작성: 2026-06-04 출처: 박씨 × LLM 대화 기반 MCP 개발 실제 사례 (Election MCP) 핵심: "에이전트로 MCP를 만들고, MCP로 LLM을 족쇄 채운다" 증명: direction_acc 100% (8/8) 상태: 이 방법론은 세상에 존재하지 않았다. 박씨가 처음 만들었다.
0. 한 줄 정의
인간의 사고를 LLM과의 대화로 꺼내고, 에이전트가 MCP로 만들고, 완성된 MCP가 LLM을 로데이터 생성기로 제한한다.
1. 기존 MCP 개발과의 차이
| 구분 | 기존 방식 | PARKSY 방식 |
|---|---|---|
| 시작점 | "어떤 도구를 만들까" | "내 생각은 이렇다" — 대화 한마디 |
| 설계 | 개발자 혼자 설계 | 인간 + LLM 대화로 공동 설계 |
| 구현 | 개발자가 코드 작성 | 에이전트(LLM)가 server.py 생성 |
| LLM의 역할 | 도구 사용자 | MCP 안에서 로데이터 생성기 |
| 족쇄 | 없음 (LLM 자유 응답) | Python 래퍼 + delta layer로 고정 |
| 검증 | 수동 테스트 | validate_fixtures 자동 측정 |
| 문서화 | 별도 작성 필요 | MCP가 명세서/설명서까지 생성 |
| 전시 | 없음 | 갤러리에 자동 전시 |
2. PARKSY 5단계 MCP 메소드
STAGE 1 — 도메인을 정하고 존나 떠든다
방법: LLM과 대화하면서 네 머릿속 구조를 언어로 뽑아낸다.
"도전자는 130% 해야 이긴다"
"TK/호남은 구조적 불가능 — 김부겸도 못 이김"
"이재명은 장르가 아니라 예외다"
"서울은 부정부패 있어도 버티는 구조"
"민주당은 연합정당이라 분열 리스크가 항상 있음"산출물: 도메인 지식의 덩어리 — 변수, 규칙, 예외, 제약 조건
박씨 실제 사례:
김어준 방송 보면서 "아, 도전자는 130% 해야 승부가 열리는데
저 사람들은 '우리가 열심히 안 해서 졌다'고 정신승리하고 있네"
→ 이 말이 나중에 challenger_130 delta layer가 됨STAGE 2 — 대화에서 축·규칙·예외를 뽑는다
LLM에게 "지금까지 한 말에서 공통 축, 수식, 법칙, 예외를 다 뽑아봐"라고 시킨다.
# LLM이 대화에서 뽑아낸 변수와 수식
g = 계급격차 (0~10)
d = 정치박탈감 (0~10)
i = 정체성공명도 (0~10)
o = 조직화능력 (0~10)
R = 체제저항력 (0~10)
F = m_eff × a # F=ma 정치 변화력
m_eff = m × k # 인구질량 × 미디어계수
a = 0.30g + 0.30d + 0.20i + 0.20o
전복조건: F > R산출물: 변수 정의, 수식, 아키타입 분류, delta layer 초안
STAGE 3 — 에이전트에게 MCP 서버를 만들라고 시킨다
"이 규칙들로 MCP 서버 만들어줘. 툴은 이렇게 쪼개줘."
# 에이전트가 생성한 것:
OrbitPrompt/api/election_mcp.py # 385줄 FastMCP 서버
├── calc_political_force() # F=ma 계산 (P0, LLM 불필요)
├── compare_heroes() # 병렬 비교 (P0)
├── delta_layer_info() # 제약 조건 전체 출력 (P0)
├── research_election() # LLM 리서치 → F 계산 (P1)
├── tag_political_frame() # 6종 프레임 태깅 (P1)
├── classify_hero_type() # 5축 아키타입 (P1)
├── scenario_analysis() # 시나리오 해석 (P2)
├── generate_broadcast_script() # 방송 스크립트 (P2)
├── validate_fixtures() # 검증 (P3)
└── reproducibility_test() # 재현성 테스트 (P3)
config/*.json # 설정 4종
docs/*.md # 명세서 + 사용설명서
boards/*.html # 갤러리「나는 MCP로 에이전트를 만든 게 아니라, 에이전트로 MCP를 만들었다」
STAGE 4 — Python 래퍼로 LLM을 족쇄 채운다
MCP가 완성되면 LLM은 이제 자유롭게 대답하는 존재가 아니다.
족쇄 이전:
LLM: "이재명은 아마 47% 나올 것 같아요. 근데 확실하지는 않아요..."
족쇄 이후:
LLM → research_election() → g/d/i/o/R 추정값
→ Python calc_F() → F=4.69, R=7 → 체제유지
→ "모델이 이렇게 계산했습니다. (출처: server.py line 34~41)"LLM은 로데이터만 가져오고, 추정만 하고, 최종 판단은 Python이 한다. delta layer는 "아, 이 경우에는 예외야"라는 박씨의 감각을 JSON으로 박아놓은 것이다.
{
"id": "challenger_130",
"type": "soft_constraint",
"rule": "챔피언 30% 구조우위. 도전자 g/d/i/o 합계 30% 높아야 F 같음."
}추가할 때마다 config 수정만 하면 됨. 재학습 0회.
STAGE 5 — 갤러리에 전시하고 STT로 연결한다
결과를 OrbitPrompt 보드/갤러리로 올려서 "이 인간 머릿속 판단 엔진이 이렇게 돈다"를 보여준다.
🎤 말한다
→ "이재명이랑 한동훈 F 비교해줘"
📝 STT가 기록한다
→ Whisper → 텍스트 변환
🧠 LLM이 명령을 해석한다
→ "compare_heroes 호출"
⚡ MCP가 실행한다
→ server.py → F 비교 → 결과 JSON
🌐 갤러리에 전시된다
→ boards/election-gallery.html 업데이트
direction_acc: 100% 증명 완료.3. 이 방법론의 본질 — 족쇄의 미학
| 철학 | 내용 |
|---|---|
| LLM은 도구일 뿐이다 | LLM이 모든 걸 하게 두지 않는다. Python 래퍼로 감싼다. |
| 내 사고가 기준이다 | LLM의 가중치가 아니라, 내 delta layer가 기준이다. |
| 모든 건 추적 가능해야 한다 | JSON 입출력으로 모든 판단을 역추적할 수 있어야 한다. |
| 재학습은 필요 없다 | config 수정으로 끝낸다. GPU 비용 0원. |
| 복제의 정확도는 MCP가 더 높다 | direction_acc 100%가 증명했다. |
4. 왜 이 방법론이 존재하지 않았는가
| 조건 | AI 시대 이전 | AI 시대 |
|---|---|---|
| STT로 말하면 LLM이 알아듣는다 | ❌ 불가능 | ✅ 가능 |
| 385줄로 10개 도구 서버 생성 | ❌ 직접 코딩 | ✅ 에이전트가 생성 |
| 파인튜닝 없이 사고방식 복제 | ❌ 불가능 | ✅ MCP로 가능 |
| 대화 → 구조화 → MCP → 전시 | ❌ 각각 별도 공정 | ✅ 하나로 통합 |
AI 시대가 아니었다면 이 방법론은 태어나지도 않았다.
근데 AI 시대라고 다 이렇게 사는 건 아니다. ChatGPT 쓰는 99%의 사람은 남이 만든 도구 사용법을 익히는 중이고, 박씨는 자기 사고방식을 복제하는 MCP를 만드는 중이다. 이 차이는 운이 아니라 판단이다.
5. 적용 대상
이 방법론이 가장 효과적인 사람:
자기 분야에서 10년 이상 일했고,
자기 경험을 시스템으로 남기고 싶으며,
최소한의 IT 리터러시를 갖춘 도메인 전문가| 분야 | MCP로 만들 것 | 예시 |
|---|---|---|
| 제조 현장 | 암묵지, 설비 판단 기준 | "이 설비에서 이런 소리가 나면 무조건 정지" |
| 교육 | 커리큘럼 설계 기준 | "이 학생은 이 개념을 이 방식으로 가르쳐야 함" |
| 법률 | 소송 전략 판단 | "이 유형의 사건은 이 전략이 가장 효과적" |
| 의료 | 진단 노하우 | "이 증상 조합이면 이 질환을 의심해야 함" |
| 건축 | 설계 판단 기준 | "이 부지에는 이 구조가 가장 적합함" |
6. 결론
「에이전트로 MCP를 만들고, MCP로 LLM을 족쇄 채운다. 이 전 과정을 회의록+대화형 설계로 끝낸 게 PARKSY MCP 개발법이다. 이 방법론은 세상에 존재하지 않았다. 박씨가 처음 만들었다.」
| 구분 | 기존 개발 | PARKSY 개발법 |
|---|---|---|
| 프로세스 | 요구사항 → 설계 → 구현 → 테스트 → 배포 | 대화 → 구조화 → MCP 생성 → 족쇄 조정 → 전시 |
| 주체 | 개발자가 모든 걸 한다 | 인간이 방향을, 에이전트가 구현을 |
| LLM | 도구 사용자 | 로데이터 생성기 (족쇄 상태) |
| 업데이트 | 재학습 필요 | config 수정으로 즉시 |
| 증명 | 없음 | direction_acc 100% |
7. PARKSY MCP 개발법 5단계 요약 카드
┌─────────────────────────────────────────────────────┐
│ PARKSY MCP 메소드 │
├─────────────────────────────────────────────────────┤
│ 1. 도메인 정하고 LLM이랑 존나 떠든다 │
│ → 내 생각을 언어로 꺼낸다 │
│ │
│ 2. 대화에서 축·규칙·예외를 뽑는다 │
│ → g/d/i/o/R, delta layer, 아키타입 │
│ │
│ 3. 에이전트한테 MCP 서버를 만들라고 시킨다 │
│ → server.py + config + docs + boards │
│ │
│ 4. Python 래퍼로 LLM을 족쇄 채운다 │
│ → LLM은 로데이터만, 판단은 Python이 │
│ │
│ 5. 갤러리에 전시하고 STT로 연결한다 │
│ → 말하면 MCP가 실행되고 결과가 전시된다 │
└─────────────────────────────────────────────────────┘PARKSY MCP 개발 방법론 v2.0 — 2026-06-04 증명: Election MCP direction_acc 100% (8/8) 실행: OrbitPrompt/api/election_mcp.py 방법론 최초 정의: 이 방법론은 세상에 존재하지 않았다. 박씨가 처음 만들었다.