"""GLM MCP Server - FastMCP 기반 GLM API 래퍼.""" import os import time from openai import OpenAI from mcp.server.fastmcp import FastMCP # --------------------------------------------------------------------------- # 설정 # --------------------------------------------------------------------------- API_URL = "https://api.z.ai/api/coding/paas/v4" API_KEY = os.environ.get( "GLM_API_KEY", "9bfe3868d21d4697a84787c614c4c607.TIN4HD6DKjr8QSkB", ) TIMEOUT = 120 MAX_RETRIES = 2 RETRY_INTERVAL = 5 # --------------------------------------------------------------------------- # 역할별 System Prompts # --------------------------------------------------------------------------- SYSTEM_PROMPTS: dict[str, str] = { "backend": ( "당신은 시니어 백엔드 개발자입니다.\n" "전문 분야: Python, FastAPI, 데이터 모델링, REST API 설계, 데이터베이스, 보안.\n" "코딩 표준: black 포맷, isort 정렬, type hints 필수, docstring 작성.\n" "항상 에러 처리를 포함하고, 테스트 가능한 코드를 작성하세요." ), "frontend": ( "당신은 시니어 프론트엔드 개발자입니다.\n" "전문 분야: React, TypeScript, Next.js, Tailwind CSS, 컴포넌트 설계, 상태 관리.\n" "코딩 표준: ESLint 준수, 접근성(a11y) 고려, 반응형 디자인.\n" "재사용 가능한 컴포넌트를 작성하고, 성능을 고려하세요." ), "uxui": ( "당신은 시니어 UX/UI 설계자입니다.\n" "전문 분야: 와이어프레임, 정보 아키텍처, 사용성 테스트, 디자인 시스템, 접근성.\n" "사용자 중심 설계 원칙을 따르고, 명확한 설계 문서를 작성하세요.\n" "시각적 일관성과 사용 편의성을 최우선으로 고려하세요." ), "tester": ( "당신은 시니어 QA 엔지니어입니다.\n" "전문 분야: pytest, 단위 테스트, 통합 테스트, 엣지 케이스 분석, 테스트 커버리지.\n" "코딩 표준: 테스트 함수명은 test_로 시작, arrange-act-assert 패턴, fixture 활용.\n" "버그 리포트는 재현 단계, 예상 결과, 실제 결과를 명시하세요." ), } # --------------------------------------------------------------------------- # OpenAI 클라이언트 초기화 # --------------------------------------------------------------------------- client = OpenAI( api_key=API_KEY, base_url=API_URL, timeout=TIMEOUT, ) # --------------------------------------------------------------------------- # MCP 서버 초기화 # --------------------------------------------------------------------------- mcp = FastMCP("glm-mcp") # --------------------------------------------------------------------------- # 내부 헬퍼 # --------------------------------------------------------------------------- def _call_api( messages: list[dict[str, str]], model: str, max_tokens: int, ) -> str: """GLM API를 호출하고 응답 텍스트를 반환합니다. 재시도 로직을 포함하며, 최대 MAX_RETRIES 회 재시도합니다. Args: messages: OpenAI 형식의 메시지 리스트. model: 사용할 모델 이름. max_tokens: 최대 생성 토큰 수. Returns: 모델이 생성한 텍스트. Raises: RuntimeError: 모든 재시도 실패 시. """ last_error: Exception | None = None for attempt in range(MAX_RETRIES + 1): try: response = client.chat.completions.create( model=model, messages=messages, # type: ignore[arg-type] max_tokens=max_tokens, ) content = response.choices[0].message.content return content if content is not None else "" except Exception as exc: # noqa: BLE001 last_error = exc if attempt < MAX_RETRIES: time.sleep(RETRY_INTERVAL) raise RuntimeError(f"API 호출 실패 ({MAX_RETRIES + 1}회 시도): {last_error}") # --------------------------------------------------------------------------- # Tool 1: glm_generate # --------------------------------------------------------------------------- @mcp.tool() def glm_generate( prompt: str, model: str = "glm-4.7-flash", system_prompt: str = "", max_tokens: int = 4096, ) -> str: """GLM 모델로 텍스트를 생성합니다. Args: prompt: 생성에 사용할 사용자 프롬프트. model: 사용할 GLM 모델 이름. system_prompt: 시스템 프롬프트 (선택). max_tokens: 최대 생성 토큰 수. Returns: 모델이 생성한 텍스트. """ messages: list[dict[str, str]] = [] if system_prompt: messages.append({"role": "system", "content": system_prompt}) messages.append({"role": "user", "content": prompt}) try: return _call_api(messages=messages, model=model, max_tokens=max_tokens) except RuntimeError as exc: return f"[오류] {exc}" # --------------------------------------------------------------------------- # Tool 2: glm_code # --------------------------------------------------------------------------- @mcp.tool() def glm_code( task: str, role: str = "backend", model: str = "glm-5", review_cycles: int = 1, ) -> str: """코드를 작성하고 자체 리뷰 사이클을 수행합니다. Args: task: 구현할 코드 작업 설명. role: 역할 (backend / frontend / uxui / tester). model: 사용할 GLM 모델 이름. review_cycles: 리뷰 반복 횟수 (0~3). Returns: 최종 코드 또는 에러 메시지. """ review_cycles = max(0, min(3, review_cycles)) system_prompt = SYSTEM_PROMPTS.get(role, SYSTEM_PROMPTS["backend"]) # 1단계: 초기 코드 생성 messages: list[dict[str, str]] = [ {"role": "system", "content": system_prompt}, {"role": "user", "content": task}, ] try: code = _call_api(messages=messages, model=model, max_tokens=4096) except RuntimeError as exc: return f"[오류] 코드 생성 실패: {exc}" # 2단계: 리뷰 사이클 for cycle in range(review_cycles): review_messages: list[dict[str, str]] = [ { "role": "system", "content": ( "당신은 엄격한 시니어 코드 리뷰어입니다. " "아래 코드를 검토하고, 버그·보안 취약점·코딩 표준 위반·개선 사항을 " "구체적으로 지적하세요. 피드백만 작성하고 수정된 코드는 작성하지 마세요." ), }, { "role": "user", "content": (f"다음 코드를 리뷰해 주세요 (리뷰 사이클 {cycle + 1}/{review_cycles}):\n\n" f"{code}"), }, ] try: review_feedback = _call_api(messages=review_messages, model=model, max_tokens=2048) except RuntimeError as exc: return f"[오류] 리뷰 사이클 {cycle + 1} 실패: {exc}\n\n현재까지의 코드:\n{code}" # 리뷰 피드백을 반영하여 코드 수정 fix_messages: list[dict[str, str]] = [ {"role": "system", "content": system_prompt}, {"role": "user", "content": task}, {"role": "assistant", "content": code}, { "role": "user", "content": (f"아래 리뷰 피드백을 반영하여 코드를 수정해 주세요:\n\n{review_feedback}"), }, ] try: code = _call_api(messages=fix_messages, model=model, max_tokens=4096) except RuntimeError as exc: return f"[오류] 코드 수정 (사이클 {cycle + 1}) 실패: {exc}\n\n" f"리뷰 피드백:\n{review_feedback}" return code # --------------------------------------------------------------------------- # Tool 3: glm_backend # --------------------------------------------------------------------------- @mcp.tool() def glm_backend(task: str) -> str: """백엔드 개발자 관점에서 코드/답변을 생성합니다. Args: task: 백엔드 작업 설명. Returns: 생성된 텍스트 또는 에러 메시지. """ return glm_generate( prompt=task, model="glm-5", system_prompt=SYSTEM_PROMPTS["backend"], ) # --------------------------------------------------------------------------- # Tool 4: glm_frontend # --------------------------------------------------------------------------- @mcp.tool() def glm_frontend(task: str) -> str: """프론트엔드 개발자 관점에서 코드/답변을 생성합니다. Args: task: 프론트엔드 작업 설명. Returns: 생성된 텍스트 또는 에러 메시지. """ return glm_generate( prompt=task, model="glm-5", system_prompt=SYSTEM_PROMPTS["frontend"], ) # --------------------------------------------------------------------------- # Tool 5: glm_uxui # --------------------------------------------------------------------------- @mcp.tool() def glm_uxui(task: str) -> str: """UX/UI 설계자 관점에서 설계 문서/답변을 생성합니다. Args: task: UX/UI 작업 설명. Returns: 생성된 텍스트 또는 에러 메시지. """ return glm_generate( prompt=task, model="glm-5", system_prompt=SYSTEM_PROMPTS["uxui"], ) # --------------------------------------------------------------------------- # Tool 6: glm_tester # --------------------------------------------------------------------------- @mcp.tool() def glm_tester(task: str) -> str: """QA 엔지니어 관점에서 테스트 코드/버그 리포트를 생성합니다. Args: task: 테스트 작업 설명. Returns: 생성된 텍스트 또는 에러 메시지. """ return glm_generate( prompt=task, model="glm-5", system_prompt=SYSTEM_PROMPTS["tester"], ) # --------------------------------------------------------------------------- # 서버 실행 # --------------------------------------------------------------------------- if __name__ == "__main__": mcp.run(transport="stdio")