software

AI에 슈퍼파워를 부여하세요: uv-mcp로 파이썬 환경 관리

발행: (2025년 12월 13일 오후 04:59 GMT+9)
6 min read
원문: Dev.to

Source: Dev.to

Python을 일주일 이상 코딩해 본 사람이라면 겪어봤을 고민이 있습니다: 가상 환경, requirements.txt와 pyproject.toml 중 어느 것을 쓸지, 의존성 충돌, 그리고 “내 컴퓨터에서는 잘 되는데” 라는 고전적인 상황 말이죠.

우리는 종종 AI 비서(Claude, Gemini, ChatGPT)에게 이런 문제를 디버깅해 달라고 합니다: 오류 로그를 붙여넣고, 제안된 명령을 받아 터미널에 복사‑붙여넣고, 실패하고, 다시 시도합니다.

AI가 직접 환경을 고쳐줄 수 있다면 어떨까요?

uv-mcp란?

uv-mcp는 MCP(Model Context Protocol) 서버이며, uv—Astral의 초고속 Python 패키지 매니저—의 기능을 래핑합니다. 이 서버를 실행하면 AI 에이전트가 직접 환경을 확인하고, 진단하고, 복구할 수 있는 도구에 접근하게 됩니다. 이제 AI가 “무엇을 입력해야 할지” 말해주는 대신, 필요한 uv 명령을 실행해 프로젝트를 바로 실행시킬 수 있습니다.

왜 필요할까

우리는 “챗봇”에서 “에이전트”로 이동하고 있습니다. 챗봇은 조언을 제공하고, 에이전트는 행동을 취합니다. uv-mcp는 여러분의 AI를 Python DevOps 에이전트로 바꿔줍니다.

1. “의사” 체크

diagnose_environment 도구는 프로젝트에 대한 포괄적인 건강 검진을 수행합니다. 검사 항목은 다음과 같습니다:

  • 프로젝트 구조(pyproject.toml, requirements.txt)
  • 가상 환경 상태
  • 의존성 상태 및 버전 충돌
  • 락파일 존재 여부

예시 대화

  • 당신: “왜 내 프로젝트가 실행되지 않나요?”
  • AI(도구 사용): “가상 환경이 없고 pyproject.toml이 동기화되지 않은 것 같습니다. 고쳐드릴까요?”

2. “자동 수정” 버튼

repair_environment 도구는 자동으로 다음을 수행합니다:

  • 가상 환경이 없으면 생성
  • 새 프로젝트용 pyproject.toml 초기화
  • 락파일에서 의존성 동기화
  • 오래된 패키지 업데이트

예시 대화

  • 당신: “네, 고쳐 주세요.”
  • AI(도구 사용): 수리 절차 실행… “완료했습니다! 가상 환경을 만들고 의존성을 동기화했어요. 이제 코딩을 시작하시면 됩니다.”

3. 의존성 관리

패키지를 추가하고 싶나요? 개발 의존성이나 선택적 그룹에 대한 플래그를 기억할 필요가 없습니다.

예시 대화

  • 당신: “pytest와 black을 개발 의존성으로 설치해 주세요.”
  • AI(도구 사용): add_dependency(package="pytest", dev=True) 호출…

시작하기

이 도구는 표준 Model Context Protocol을 사용하므로 MCP‑준수 클라이언트(예: Gemini CLI 또는 Claude Desktop)와 모두 호환됩니다.

옵션 1: Gemini CLI (가장 쉬움)

Gemini CLI를 사용한다면 한 줄 명령으로 확장을 설치할 수 있습니다:

gemini extensions install https://github.com/saadmanrafat/uv-mcp

옵션 2: Claude Desktop

claude_desktop_config.json에 Claude Desktop을 다음과 같이 설정합니다:

{
  "mcpServers": {
    "uv-mcp": {
      "command": "uv",
      "args": [
        "--directory",
        "/path/to/cloned/uv-mcp",
        "run",
        "uv-mcp"
      ]
    }
  }
}

(주의: 이 방법을 쓰려면 저장소를 로컬에 클론해 두어야 합니다.)

예시 워크플로우

uv-mcp가 설치된 상태에서 typical한 대화는 다음과 같습니다:

  • 사용자: “이 폴더에서 새로운 데이터 사이언스 프로젝트를 시작하고 싶어요.”
  • AI: “설정해 드릴게요.”
    • diagnose_environment 호출 → “빈 폴더가 감지되었습니다.”
    • repair_environment 호출 → pyproject.toml과 .venv 생성.
    • add_dependency("pandas") 호출.
    • add_dependency("jupyter", dev=True) 호출.
  • AI: “프로젝트가 초기화되었습니다! 환경을 설정하고 Pandas와 Jupyter를 설치했어요.”

직접 사용해 보기

터미널 명령을 복사‑붙여넣는 시대는 끝났습니다. AI에게 환경 관리를 맡기고 코딩에만 집중하세요.

저장소를 확인해 보세요: github.com/saadmanrafat/uv-mcp

유용하다면 별(star)을 달아주시고, 즐거운 코딩 되세요!

Back to Blog

관련 글

더 보기 »