Loreto: Claude Code를 위한 MCP 기반 기술 추출 및 자동 학습 도구

실용적 조언

Claude Code를 사용 중이라면 Loreto MCP를 설치하여 기술 문서나 영상에서 즉시 실행 가능한 기술 패키지를 추출해 보라.
AI 에이전트용 도구를 개발할 때 REST API보다 MCP 서버 형태를 우선적으로 고려하면 사용자 경험을 개선할 수 있다.

섹션별 상세

작성자는 기존 REST API 기반의 기술 추출 워크플로가 수동 파일 관리로 인해 번거롭다는 점을 발견했다. 이를 해결하기 위해 FastMCP를 사용하여 API를 MCP 서버로 래핑하고 PyPI에 배포하는 방식을 선택했다. "Use Loreto to extract skills..."와 같은 자연어 명령만으로 Claude가 도구를 직접 호출하여 결과를 처리하게 함으로써 개발자 경험을 획기적으로 개선했다.

추출된 기술 패키지는 단순한 텍스트 요약을 넘어 실제 코드 구현에 즉시 활용 가능한 수준으로 구성된다. 각 패키지에는 원칙과 실패 모드를 담은 SKILL.md, 참조 파일, 그리고 검증을 위한 테스트 스크립트가 포함되어 있다. 이를 통해 Claude는 특정 도메인의 복잡한 패턴(예: RAG 실패 진단)을 깊이 있게 이해하고 다른 코드베이스에도 일관되게 적용할 수 있다.

.claude/skills/ 폴더에 저장된 지식은 세션 간에 영구적으로 유지되며 Claude Code 실행 시 자동으로 로드된다. 사용자가 매번 동일한 지침을 프롬프트로 전달할 필요가 없으므로 에이전트의 능력이 시간이 지남에 따라 복합적으로 강화되는 효과가 있다. 이는 개별 세션의 컨텍스트 제한을 극복하고 에이전트에게 지속적인 전문성을 부여하는 실무적인 방법론이다.

json

{
  "mcpServers": {
    "loreto": {
      "command": "uvx",
      "args": ["loreto-mcp"],
      "env": {
        "LORETO_API_KEY": "lor_..."
      }
    }
  }
}

Claude Code 설정 파일(~/.claude/mcp.json)에 MCP 서버를 등록하는 방법

용어 해설

모델 컨텍스트 프로토콜(MCP): — Anthropic이 제안한 오픈 표준으로, AI 모델이 로컬 데이터나 외부 도구와 안전하고 표준화된 방식으로 통신할 수 있게 하는 규약이다. 이를 통해 모델은 파일 읽기, 데이터베이스 조회, API 호출 등을 직접 수행할 수 있다.
패스트 MCP(FastMCP): — Python을 사용하여 MCP 서버를 빠르고 쉽게 구축할 수 있도록 돕는 프레임워크이다. 복잡한 설정 없이도 AI 에이전트가 사용할 수 있는 도구와 리소스를 정의하고 배포할 수 있게 해준다.
검색 증강 생성(RAG): — 외부 지식 베이스에서 관련 정보를 검색하여 LLM의 프롬프트에 주입함으로써 모델의 답변 정확도를 높이는 기법이다. 이 프로젝트에서는 RAG 실패 모드를 진단하는 기술 등을 추출하여 모델의 성능을 보완한다.
uvx: — Python 패키지 관리 도구인 uv의 실행 명령어로, 패키지를 별도의 설치 과정 없이 격리된 임시 환경에서 즉시 실행할 수 있게 해준다. MCP 서버를 간편하게 구동하는 데 주로 사용된다.

코드 예제

bash

pip install loreto-mcp

Loreto MCP 서버 설치 명령어

언급된 도구

Loreto추천

콘텐츠 소스에서 구조화된 기술 패키지 추출

FastMCP추천

Python 기반 MCP 서버 구축 프레임워크

uvx추천

Python 패키지 즉시 실행 도구

언급된 리소스

GitHubloreto-mcp GitHub Repository

문서Loreto 공식 홈페이지