> ## Documentation Index > Fetch the complete documentation index at: https://wb-21fd5541-feature-automate-reference-docs-generation.mintlify.site/llms.txt > Use this file to discover all available pages before exploring further. # Mcp Open In Colab 모델 컨텍스트 프로토콜(MCP)은 AI 애플리케이션이 대규모 언어 모델(LLM)과 정보를 교환할 수 있게 해주는 표준화된 통신 프로토콜입니다. 하드웨어 호환성을 변화시킨 범용 커넥터와 유사하게, MCP는 LLM이 각 새로운 서비스에 대한 맞춤형 통합 없이도 다양한 데이터 소스에 접근하고 외부 도구와 상호작용할 수 있는 인터페이스를 제공합니다. Weave 통합을 통해 MCP 클라이언트와 MCP 서버 간의 활동을 추적할 수 있습니다. MCP 기반 시스템 전반에 걸쳐 도구 호출, 리소스 접근 및 프롬프트 생성에 대한 상세한 가시성을 제공합니다. ## 작동 방식 현재 이 통합은 클라이언트 측과 서버 측 작업을 별도로 캡처하지만, 상호 작용에 대한 엔드투엔드 가시성은 제공하지 않습니다. MCP에 OpenTelemetry 트레이스 지원을 추가하여 엔드투엔드 관찰 가능성을 활성화하는 제안이 진행 중입니다. 자세한 내용은 다음을 참조하세요 [GitHub discussion #269](https://github.com/modelcontextprotocol/modelcontextprotocol/discussions/269). Weave 통합은 [`weave.op()`](../tracking/ops.mdx) 데코레이터로 핵심 메서드를 패치하여 모델 컨텍스트 프로토콜(MCP)의 주요 구성 요소를 자동으로 추적합니다. 구체적으로 [`mcp.server.fastmcp.FastMCP`](https://github.com/modelcontextprotocol/python-sdk/blob/b4c7db6a50a5c88bae1db5c1f7fba44d16eebc6e/src/mcp/server/fastmcp/server.py#L109) 및 [`mcp.ClientSession`](https://github.com/modelcontextprotocol/python-sdk/blob/b4c7db6a50a5c88bae1db5c1f7fba44d16eebc6e/src/mcp/client/session.py#L84) 클래스의 메서드를 패치합니다. 이 통합을 통해 Weave는 다음과 같은 MCP 구성 요소를 추적합니다: * [도구](https://modelcontextprotocol.io/docs/concepts/tools) * [리소스](https://modelcontextprotocol.io/docs/concepts/resources) * [프롬프트](https://modelcontextprotocol.io/docs/concepts/prompts) [![mcp\_trace\_timeline.png](https://mintlify.s3.us-west-1.amazonaws.com/wb-21fd5541-feature-automate-reference-docs-generation/ko/guides/integrations/imgs/mcp/mcp_trace_timeline.png)](https://wandb.ai/ayut/mcp_example/weave/traces?filter=%7B%22opVersionRefs%22%3A%5B%22weave%3A%2F%2F%2Fayut%2Fmcp_example%2Fop%2Frun_client%3A*%22%5D%7D\&peekPath=%2Fayut%2Fmcp_example%2Fcalls%2F01966bbe-cc5e-7012-b45f-bf10617d8c1e%3FhideTraceTree%3D0) ## 통합 사용하기 Weave 통합은 MCP 서버와 클라이언트 모두에서 작동합니다. 설치 후에는 `weave`를 가져오는 한 줄과 이를 초기화하는 또 다른 한 줄, 단 두 줄의 코드만으로 추적을 활성화할 수 있습니다. ### 전제 조건 시작하기 전에 필요한 패키지를 설치하세요: ```bash pip install -qq "mcp[cli]" weave ``` ### 구성 MCP 통합은 환경 변수를 통해 구성할 수 있습니다: * `MCP_TRACE_LIST_OPERATIONS`: `true`로 설정하여 목록 작업(`list_tools`, `list_resources`, 및 `list_prompts`)을 서버와 클라이언트 측 모두에서 추적합니다. ### 서버 측 통합 MCP 서버를 추적하려면 기존 `FastMCP` setup: one to import Weave and one to initialize the client. Once added, tool, resource, and prompt operations will be automatically traced. ```python # Import Weave (required for tracing) import weave from mcp.server.fastmcp import FastMCP # Initialize Weave with your project name weave_client = weave.init("my-project") # Set up the MCP server mcp = FastMCP("Demo") # Define a tool (this call will be traced) @mcp.tool() def add(a: int, b: int) -> int: """Add two numbers.""" return a + b # Define a resource (this call will be traced) @mcp.resource("greeting://{name}") def get_greeting(name: str) -> str: """Return a personalized greeting.""" return f"Hello, {name}!" # Define a prompt (this call will be traced) @mcp.prompt() def review_code(code: str) -> str: """Return a prompt for reviewing code.""" return f"Please review this code:\n\n{code}" # Start the server mcp.run(transport="stdio") ``` ### 클라이언트 측 통합 클라이언트 측에서도 추적은 Weave를 가져오고 초기화하는 두 가지 변경만 필요합니다. 모든 도구 호출, 리소스 접근 및 프롬프트 요청이 자동으로 추적됩니다. ```python # Import Weave (required for tracing) import weave from mcp import ClientSession, StdioServerParameters from mcp.client.stdio import stdio_client # Initialize Weave with your project name weave_client = weave.init("my-project") # Set up and run the MCP client async with stdio_client(server_params) as (read, write): async with ClientSession(read, write) as session: # Initialize the session await session.initialize() # Call a tool (this will be traced) result = await session.call_tool("add", arguments={"a": 1, "b": 2}) # Read a resource (this will be traced) resource = await session.read_resource("greeting://user") # Get a prompt (this will be traced) prompt = await session.get_prompt("review_code", arguments={"code": "print('Hello')"}) ``` ## Tutorial: `mcp_demo` 예제 이 [`mcp_example`](https://github.com/wandb/weave/tree/master/examples/mcp_demo)는 모델 컨텍스트 프로토콜(MCP)과 Weave 간의 추적을 위한 통합을 보여줍니다. 클라이언트와 서버 구성 요소 모두를 계측하여 상호 작용에 대한 상세한 추적을 캡처하는 방법을 보여줍니다. ### 예제 실행 1. 다음 `weave` 저장소를 복제하고 `mcp_demo` example: ```bash git clone https://github.com/wandb/weave cd weave/examples/mcp_demo ``` 이 예제에는 두 개의 주요 파일이 포함되어 있습니다: * `example_server.py`: `FastMCP`로 구축된 데모 MCP 서버입니다. 도구, 리소스 및 프롬프트를 정의합니다. * `example_client.py`: 서버에 연결하고 해당 구성 요소와 상호 작용하는 클라이언트입니다. 2. 필요한 종속성을 수동으로 설치하세요: ```bash pip install mcp[cli] weave ``` 3. 데모 실행: ```bash python example_client.py example_server.py ``` 이 명령은 클라이언트와 서버를 모두 시작합니다. 클라이언트는 다양한 기능을 테스트할 수 있는 대화형 CLI를 시작합니다. ### 클라이언트 CLI 명령 클라이언트 인터페이스는 다음 명령을 지원합니다: | 명령 | 설명 | | ----------------------- | ------------------------------------------------------------------------------------ | | `tools` | 사용 가능한 도구 나열 | | `resources` | 사용 가능한 리소스 나열 | | `prompts` | 사용 가능한 프롬프트 나열 | | `add ` | 두 숫자 더하기 | | `bmi ` | 체질량 지수(BMI) 계산 | | `weather ` | 도시의 날씨 데이터 가져오기 | | `greeting ` | 개인화된 인사말 받기 | | `user ` | 사용자 프로필 검색 | | `config` | 앱 구성 가져오기 | | `code-review ` | 코드 리뷰 프롬프트 생성 | | `debug ` | 디버깅 프롬프트 생성 | | `demo` | 사용 가능한 모든 기능의 전체 데모를 실행합니다. 이는 각 기능을 순차적으로 실행하고 Weave UI에서 상호 작용의 전체 추적 타임라인을 생성합니다. | | `q` | 세션 종료 | ### 예제 이해하기 이 `example_server.py` 서버는 다음을 정의합니다: * *도구*: `add()`, `calculate_bmi()`, `fetch_weather()` * *리소스*: `greeting://{name}`, `config://app`, `users://{id}/profile` * *프롬프트*: `review_code()` 및 `debug_error()` 클라이언트를 `weave.init()`로 초기화하면 모든 서버 측 작업이 Weave에 의해 자동으로 추적됩니다. 이 `example_client.py` 클라이언트는 다음을 수행하는 방법을 보여줍니다: * MCP 서버에 연결 * 사용 가능한 도구, 리소스 및 프롬프트 검색 * 매개변수를 사용하여 도구 호출 * 리소스 URI에서 읽기 * 인수를 사용하여 프롬프트 생성 * 사용자 정의 메서드/함수와 함께 [`weave.op()`](../tracking/ops.mdx) 사용 방법 보여주기. Weave는 모든 클라이언트 측 호출을 추적하여 클라이언트와 서버 간의 상호 작용에 대한 완전한 뷰를 제공합니다. ## FAQ ### 왜 MCP 추적이 필요한가요? LLM 애플리케이션 개발자로서, 다음 세 가지 범주 중 하나에 속합니다: * *MCP 서버 측 개발자*: MCP 클라이언트에 여러 도구, 리소스 및 프롬프트를 노출하고자 합니다. 기존 애플리케이션의 도구, 리소스 등을 노출하거나, 에이전트를 구축했거나 오케스트레이터 에이전트에 의해 여러 에이전트가 조율됩니다. * *MCP 클라이언트 측 개발자*: 클라이언트 측 애플리케이션을 여러 MCP 서버에 연결하고자 합니다. 클라이언트 측 로직의 핵심 부분은 어떤 도구를 호출하거나 어떤 리소스를 가져올지 결정하기 위해 LLM 호출을 하는 것입니다. * *MCP 서버 및 클라이언트 개발자*: 서버와 클라이언트 모두를 개발하고 있습니다. 처음 두 범주 중 하나에 속한다면, 각 도구가 언제 호출되는지, 실행 흐름이 어떻게 생겼는지, 토큰 수, 서버나 클라이언트 측 로직의 다양한 구성 요소의 지연 시간을 알고 싶을 것입니다. 서버와 클라이언트 모두를 개발하는 경우, 통합된 추적 타임라인을 볼 수 있는 능력은 서버와 클라이언트 측 로직을 모두 빠르게 반복할 수 있도록 도와줍니다. 어떤 경우든, 관찰 가능성 계층을 통해 다음을 수행할 수 있습니다: * 애플리케이션을 빠르게 반복 * 워크플로우 또는 실행 로직 감사 * 병목 현상 식별