What is Smithery?
정교한 AI 에이전트를 구축하려면 다양한 외부 도구 및 데이터 소스에 연결해야 하는 경우가 많습니다. 이러한 통합을 관리하는 것은 빠르게 복잡해질 수 있으며, 각 연결마다 사용자 지정 코드가 필요하고 시스템이 파편화되어 유지 관리가 어려워질 수 있습니다. Smithery는 에이전트 기반 AI를 사용하는 개발자를 위해 이 프로세스를 간소화하는 전용 플랫폼을 제공합니다. 당사는 특히 <강조>에이전트 서비스강조>를 위한 중앙 레지스트리 및 호스팅 솔루션을 제공합니다. 에이전트 서비스는 <강조>Model Context Protocol (MCP)강조>을 사용하여 언어 모델 에이전트와 원활하게 통신하도록 설계된 서버입니다. 당사의 목표는 이러한 필수 서비스를 검색 가능하고 표준화되며 배포하기 쉽게 만들어 에이전트 기반 AI 개발을 가속화하는 것입니다.
주요 기능
🔍 에이전트 서비스 검색: 당사의 중앙 집중식 레지스트리를 통해 AI 애플리케이션에 적합한 MCP 서버를 찾으십시오. Registry API (
GET /servers)를 사용하여 플랫폼을 탐색하거나 프로그래밍 방식으로 검색할 수 있으며, 시맨틱 검색 및 특정 필터 (예:owner:,repo:,is:deployed)를 활용하여 필요한 서비스를 정확히 찾아낼 수 있습니다. 각 목록은 설명, 엔드포인트, 사용량 지표와 같은 세부 정보를 제공합니다.🚀 MCP 서버 배포 및 호스팅: 자체 에이전트 서비스를 커뮤니티와 쉽게 공유하십시오. Smithery를 사용하면 표준 입력/출력 (STDIO) MCP 서버를 배포하여 WebSocket 연결을 통해 호스팅할 수 있습니다. 이를 통해 사용자 테스트를 위한 자동 플레이그라운드 생성, 검색 결과에서 가시성 향상, 로컬 설치 없이 사용자가 간편하게 액세스할 수 있는 등의 이점을 얻을 수 있습니다. 배포는 서버리스 환경에서 실행됩니다.
🧩 MCP와 원활하게 통합: LLM을 외부 도구 및 데이터와 연결하기 위한 개방형 표준인 Model Context Protocol (MCP)을 활용하십시오. Smithery에 등록된 MCP 서버를 사용하면 각 데이터 소스 또는 도구에 대한 사용자 지정 통합 코드가 필요하지 않습니다. 이 표준화된 접근 방식을 통해 지능형 IDE, 채팅 인터페이스 및 사용자 지정 AI 워크플로와 같은 에이전트를 보다 간단하게 구축하고 유지 관리할 수 있습니다.
⚙️ 구성 및 연결 표준화: 일관된 인터페이스를 통해 다양한 MCP 서버와 상호 작용하십시오. Smithery는 서버 작성자가 제공하는 JSON 스키마 (
configSchema)를 활용하여 연결에 필요한 구성을 정의합니다. WebSocket (wss://server.smithery.ai/${qualifiedName}/ws?config=${base64encode(config)}) 또는 기타 방법을 통해 연결하든 필요한 매개 변수를 미리 이해할 수 있습니다.
사용 사례
실시간 데이터로 AI 어시스턴트 기능 강화: 현재 날씨 정보에 액세스해야 하는 AI 어시스턴트를 개발 중입니다. 사용자 지정 API 래퍼를 구축하는 대신 API (
GET /servers?q=weather)를 사용하여 Smithery 레지스트리에서 날씨 데이터를 제공하는 MCP 서버를 검색합니다. 세부 정보 (GET /servers/{qualifiedName})를 검색하고 필요한 구성 스키마를 기록한 다음 제공된 WebSocket URL을 통해 연결하여 MCP 클라이언트 라이브러리를 사용하여 에이전트에 통합합니다.사용자 지정 내부 도구 공유: 귀사 팀은 LLM 에이전트가 MCP 인터페이스를 통해 회사 문서 데이터베이스를 쿼리할 수 있도록 하는 내부 서비스를 구축했습니다. 회사 내 다른 개발자 및 에이전트가 액세스할 수 있도록 서버를 Smithery에 추가하고 배포 기능을 사용합니다. Smithery는 서버를 호스팅하고 안정적인 WebSocket 엔드포인트를 제공하며 레지스트리를 통해 검색 가능하도록 하여 다양한 프로젝트에서 도입을 간소화합니다.
다중 도구 에이전트 워크플로 구축: 학술 논문을 가져오고, 웹 콘텐츠를 요약하고, 인용을 관리해야 하는 연구 에이전트를 구축하고 있습니다. Smithery를 사용하여 각 작업(예: arXiv 검색 서버, 웹 스크래핑/요약 서버, Zotero/서지 서버)을 전문으로 하는 개별 MCP 서버를 검색합니다. 모두 MCP 표준을 준수하므로 이러한 다양한 도구를 에이전트에 통합하는 것이 서로 다른 API를 처리하는 것보다 훨씬 관리하기 쉬워집니다.
결론
Smithery는 에이전트 기반 AI로 구축하는 개발자를 위한 필수 허브 역할을 합니다. MCP 서버를 검색하기 위한 중앙 집중식 레지스트리를 제공하고 간소화된 배포 및 호스팅을 제공함으로써 LLM 에이전트를 필요한 도구 및 데이터에 연결하는 프로세스를 단순화합니다. Smithery를 통해 Model Context Protocol을 채택하면 상용구 통합 코드에 소요되는 시간을 줄이고 지능적이고 유능한 AI 애플리케이션 구축에 더 집중할 수 있습니다. 레지스트리를 탐색하여 기존 서비스를 찾거나 직접 배포하여 성장하는 생태계에 기여하십시오.





