| 소개 | 관련 링크 |
|---|---|
| 챗봇의 정석의 핵심 기능을 담당하는 MCP 툴 서버 원격 저장소입니다. GraphRAG, 벡터 DB, PostgreSQL 기반 QnA, 군집화 모델 등을 하나의 MCP 인터페이스로 묶어, LLM 서버의 AI 에이전트를 통해 필요한 툴을 선택적으로 호출할 수 있도록 제공합니다. 사용가능한 MCP 툴은 카드 혜택 설명/비교, 혜택 기반 카드 추천, 개인 소비 패턴 기반 추천, FAQ·금융 용어 QnA 입니다. |
🔗챗봇의 정석 🔗FrontEnd 🔗BackEnd 🔗LLM서버 🔗DB서버 |
| 도구 이름 | 설명 | 경로 |
|---|---|---|
| get_card_description | 카드 혜택 설명·비교 RAG 툴 | /mcp/card-description |
| get_card_recommendation | GraphRAG 기반 혜택 기반 카드 추천 툴 | /mcp/card-recommendation |
| query_faq_database | 카드 상품 및 가입 관련 FAQ 툴 | /mcp/faq-query |
| query_term_database | 금융 용어 QnA 유사도 검색 툴 | /mcp/term-query |
| consumption_recommend | 개인 소비 데이터 기반 카드 추천 툴 | /mcp/consumption_recommend |
get_card_description
query_faq_database
query_term_database
consumption_recommend
-
FastAPI, pydantic, MCP, PostgreSQL, Qdrant
-
langchain-core, Ollama, scikit-learn
-
Docker + uvicorn + EC2
.
├── Card_recommend # GraphRAG 기반 카드 추천 관련 작업 디렉토리
│ ├── card_graphrag_db_real # nano-graphrag 인덱스 및 그래프 데이터
│ │ └── graph_chunk_entity_relation.graphml # 카드 설명서에서 추출한 엔티티·관계 그래프
│ └── prompt.py # GraphRAG용 카드 추천/응답 프롬프트 정의
├── Cluster # 개인 소비 데이터 군집화(클러스터링) 관련 모듈
│ ├── clustering.py # HDBSCAN + UMAP 기반 클러스터링 스크립트
│ ├── hdbscan_model.pkl # 학습된 HDBSCAN 군집화 모델
│ └── umap_reducer_5d.pkl # 차원 축소(UMAP 5차원) 모델
├── Dockerfile # MCP 서버 컨테이너 빌드 설정
├── api # FastAPI 라우터 및 MCP 툴 HTTP API 레이어
│ ├── router.py # 공통 APIRouter 설정 및 엔드포인트 등록
│ └── routes # 개별 툴/엔드포인트 구현
│ ├── tools.py # LLM 서버에서 호출할 MCP 툴 HTTP 엔드포인트
│ └── weather.py # 날씨 툴 예시 엔드포인트
├── core # 공통 설정 및 벡터 DB 연동 모듈
│ ├── config.py # 환경 변수/설정 로딩 (Qdrant, DB 등)
│ ├── qdrant_upsert.py # 카드 설명서 벡터 임베딩 Qdrant 업서트 로직
│ ├── qdrant_upsert_utils.py # Qdrant 업서트/전처리 유틸 함수
│ └── setup.py # 애플리케이션 초기화 및 의존성 설정
├── data # RAG 및 QnA용 정적 데이터/벡터 인덱스
│ ├── alias_map.json # 카드 ID ↔ 카드명/별칭 매핑 정보
│ └── card_desc_refined_json # 정제된 카드 상품 설명서 JSON 모음
│ └── *.json # 우리카드 상품 설명서 정제본
├── docker-compose.yml # MCP/툴 서버 실행용 Docker Compose 설정
├── hf_cache # HuggingFace 임베딩/모델 로컬 캐시 디렉토리 (Docker 마운트 용)
├── main.py # FastAPI 앱 엔트리포인트 (툴 서버 실행)
├── mcp_module # MCP 서버 및 툴 로직 구현
│ ├── RAG # 각 도메인별 MCP 모듈
│ │ ├── card_desc_rag_based.py # 카드 혜택 설명·비교 RAG 파이프라인
│ │ ├── card_recommend_based.py # GraphRAG 기반 혜택 추천 카드 파이프라인
│ │ ├── faq_rag_based.py # FAQ 의미 기반 검색(RAG) 파이프라인
│ │ ├── mydata_based.py # 개인 소비(MyData) 기반 카드 추천 파이프라인
│ │ ├── retrieval_qdrant.py # Qdrant 벡터 검색 공통 래퍼/유틸
│ │ └── term_rag_based.py # 금융 용어 RAG/DB 검색 파이프라인
│ └── server.py # MCP 서버 엔트리/툴 등록 및 실행 로직
├── requirements.in # 의존성 원본 목록 (pip-compile 입력용)
├── requirements.txt # 고정 버전 의존성 목록 (배포/빌드용)
└── schemas # Pydantic 스키마 정의
├── card_description.py # 카드 혜택 설명/비교 응답 스키마
├── card_recommendation.py # 카드 추천 결과(카드 리스트 등) 스키마
├── qna.py # FAQ/금융 용어 QnA 응답 스키마
└── tabular_recommand.py # 테이블/탭형 추천 결과 스키마 (군집/소비분석용)-
환경 변수 (
.env)OLLAMA_BASE_URL=http://127.0.0.1:11434 # OLLAMA 서버 주소 OLLAMA_MODEL_NAME=qwen3:1.7b # OLLAMA 모델 이름 (Generation LLM) # 문장 임베딩 모델 이름 (HuggingFace) EMBEDDING_MODEL_NAME="sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2" # PostgreSQL 설정 POSTGRES_HOST=host.docker.internal POSTGRES_PORT=5432 POSTGRES_DB=card_qna_db POSTGRES_USER=your_pg_username POSTGRES_PASSWORD=your_pg_password # Qdrant 서버 설정 QDRANT_HOST=host.docker.internal QDRANT_PORT=6333 BACKEND_SERVER_URL=http://127.0.0.1:8001 # 백엔드 서버 주소
-
서버 실행
# Docker 이미지 빌드 및 컨테이너 실행 docker compose --env-file .env up --build -d- 브라우저에서
http://127.0.0.1:8011/docs로 OpenAPI 문서를 확인할 수 있습니다.
- 브라우저에서