JSONata로 더러운 API를 깔끔한 MCP 도구로 개선하기

(dev.to)

openapi-mcp-gateway는 JSONata를 활용해 복잡한 OpenAPI 명세를 LLM이 이해하기 쉬운 정제된 MCP 도구로 변환함으로써, AI 에이전트의 API 호출 정확도를 높이고 컨텍스트 효율성을 극대화하는 혁신적인 방법을 제시합니다.

이 글의 핵심 포인트

1openapi-mcp-gateway는 JSONata를 이용해 OpenAPI 스펙을 MCP 도구에 맞게 재구성함
2모델이 다루지 말아야 할 파라미터를 숨기거나 고정된 값으로 주입하여 오류 방지 가능
3$lookup 기능을 통해 사용자 친화적인 입력값을 실제 API 규격(Enum 등)으로 매핑 가능
4응답 데이터의 불필요한 필드를 제거하고 구조를 단순화하여 컨텍스트 토큰 절약 및 성능 향상
5별도의 코드 작성 없이 YAML 설정만으로 선언적(Declarative)인 도구 정의 및 배포 가능

이 글에 대한 공공지능 분석

왜 중요한가?

AI 에이전트가 외부 도구를 사용할 때 발생하는 '데이터 과부하'와 '파라미터 오용' 문제를 인프라 수준에서 해결하기 때문입니다. 이는 LLM의 추론 비용을 줄이고 실행 신뢰성을 높이는 핵심적인 기술적 진보입니다.

어떤 배경과 맥락이 있나?

최근 Anthropic의 MCP 등 AI 에이전트가 외부 API와 상호작용하는 표준화 노력이 이어지고 있으나, 기존 REST API의 복잡한 구조는 LLM에게 여전히 큰 인지적 부담을 줍니다. 이를 중간에서 변환해주는 '어댑터' 계층의 필요성이 대두되고 있습니다.

업계에 어떤 영향을 주나?

개발자는 별도의 래퍼 서비스(Wrapper Service)를 구축하고 배포할 필요 없이, YAML 설정만으로 고성능 AI 도구를 선언적으로 정의할 수 있습니다. 이는 에이전트 기반 워크플로우(Agentic Workflow)의 개발 속도를 비약적으로 높일 것입니다.

한국 시장에 어떤 시사점이 있나?

API 의존도가 높은 국내 SaaS 및 이커머스 기업들이 자사 데이터를 LLM 에이전트에 안전하고 효율적으로 노출하기 위한 'API 게이트웨이 전략'을 수립하는 데 중요한 기술적 벤치마킹 사례가 될 것입니다.

이 글에 대한 큐레이터 의견

openapi-mcp-gateway는 AI 에이전트 시대의 핵심 과제인 '데이터 정제(Data Shaping)' 문제를 인프라 수준에서 해결하려는 매우 영리한 접근입니다. 단순히 데이터를 전달하는 것을 넘어, LLM의 인지 부하를 줄이기 위해 API 인터페이스를 모델 친화적으로 재설계한다는 점은 에이전트 기반 서비스를 구축하는 스타트업들에게 실질적인 개발 가이드라인을 제공합니다.

하지만 모든 API에 이 방식을 적용하기에는 운영상의 트레이드오프가 존재합니다. JSONata 로직이 복잡해질수록 변환 계층 자체가 새로운 관리 포인트(Single Point of Failure)가 될 수 있으며, 원본 API 스펙의 변경과 변환 설정 간의 정합성을 유지하는 데 추가적인 공수가 발생할 수 있습니다. 따라서 초기에는 핵심 기능 위주로 적용하되, 점진적으로 확장하는 전략이 필요합니다.

원문 보기 →