Claude와 MCP를 활용한 일주일 식단 계획 및 식료품 주문 자동화 실험

이 요약은 AI가 원문을 분석해 생성했습니다. 정확한 내용은 원문 기준으로 확인하세요.

핵심 요약

Claude 데스크톱 앱과 MCP를 연동하여 개인 맞춤형 식단 계획부터 식료품 장바구니 담기까지의 전 과정을 자동화하려 시도한 실험적 워크플로와 그 한계를 공유한다.

배경

사용자가 Claude iOS와 Mac 앱을 연동하여 체성분 기반 식단 계획을 세우고, 이를 MCP(Model Context Protocol)를 통해 실제 온라인 쇼핑몰 장바구니에 담는 자동화 프로세스를 실험했다.

의미 / 영향

이 토론에서 LLM 에이전트가 실생활의 복잡한 워크플로를 수행할 수 있는 잠재력이 확인됐다. 다만 실시간 웹 상호작용의 오버헤드와 안정성 해결이 선행되어야 실제 프로덕션 수준의 자동화가 가능할 것으로 판단된다.

커뮤니티 반응

사용자는 전반적인 기획력에 감탄하면서도 기술적 병목 현상에 아쉬움을 표했으며, 더 나은 MCP 서버나 헤드리스 브라우저 활용 가능성을 고민하고 있다.

주요 논점

01중립다수

Claude의 기획 능력은 훌륭하지만, MCP를 통한 실행 단계의 속도는 실사용이 어려울 정도로 느리다.

합의점 vs 논쟁점

합의점

Claude의 식단 계획 및 리스트 생성 능력은 매우 실용적이다.
현재의 Google MCP 서버를 통한 대량 웹 상호작용은 속도 면에서 개선이 필요하다.

실용적 조언

대량의 웹 상호작용이 필요한 작업은 현재 MCP의 속도 한계로 인해 타임아웃이 발생할 수 있으므로, 리스트 생성까지만 AI를 활용하는 것이 효율적이다.

섹션별 상세

iOS 앱을 활용한 초기 데이터 입력 및 식단 구성 단계이다. 사용자의 신체 정보와 목표 체중을 바탕으로 Claude가 영양소(Macros)를 계산하고, 일주일치 식단과 부분별 분량을 제안했다. 이 과정에서 식단 구조와 선호 음식을 반영한 맞춤형 쇼핑 리스트가 엑셀 파일로 생성되었다.

데스크톱 앱의 MCP를 통한 외부 서비스 연동 시도이다. iOS에서 생성된 엑셀 리스트를 Mac으로 옮겨 Google MCP 서버를 통해 HEB 웹사이트와 상호작용했다. 초기 단계인 주문 내역 확인과 소량의 품목 추가는 성공적으로 수행되었으며, 보안을 위해 직접 로그인을 요청하는 등 안전성도 확인되었다.

대량 품목 처리 시 발생하는 성능 저하와 타임아웃 문제이다. 34개의 품목을 엑셀에서 읽어 장바구니에 담는 과정에서 7분 동안 단 3개만 처리될 정도로 속도가 매우 느렸다. 결국 반복적인 크래시와 타임아웃으로 인해 전체 자동화는 실패했으며, 이는 현재 MCP 서버의 처리 효율성에 대한 한계를 시사한다.

실무 Takeaway

Claude는 개인 건강 데이터를 기반으로 한 정교한 식단 계획 및 쇼핑 리스트 생성에 매우 유능하다.
MCP를 통한 웹 브라우징 및 장바구니 담기 자동화는 기술적으로 가능하나, 대량 작업 시 속도와 안정성이 크게 떨어진다.
현재 단계에서는 식단 계획까지는 AI를 활용하고, 실제 주문은 수동으로 진행하는 것이 시간 효율성 측면에서 현실적이다.

언급된 도구

Claude Desktop App추천

워크플로 실행 및 MCP 연동

Google MCP Server비추천

웹 상호작용을 위한 프로토콜 서버