저는 AI 에이전트가 즉시 사용할 수 있도록 모든 Python 함수를 MCP (Model Context Protocol) 도구로 변환할 수 있는 프레임워크인 Polymcp를 만들었습니다. 코드 재작성이나 복잡한 통합 과정이 필요 없습니다.

예시

단순 함수:

from polymcp.polymcp_toolkit import expose_tools_http

def add(a: int, b: int) -> int:
"""두 숫자를 더합니다"""
return a + b

app = expose_tools_http([add], title="Math Tools")

다음 명령어로 실행:

uvicorn server_mcp:app --reload

이제 add 함수가 MCP를 통해 노출되며 AI 에이전트가 직접 호출할 수 있습니다.

API 함수:

import requests
from polymcp.polymcp_toolkit import expose_tools_http

def get_weather(city: str):
"""도시의 현재 날씨 데이터를 반환합니다"""
response = requests.get(f"https://api.weatherapi.com/v1/current.json?q={city}")
return response.json()

app = expose_tools_http([get_weather], title="Weather Tools")

AI 에이전트는 get_weather("London")을 호출하여 실시간 날씨 데이터를 즉시 가져올 수 있습니다.

비즈니스 워크플로우 함수:

import pandas as pd
from polymcp.polymcp_toolkit import expose_tools_http

def calculate_commissions(sales_data: list[dict]):
"""판매 데이터로부터 판매 수수료를 계산합니다"""
df = pd.DataFrame(sales_data)
df["commission"] = df["sales_amount"] * 0.05
return df.to_dict(orient="records")

app = expose_tools_http([calculate_commissions], title="Business Tools")

이제 AI 에이전트는 수수료 보고서를 자동으로 생성할 수 있습니다.

기업에 중요한 이유
• 기존 코드 즉시 재사용: 레거시 스크립트, 내부 라이브러리, API 등.
• 복잡한 워크플로우 자동화: AI가 여러 도구를 안정적으로 오케스트레이션(orchestrate)할 수 있습니다.
• 플러그 앤 플레이 (Plug-and-play): 동일한 MCP 서버에 여러 Python 함수를 노출할 수 있습니다.
• 개발 시간 단축: 커스텀 래퍼(wrapper)나 미들웨어(middleware)가 필요하지 않습니다.
• 내장된 신뢰성: 입출력 검증 및 에러 핸들링(error handling)이 포함되어 있습니다.

Polymcp는 Python 함수를 AI 에이전트가 즉시 사용할 수 있게 만들어, 엔터프라이즈 소프트웨어 전반의 통합을 표준화합니다.

Repo: https://github.com/poly-mcp/Polymcp