 도구를 사용할지 여부는 여전히 어시스턴트가 결정하며, 프로필의 정확도는 파일과 생성기 (generators)의 정확도에 달려 있습니다.

FAQ

mcp-me는 내 프로필을 클라우드에 저장하나요?

이 프로젝트는 프로필을 로컬 YAML 데이터로 문서화하고 있으며, MCP 서버가 디스크에서 읽는다고 명시하고 있습니다. 하지만 어시스턴트는 요청하는 프로필 콘텐츠를 여전히 전달받으므로, 로컬 저장이 모델 제공업체의 데이터 처리 과정을 없애주는 것은 아닙니다.

커스텀 프로필 디렉토리를 사용할 수 있나요?

네. init, validate, 또는 serve 명령에 디렉토리를 전달하거나, 서버에서 사용하는 기본 프로필 경로로 MCP_ME_PROFILE_DIR을 설정하면 됩니다.

GitHub 또는 DEV.to를 사용하려면 API 키가 필요한가요?

문서화된 생성기들은 많은 소스에 대해 공개 API (public APIs)를 사용하며, 일반적인 경우에는 키를 요구하지 않습니다. 선택 사항인 라이브 플러그인 (live plugins)은 다른 인증 요구 사항을 가질 수 있습니다.

mcp-me를 두 개 이상의 어시스턴트와 함께 사용할 수 있나요?

네. 호환 가능한 각 클라이언트에서 동일한 로컬 MCP 서버를 구성하십시오. 각 클라이언트의 구성 형식과 데이터 공유 동작을 별도로 검토하십시오.

요약 (Takeaway)

mcp-me는 반복되는 개인적 컨텍스트를 로컬의 구조화된 MCP 프로필로 변환합니다. 몇 개의 정확한 YAML 파일로 시작하여, 이를 검증하고, 서버를 연결한 다음, 어떤 데이터가 제공되어야 하는지 이해한 후에 에이전트 지침 (agent instructions)을 추가하십시오.

이 튜토리얼은 AI의 도움을 받아 준비되었습니다. 준비 과정에서 저장소 문서, 패키지 메타데이터, 라이브 패키지 메타데이터 및 여기에 표시된 명령어를 확인하였으며, 문장은 정확성과 한계점에 대해 검토되었습니다.

AI 코딩 워크플로우에서 어떤 개인적 맥락(personal context)이 반복 작업을 가장 많이 줄여줄 수 있을까요: 기술(skills), 프로젝트 이력(project history), 경력 상세 정보(career details), 아니면 다른 무엇인가요?