Unified Search MCP Server 🔍

프로덕션 레벨 MCP (Model Context Protocol) 서버로 Google Scholar, Google Web Search, YouTube를 통합 검색할 수 있습니다.

🚀 주요 기능

핵심 검색 기능

• 🎓 Google Scholar: 학술 논문 검색 (저자, 연도 필터링)
• 🌐 Google Web Search: Google Custom Search API를 사용한 웹 검색
• 📺 YouTube Search: 동영상 검색 (길이, 업로드 날짜, 정렬 옵션)
• 🔄 통합 검색: 모든 소스에서 동시 검색

엔터프라이즈 기능

• 🔐 보안: API 키 암호화, 입력값 검증, XSS/SQL 인젝션 방지
• 💾 분산 캐싱: Redis 기반 캐싱 및 TTL 관리
• ⚡ Rate Limiting: Redis 백엔드 기반 설정 가능한 rate limit
• 📊 모니터링: Prometheus 메트릭, 헬스 체크, 구조화된 로깅
• 🔄 복원력: 재시도 로직, 서킷 브레이커, 우아한 성능 저하
• 📝 감사 로깅: 규정 준수를 위한 포괄적인 감사 추적

📋 요구 사항

• Python 3.11+
• Redis (선택사항, 분산 기능용)
• API 키:
  • Google Custom Search API (웹 검색용)
  • YouTube Data API v3 (YouTube 검색용)

🛠️ 설치

Smithery를 통한 빠른 설치

Smithery 플랫폼을 통해 직접 배포하면 자동으로 설정됩니다.

수동 설치

1. 저장소 클론:

git clone https://github.com/JDeun/unified-search-mcp-server.git cd unified-search-mcp-server

1. 가상 환경 생성:

python -m venv venv source venv/bin/activate # Windows: venv\Scripts\activate

1. 의존성 설치:

pip install -r requirements.txt

1. 환경 설정:

cp .env.example .env

.env 파일을 편집하여 API 키와 설정 입력

⚙️ 설정

환경 변수

API 키

GOOGLE_API_KEY=your-google-api-key GOOGLE_CUSTOM_SEARCH_ENGINE_ID=your-cse-id YOUTUBE_API_KEY=your-youtube-api-key

보안

MCP_ENCRYPTION_KEY=your-256-bit-key MCP_RATE_LIMIT_SECRET=your-secret

Redis (선택사항)

MCP_REDIS_URL=redis://localhost:6379/0

설정

MCP_ENV=production MCP_LOG_LEVEL=INFO MCP_CACHE_TTL=3600

API 키 발급 방법

1. Google Custom Search API:
   • Google Cloud Console 접속
   • "Custom Search API" 활성화
   • 인증 정보 생성 (API 키)
   • cse.google.com에서 Custom Search Engine 생성
2. YouTube Data API v3:
   • 동일한 Google Cloud Console 프로젝트 사용
   • "YouTube Data API v3" 활성화
   • 동일한 API 키 사용 또는 새로 생성

🚀 사용법

서버 실행

개발 모드 (stdio)

python unified_search_server.py

프로덕션 모드 (HTTP)

python unified_search_server.py --transport streamable-http

커스텀 포트

MCP_PORT=8080 python unified_search_server.py --transport streamable-http

Docker 배포

이미지 빌드

docker build -t unified-search-mcp .

컨테이너 실행

docker run -p 8000:8000
-e GOOGLE_API_KEY=your-key
-e GOOGLE_CUSTOM_SEARCH_ENGINE_ID=your-cse
-e YOUTUBE_API_KEY=your-key
unified-search-mcp

Claude Desktop 통합

claude_desktop_config.json에 추가:

{ "mcpServers": { "unified-search": { "command": "python", "args": ["/path/to/unified_search_server.py"], "env": { "GOOGLE_API_KEY": "your-key", "GOOGLE_CUSTOM_SEARCH_ENGINE_ID": "your-cse", "YOUTUBE_API_KEY": "your-key" } } } }

📖 사용 가능한 도구

unified_search

모든 소스에서 동시에 검색합니다.

results = await unified_search( query="인공지능", sources=["scholar", "web", "youtube"], num_results=10 )

search_google_scholar

학술 논문을 검색합니다.

results = await search_google_scholar( query="머신러닝", author="Yann LeCun", year_start=2020, year_end=2024, num_results=10 )

search_google_web

웹을 검색합니다.

results = await search_google_web( query="ChatGPT", language="ko", safe_search="medium", num_results=10 )

search_youtube

YouTube 동영상을 검색합니다.

results = await search_youtube( query="파이썬 튜토리얼", video_duration="medium", upload_date="month", order="viewCount", num_results=20 )

get_author_info

Google Scholar에서 저자 정보를 가져옵니다.

info = await get_author_info("Geoffrey Hinton")

clear_cache

캐시된 검색 결과를 삭제합니다.

await clear_cache(source="web") # 또는 None으로 전체 삭제

get_api_usage_stats

API 사용량과 제한을 모니터링합니다.

stats = await get_api_usage_stats()

🏗️ 아키텍처

모듈식 설계

src/
├── config/       # 설정 및 보안
├── models/       # 데이터 모델 및 검증
├── services/     # 검색 서비스 구현
├── cache/        # 캐싱 레이어
├── utils/        # 유틸리티 (로깅, rate limiting)
├── monitoring/   # 메트릭 및 헬스 체크
└── mcp_server.py # 메인 서버 구현

보안 레이어

• 입력값 검증 및 살균
• API 키 암호화 저장
• 클라이언트/엔드포인트별 rate limiting
• 규정 준수를 위한 감사 로깅
• CORS 및 요청 ID 추적

성능 최적화

• Redis 기반 분산 캐싱
• HTTP 클라이언트 연결 풀링
• 동시 검색 실행
• 지수 백오프를 통한 스마트 재시도
• 외부 API용 서킷 브레이커

📊 모니터링

헬스 체크 엔드포인트

리소스: health://status

메트릭 엔드포인트

리소스: metrics://stats

주요 메트릭

• 검색 요청 수 및 지연 시간
• 캐시 히트율
• API 할당량 사용량
• 소스별 오류율
• Rate limit 위반

🔒 보안

모범 사례

• 모든 API 키 Fernet으로 암호화
• XSS/SQL 인젝션 방지를 위한 입력 검증
• 남용 방지를 위한 rate limiting
• 민감한 데이터 없는 구조화된 로깅
• 정기적인 보안 업데이트

규정 준수

• PII 저장 없는 GDPR 준비
• 모든 검색에 대한 감사 추적
• 설정 가능한 데이터 보존
• API 사용량 추적

🧪 테스트

테스트 실행:

pytest tests/ -v --cov=src

🤝 기여

1. 저장소 포크
2. 기능 브랜치 생성 (git checkout -b feature/amazing)
3. 변경 사항 커밋 (git commit -m 'Add feature')
4. 브랜치에 푸시 (git push origin feature/amazing)
5. Pull Request 열기

📝 라이선스

MIT 라이선스 - 자세한 내용은 LICENSE 파일 참조

🙏 감사의 말

• FastMCP로 구축
• scholarly를 통한 Google Scholar 검색
• MCP 커뮤니티의 영감

⚠️ 중요 사항

API 제한

• Google Web Search: 100 쿼리/일 (무료 티어)
• YouTube API: 10,000 유닛/일 (약 100 검색)
• Google Scholar: 공식 API 없음, rate 제한 있음

프로덕션 고려사항

• 분산 배포를 위해 Redis 사용
• 적절한 API 키 로테이션 설정
• Rate limit 및 할당량 모니터링
• API 오류에 대한 알림 설정
• 정기적인 설정 백업

📞 지원

문제 및 질문:

• GitHub Issues: 이슈 생성
• Smithery 지원: 배포 관련 문제

---

MCP 커뮤니티를 위해 ❤️로 제작