시작하기¶
synapse-mcp 는 Synapse(ML 데이터 · 어노테이션 플랫폼)를 Claude · ChatGPT 같은 AI 앱에서 자연어로 쓰게 해주는 원격 MCP(Model Context Protocol) 서버입니다. 설치할 것은 없습니다 — 앱에 커넥터 URL 을 추가하고 Synapse 계정으로 로그인하면, "라벨링 진행률 보여줘", "이 프로젝트에서 '차량' 클래스가 들어간 작업 찾아줘" 같은 요청을 AI 가 도구 호출로 수행합니다.
연결하기¶
환경마다 커넥터 URL 이 다릅니다 (한 서버는 한 환경에 고정됩니다).
| 환경 | 커넥터 URL |
|---|---|
| test | https://mcp.test.synapse.sh/mcp |
| production | https://mcp.synapse.sh/mcp (별도 배포) |
Claude (claude.ai / Desktop) — Settings → Connectors → Add custom connector 에 URL 을 입력합니다. 연결 시 표준 OAuth 로그인 화면이 뜨고, Synapse 계정으로 로그인하면 끝입니다. API 키를 복사해 넣을 필요가 없습니다.
ChatGPT (Apps) — Developer mode 에서 같은 URL 로 앱을 추가합니다.
첫 대화 — 워크스페이스 선택¶
Synapse 의 모든 리소스는 워크스페이스 소유이므로, 로그인 후 워크스페이스를 먼저 선택해야 기능을 쓸 수 있습니다. 선택 전에 기능을 요청하면 서버가 워크스페이스 목록과 함께 선택을 안내합니다.
flowchart LR
A[커넥터 추가] --> B[OAuth 로그인]
B --> C["워크스페이스 선택<br/>(list_workspaces → select_workspace)"]
C --> D[모든 기능 사용 가능]
자연어로는 이렇게 시작하면 됩니다:
"내 워크스페이스 목록 보여주고, 데이터메이커 워크스페이스로 선택해줘."
자세한 도구는 🔑 계정 · 워크스페이스를 보세요.
무엇을 할 수 있나 — 두 가지 흐름¶
Synapse 는 두 축으로 이루어져 있고, synapse-mcp 의 도구도 이 축을 따라 구성됩니다.
- 🏭 데이터 라벨링 (Workforce) — 데이터를 올리고, 작업으로 만들어 작업자에게 할당하고, 검수해서 정답 후보를 만듭니다. → 데이터 준비 · 프로젝트 · 라벨링 · 워크샵 · 할당 · 검수 · 현황 · 통계 · 게시판
- 🧠 모델 만들기 (ML) — 라벨링이 끝난 데이터를 학습데이터로 얼리고, 실험 · 학습으로 모델을 만듭니다. → 학습데이터(정답셋) · 실험 · 모델 · 추론
두 축이 어떻게 이어지는지(그리고 왜 이 구분이 중요한지)는 Synapse 온톨로지에, 80개 도구 전체는 전체 도구 카탈로그에 정리돼 있습니다.
안전 모델 — 실수로 지워지지 않습니다¶
무언가를 만들거나 바꾸거나 지우는 도구는 모두 2단계로 동작합니다.
- 미리보기(dry-run) — 기본 호출은 검증과 미리보기만 하고 아무것도 바꾸지 않습니다.
- 확정(confirm) — 미리보기를 확인한 뒤
confirm=true로 다시 호출해야 실제로 적용됩니다.
삭제처럼 특히 위험한 도구는 대상의 이름을 정확히 재확인하도록 요구하기도 합니다. AI 가 "미리보기입니다, 진행할까요?" 라고 묻는 것이 정상 동작입니다.
로컬 파일 업로드
원격 서버는 사용자 PC 의 파일 바이트를 직접 받지 않습니다. 업로드는 서버가 발급한 presigned URL 로 호스트가 직접 올리는 2단계 흐름입니다 — 데이터 준비 · 업로드 참조.
응답 스타일¶
도구 응답은 JSON 덤프가 아니라 요약된 표 · Markdown 입니다. 큰 결과는 잘라서 보여주되 "어디까지 보여줬고 다음은 어떻게 이어보는지"를 정직하게 안내합니다(커서 페이지네이션).