[gemini cli + 커스텀 mcp 만들기] - 5. 기상청 mcp 서버 배포하기

마지막 시간으로 본인이 직접 만든 mcp 서버를 배포하여 작업용 pc에서 실행할 수 있도록 해 보자.

아래의 자료를 참고하였음을 밝힌다.

09 Smithery에 내 MCP 서버 배포하기 - 따라하며 쉽게 익히는 MCP: 파이썬과 FastMCP로 직접 구축하기

09 Smithery에 내 MCP 서버 배포하기

 

1. (진짜) 최종 mcp 서버

기존에 했던 mcp 서버를 하나로 통합하여 mkweather.py로 만들었다.

 

 

따라서 setting.json도 아래와 같이 바뀐다.

{
  "selectedAuthType": "oauth-personal",
  "mcpServers": {
    "mkweather": {
      "command": "uv",
      "args": [
        "--directory",
        "E:\\my_mcp\\my_weather",
        "run",
        "weather_server.py"
      ],
      "env": {
           "KOREA_WEATHER_API_KEY": "<your_api_key>"
      }
    }
  }
}

 

진짜 전체 코드이다.

# mkweather.py
import os
import math
import json
from datetime import datetime, timedelta
import xmltodict
import httpx
from mcp.server.fastmcp import FastMCP, Context

mcp = FastMCP("mkweather")

API_KEY = os.environ.get('KOREA_WEATHER_API_KEY')
URL = 'http://apis.data.go.kr/1360000/VilageFcstInfoService_2.0/getUltraSrtNcst'

def get_datetime():
    current_date = datetime.now().date().strftime("%Y%m%d")
    current_time = datetime.now()
    if current_time.minute < 40: # API 제공 시간에 맞춰 40분으로 조정
        current_time = current_time - timedelta(hours=1)
    current_time = current_time.strftime("%H%M")
    return current_date, current_time

def convert_to_grid(lat, lon):
    RE = 6371.00877; GRID = 5.0; SLAT1 = 30.0; SLAT2 = 60.0
    OLON = 126.0; OLAT = 38.0; XO = 43; YO = 136
    DEGRAD = math.pi / 180.0
    slat1 = SLAT1 * DEGRAD; slat2 = SLAT2 * DEGRAD
    olon = OLON * DEGRAD; olat = OLAT * DEGRAD
    sn = math.tan(math.pi * 0.25 + slat2 * 0.5) / math.tan(math.pi * 0.25 + slat1 * 0.5)
    sn = math.log(math.cos(slat1) / math.cos(slat2)) / math.log(sn)
    sf = math.tan(math.pi * 0.25 + slat1 * 0.5)
    sf = (sf ** sn) * math.cos(slat1) / sn
    ro = math.tan(math.pi * 0.25 + olat * 0.5)
    ro = RE / GRID * sf / (ro ** sn)
    ra = math.tan(math.pi * 0.25 + lat * DEGRAD * 0.5)
    ra = RE / GRID * sf / (ra ** sn)
    theta = lon * DEGRAD - olon
    if theta > math.pi: theta -= 2 * math.pi
    if theta < -math.pi: theta += 2 * math.pi
    theta *= sn
    x = ra * math.sin(theta) + XO
    y = ro - ra * math.cos(theta) + YO
    return {'x': int(x + 0.5), 'y': int(y + 0.5)}

# --- 개선 사항 2: nx, ny를 직접 인자로 받도록 변경 ---
async def st_forecast(api_key, url, nx, ny):
    """
    지정된 격자 좌표(nx, ny)의 초단기 실황을 비동기 방식으로 요청하고
    응답을 딕셔너리로 반환합니다.
    """
    date, time = get_datetime()
    parameters = {
        'serviceKey': api_key,
        'numOfRows': 30,
        'pageNo': 1,
        'dataType': 'XML',
        'base_date': date,
        'base_time': time,
        'nx': nx,
        'ny': ny
    }

    # httpx의 비동기 클라이언트를 사용합니다.
    async with httpx.AsyncClient() as client:
        try:
            # client.get은 await 키워드가 필요한 코루틴(coroutine)입니다.
            response = await client.get(url, params=parameters, timeout=10)
            
            # 응답 상태 코드가 200(OK)이 아닐 경우 예외를 발생시킵니다.
            response.raise_for_status()
            
            # xmltodict는 동기 함수이므로 await 없이 그대로 사용합니다.
            return xmltodict.parse(response.text)
        
        except httpx.HTTPStatusError as e:
            # HTTP 상태 코드 오류 (4xx, 5xx 등)
            return {"error": f"API 서버 오류: 상태 코드 {e.response.status_code}"}
        except httpx.RequestError as e:
            # 네트워크 연결 오류, 타임아웃 등
            return {"error": f"API 요청 실패: {e}"}


def describe_wind_components(uuu: float, vvv: float) -> dict:
    if uuu > 0: uuu_description = f"동풍 {uuu}m/s"
    elif uuu < 0: uuu_description = f"서풍 {abs(uuu)}m/s"
    else: uuu_description = "없음"
    if vvv > 0: vvv_description = f"북풍 {vvv}m/s"
    elif vvv < 0: vvv_description = f"남풍 {abs(vvv)}m/s"
    else: vvv_description = "없음"
    return {"동서성분": uuu_description, "남북성분": vvv_description}

def format_rainfall(rn1_value: float) -> str:
    if rn1_value < 0.1: return "강수없음"
    elif rn1_value < 1.0: return "1mm 미만"
    elif rn1_value < 30.0: return f"{rn1_value}mm"
    elif rn1_value < 50.0: return "30.0~50.0mm"
    return "50.0mm 이상"

def format_wind_direction(degree: float) -> str:
    directions = ["북", "북북동", "북동", "동북동", "동", "동남동", "남동", "남남동",
                  "남", "남남서", "남서", "서남서", "서", "서북서", "북서", "북북서", "북"]
    index = int((degree + 11.25) / 22.5) % 16 # 360도(0도) 처리를 위해 나머지 연산 추가
    return directions[index]

def format_wind_speed(wsd_value: float) -> str:
    if wsd_value < 4: description = "바람이 약하게 느껴집니다."
    elif wsd_value < 9: description = "나뭇잎이 흔들리는 정도의 바람입니다."
    elif wsd_value < 14: description = "나무가지가 흔들리는 정도의 강한 바람입니다."
    else: description = "나무 전체가 흔들릴 정도의 매우 강한 바람입니다."
    return f"{wsd_value}m/s, {description}"

def parse_ultra_short_term_weather(api_response: dict) -> dict:
    # --- 개선 사항 4: 가독성을 위한 category_map 키 이름 변경 ---
    category_map = {'T1H': '기온(℃)', 'RN1': '1시간 강수량', 'UUU': '동서바람성분(m/s)',
                    'VVV': '남북바람성분(m/s)', 'REH': '습도(%)', 'PTY': '강수형태',
                    'VEC': '풍향', 'WSD': '풍속'}
    pty_map = {'0': '없음', '1': '비', '2': '비/눈', '3': '눈', '5': '빗방울', '6': '빗방울/눈날림', '7': '눈날림'}

    if "error" in api_response: return api_response
    try:
        items = api_response['response']['body']['items']['item']
    except (KeyError, TypeError):
        return {"error": "API 응답 데이터 형식이 올바르지 않습니다."}

    weather_data = {'발표일자': items[0]['baseDate'], '발표시각': items[0]['baseTime']}
    
    for item in items:
        category, value = item['category'], item['obsrValue']
        if category not in category_map: continue
        
        key_name = category_map[category]
        try:
            if category == 'RN1': weather_data[key_name] = format_rainfall(float(value))
            elif category == 'PTY' and value in pty_map: weather_data[key_name] = pty_map[value]
            elif category == 'WSD': weather_data[key_name] = format_wind_speed(float(value))
            elif category == 'VEC': weather_data[key_name] = format_wind_direction(float(value))
            else: weather_data[key_name] = float(value)
        except (ValueError, TypeError):
            weather_data[key_name] = value

    if '동서바람성분(m/s)' in weather_data and '남북바람성분(m/s)' in weather_data:
        uuu = weather_data.pop('동서바람성분(m/s)')
        vvv = weather_data.pop('남북바람성분(m/s)')
        weather_data.update(describe_wind_components(uuu, vvv))
    
    return weather_data


# 리소스: 위도-경도 매핑
@mcp.resource("mkweather://location_coords")
def load_location_coords():
    """지역명과 위도-경도 좌표(lat, lon) 매핑 데이터"""
    location_coords = {
        # 광역시
        "서울": {"lat": 37.5665, "lon": 126.9780},  # 서울특별시청
        "부산": {"lat": 35.1796, "lon": 129.0756},  # 부산광역시청
        "대구": {"lat": 35.8714, "lon": 128.6014},  # 대구광역시청
        "인천": {"lat": 37.4563, "lon": 126.7052},  # 인천광역시청
        "광주": {"lat": 35.1601, "lon": 126.8515},  # 광주광역시청
        "대전": {"lat": 36.3504, "lon": 127.3845},  # 대전광역시청
        "울산": {"lat": 35.5384, "lon": 129.3114},  # 울산광역시청
        "세종": {"lat": 36.4801, "lon": 127.2890},  # 세종특별자치시청
        
        # 도
        "경기": {"lat": 37.2749, "lon": 127.0095},  # 경기도청
        "강원": {"lat": 37.8853, "lon": 127.7342},  # 강원도청
        "충북": {"lat": 36.6358, "lon": 127.4913},  # 충청북도청
        "충남": {"lat": 36.3235, "lon": 126.6728},  # 충청남도청 (홍성)
        "전북": {"lat": 35.8203, "lon": 127.1088},  # 전라북도청 (전주)
        "전남": {"lat": 34.8164, "lon": 126.4629},  # 전라남도청 (무안)
        "경북": {"lat": 36.0191, "lon": 128.5059},  # 경상북도청 (안동)
        "경남": {"lat": 35.2383, "lon": 128.6924},  # 경상남도청 (창원)
        "제주": {"lat": 33.4996, "lon": 126.5312}   # 제주특별자치도청
    }
    return json.dumps(location_coords, ensure_ascii=False)

# 도구: 지역명으로 위도-경도 반환
@mcp.tool()
async def get_coords_by_city(ctx: Context, city: str) -> str:
    """
    주어진 도시 이름의 위도와 경도 좌표를 조회합니다.
    """
    try:
        # 1. 리소스를 읽어오면, [ReadResourceContents] 형태의 리스트가 반환됩니다.
        resource_result_list = await ctx.read_resource("mkweather://location_coords")
        
        # 2. 리스트의 첫 번째 항목은 ReadResourceContents 객체입니다.
        #    이 객체의 .content 속성에 우리가 원하는 JSON "문자열"이 들어있습니다.
        location_json_string = resource_result_list[0].content

        # 3. 이제 이 JSON 문자열을 파이썬 "딕셔너리"로 변환합니다.
        all_coords = json.loads(location_json_string)

        # 4. 드디어 딕셔너리가 되었으니, .get()을 안전하게 사용할 수 있습니다.
        city_coords = all_coords.get(city)

        # 5. 결과 반환
        if city_coords:
            return f"{city}의 좌표는 위도 {city_coords['lat']}, 경도 {city_coords['lon']} 입니다."
        else:
            return f"오류: '{city}'에 대한 좌표 정보를 찾을 수 없습니다."

    except Exception as e:
        # 모든 예기치 못한 오류를 처리합니다.
        return f"오류: 리소스 조회 중 문제가 발생했습니다 - {e}"
    
# 위도-경도 조회 프롬프트 추가
@mcp.prompt()
def coords_query(location: str) -> str:
    """특정 지역의 위도-경도를 조회하기 위한 프롬프트"""
    return f"""
    다음 지역의 위도 경도(lat, lon) 정보를 조회해주세요: {location}
    get_coords_by_city 도구를 사용하여 {location}의 좌표를 확인하고 알려주세요.
    """

@mcp.tool()
async def get_current_weather(lat: float, lon: float) -> str:
    """지정된 위도와 경도를 기반으로 현재 날씨 정보를 조회하여 정리된 문자열로 반환합니다."""
    if not API_KEY or API_KEY == '<your_api_key>':
        return "오류: 서버에 API 키가 설정되지 않았습니다. 관리자에게 문의하세요."

    grid = convert_to_grid(lat, lon)
    nx, ny = grid['x'], grid['y']
    
    my_response = await st_forecast(API_KEY, URL, nx, ny) # 'await' 추가!
    parsed_weather = parse_ultra_short_term_weather(my_response)

    if 'error' in parsed_weather:
        return f"날씨 정보를 가져오는 데 실패했습니다: {parsed_weather['error']}"
    
    date_str = parsed_weather.get('발표일자', '00000000')
    time_str = parsed_weather.get('발표시각', '0000')
    
    result = f"""# 현재 날씨 정보 (위도: {lat}, 경도: {lon})
- 기준 시각: {date_str[:4]}년 {date_str[4:6]}월 {date_str[6:]}일 {time_str[:2]}시 {time_str[2:]}분
- 격자 좌표: X={nx}, Y={ny}

## 기상 상태
- 기온: {parsed_weather.get('기온(℃)', 'N/A')}℃
- 습도: {parsed_weather.get('습도(%)', 'N/A')}%
- 강수 형태: {parsed_weather.get('강수형태', 'N/A')}
- 1시간 강수량: {parsed_weather.get('1시간 강수량', 'N/A')}

## 바람 정보
- 풍향: {parsed_weather.get('풍향', 'N/A')}
- 풍속: {parsed_weather.get('풍속', 'N/A')}
- 동서성분: {parsed_weather.get('동서성분', 'N/A')}
- 남북성분: {parsed_weather.get('남북성분', 'N/A')}
"""
    return result




if __name__ == "__main__":
    print("MCP 날씨 정보 서버 시작... (종료하려면 Ctrl+C)")
    print("테스트 메시지를 JSON-RPC 형식으로 입력하세요.")
    mcp.run(transport='stdio')

 

 

 

 

2. Github 레포지토리 만들기

내가 만든 환경을 GitHub의 공개 저장소(Publick Repository)에 업로드해야 한다.

본인은 '취미 개발 호소인' 이므로 간단하게 Github Desktop을 이용할 것이다.

 

과정은 여기를 참고하면 된다.

파이썬 패키지 만들기-2 PYPI, Github 올리기

파이썬 패키지 만들기-2 PYPI, Github 올리기

 

1. File → Add local repository 클릭

 

2. 만들어놓은 프로젝트 경로를 'Choose...'로 선택, Add repository 클릭, 그러면 'create a repository'를 클릭하여 git에 repository를 만들어야 한다.

 

 

3. 프로젝트 이름을 지정하고 Create respository를 클릭하자. 프로젝트 이름은 환경명으로 하는게 나을듯?

이렇게 하면 자동으로 commit이 된다.

 

 

4. 좌측 상단에 Current repository에서 my_weather가 생성된 것을 볼 수 있다. Publish respository를 클릭하여 git에 업로드(push)하자. Keep this code private 해제하기.(유료과금 서비스라는데?)

 

 

이렇게 하면 github 레포지토리에 업로드되어 있는 것을 확인할 수 있다.

 

 

 

3. Smithery에 배포하기

1. Smithery(https://smithery.ai) 에 접속하여 로그인 클릭

 

 

2. Github 로그인을 시도하자

 

 

3. 상단의 Deploy Server 클릭

 

 

4. Select Account → Add Github Account 를 클릭하자

 

 

 

5. Only select repositories → 해당하는 리포지토리 선택 → install 클릭

 

 

6. 이렇게 하면 나의 github에 Smithery AI가 설치된 것을 알 수 있다.

 

 

7. 다시 smithery.ai 로 돌아와서, 새로고침 → 해당 mcp 서버 Create 클릭

 

 

8. Base Directory 그대로, Local Only 해제, Create 를 눌러 서버 배포를 시작한다.

 

 

9. 배포가 완료되었다. 보니까 Docker에서 돌아가는 것 같다??? (이거 유지보수가 되나???)

 

 

 

10. 처음으로 돌아가서, 아이콘을 누르면 정보가 뜨는데 아래와 같이 <> Deployed Servers를 클릭, 배포된 서버 클릭

 

 

 

11. 아래와 같이 다양한 정보를 확인할 수 있다. About 항목은 아마도 Smithery에서 리포지토리 정보를 확인하고 알아서 적은 것 같다.

 

 

 

4. 배포된 서버 테스트 하기

1. 먼저 Smithery Playground에서 테스트해보자. Try in Playground를 클릭하자

 

 

2. 입력하고 엔터를 누르면 아래와 같이 API 키를 입력하라고 한다, 기상청 API키를 입력하자. 

 

 

3. Approve를 클릭하여 서버 접속을 승인하면, 아래와 같이 아주 성공적으로 된 것을 확인할 수 있다.

 

 

 

다른 곳에서 테스트 해보자, 그 전에 아래와 같이 {} JSON 항목에 들어가면 Configuration이 뜬 것을 볼 수 있는데, 이건 위에서 API 키를 입력했기 때문이다. 해제하고 싶으면 아래의 과정을 따르자. (당연히 다른 사람들은 각자의 기상청 API 입력해야 함)

 

 

 

상단의 Edit configuration 클릭

 

 

아래와 같이 API 키를 해제하고 저장하자

 

 

그러면 {} JSON에 키를 입력하라고 뜬다. 이러면 정상적으로 해지된 것이다.

 

 

 

 

 

 

이번엔 chatboxai 를 이용해 볼 것이다. 

궁금하면 여기 클릭

Chatbox, gemini API로 로컬 챗봇 환경 구현하기

Chatbox, gemini API로 로컬 챗봇 환경 구현하기

 

 

다른 아이디로 테스트 해 보겠다. 먼저 다른 아이디로 (github을 했으니 구글 ID로) 들어가서 기상청 키를 입력하고 Configuration을 활성화 하자. (우측 상단을 보면 아이콘 모양이 다르다!)

 

 

 

키를 입력하고 {} JSON → Windows → 카피 클릭하기

 

 

챗봇 AI를 설정한 후 , 그림과 같이 설정 → MCP → 서버 추가를 클릭

 

 

 

아래와 같이 클립보드에서 JSON 가져오기 클릭

 

 

그러면 아래와 같이 mcp 서버가 추가되어 있다. 편집을 클릭하여 잘 되어있는지 확인해 보자.

 

 

 

저장을 누르고 토글을 눌러 활성화 한다.

 

 

 

새로운 채팅 → 모델 선택(gemini-2.5-flash 선택했음) → 하단 망치를 눌러 mcp 서버 적용되어 있는지 확인

 

 

 

 

오늘 날씨 입력해달라고 한 후, 잘 작동하는지 확인해보자.

 

 

많이들 사용하는 claude나 gemini cli도 똑같이 원리로 가능하다. gemini cli의 setting.json 파일에서 복사 → 붙여넣기 하면 끝이다. (잘 되는지도 확인했으므로 패스)

 

 

번외!

본인은 ollama도 사용중인데, 과연 잘 되는지 궁금해서 해보기로 했다.

참고로 본인 컴퓨터 사양은 ryzen 7900, 64GB DDR5, RTX 3060 12GB이다.

 

1번타자. 최근 공개된 핫한 gpt-oss 20b 되시겠다. 

 

오오오 쩐다!

 

 

 

그런데 exaone, gemma, deepseek-r1 모델 (구형이긴 하지만) 들은 아래와 같이 tools 기능을 지원하지 않는단다, 

역시 활용 1황은 gpt-oss인가? 

 

 

이것으로 mcp 시리즈를 마치도록 하겠다!