MCP 툴
skope가 Model Context Protocol을 통해 Claude에게 노출하는 툴, 렌즈의 API 표면.
skope를 Claude에 연결하면 6개의 툴이 생깁니다. 툴은 Claude가 알아서 호출하므로, 당신은 그냥 Claude와 대화하면 됩니다. skope는 결정론적 원장(프로필, 중복 제거, 룰 스코어링, 읽음 로그, reachability 시드)을 소유하고, Claude는 능동적 수집(웹 검색)과 합성(인과 사슬 내러티브)을 맡습니다. 툴은 그 둘 사이의 경계입니다.
한눈에 보기
| 툴 | 역할 | 키 필요 |
|---|---|---|
show_profile | 현재 관심 프로필 읽기 | 아니오 |
update_profile | 축 / 유저 컨텍스트 upsert (페더레이션 진입점) | 아니오 |
ingest_news | 주 수집 경로, Claude가 검색하고 결과를 넘김 | 아니오 |
scan_news | 폴백 수집 경로, skope가 Tavily 호출 | Tavily 키 |
get_brief | 원장에서 2-레이어 브리프 조립 | 아니오 |
mark_read | 읽은 기사를 향후 브리프에서 제외 | 아니오 |
"오늘 내 뉴스 뭐야?" 한 턴의 전형적 흐름은 다음과 같습니다. show_profile → Claude가 축 전반에 걸쳐 쿼리를 생성 → Claude가 직접 웹을 검색 → ingest_news → get_brief.
show_profile
현재 프로필을 반환합니다. 아직 없으면 { configured: false }를 반환합니다.
파라미터: 없음.
반환: axes(id, label, 정규화된 weight, keywords), user_context(location, languages), last_scan. 프로필이 비어 있으면 update_profile로 셋업이 필요하다는 뜻입니다.
update_profile
관심 프로필을 upsert 합니다. 이것이 페더레이션 진입점입니다. firma, memex 같은 다른 툴을 당신이 직접 읽어서 그 결과를 여기에 넣습니다. skope는 그 툴들을 절대 호출하지 않으며, 프로필을 단일 진실 공급원(single source of truth)으로 소유합니다.
| 파라미터 | 타입 | 설명 |
|---|---|---|
axes | Axis[] (선택) | 현재 축 집합을 통째로 교체합니다. weight는 자동으로 합 1.0으로 정규화되고, 최대 6축으로 제한됩니다. |
user_context | object (선택) | { location: string, languages: string[] }. 지리적 reachability와 Tier-2 소스 선택을 좌우합니다. |
각 Axis는 { id, label, weight, keywords[], source? } 형태입니다. 원하는 전체 집합을 넘기십시오, update_profile은 축별 병합이 아니라 교체입니다.
프로필에는 최소 한 개의 축이 필요합니다. 빈 집합은 거부됩니다.
ingest_news
주 수집 경로이며 키가 필요 없습니다. 당신이 직접 웹을 검색하고 결과를 여기로 넘깁니다. 프로필 축에서 쿼리를 생성하고, 유저의 Tier-1/Tier-2 신뢰 매체와 last_scan 이후의 기사를 우선하십시오.
그러면 skope가 URL을 정규화하고, 각 소스에서 신뢰 티어를 도출하고, URL 해시(+ 같은 기사가 URL 파라미터 변형으로 다시 들어오는 것을 잡는 source+title 콘텐츠 키)로 중복을 제거하고, 프로필 대비 reachability를 룰로 스코어링한 뒤 원장에 영속화합니다.
| 파라미터 | 타입 | 설명 |
|---|---|---|
articles | Article[] | 당신이 수집한 웹 검색 결과입니다. 최소 1개. |
query_context | string (선택) | 무엇을 검색했는지, 감사 용도입니다. |
각 article의 필드는 다음과 같습니다.
| 필드 | 타입 | 설명 |
|---|---|---|
url | string (URL) | 실제 http(s) 링크여야 합니다. |
title | string | 비어 있으면 안 됩니다. |
snippet | string (선택) | 발췌 / 설명입니다. |
source | string | 발행처 도메인 또는 이름, 예: "reuters.com". |
published_at | string (선택) | 날짜 문자열이며 ISO-8601을 권장합니다. 베스트-에포트로 파싱하며, 잘못된 날짜는 필드만 버리고 기사는 버리지 않습니다. |
반환: { received, new, entered_radar, top[] }, 보낸 수, 신규 수, 레이더 진입 수, 임팩트 상위 5개를 반환합니다.
scan_news
폴백 수집 경로이며 Tavily API 키가 필요합니다. 자체 웹 검색 도구가 없거나, skope가 신뢰 도메인 화이트리스트와 5콜 예산을 강제하길 원할 때만 사용합니다. skope가 당신의 쿼리로 Tavily를 호출하고 Tier-1/2 화이트리스트를 주입한 뒤, ingest_news와 동일한 중복 제거/스코어/영속화 파이프라인을 돌립니다.
| 파라미터 | 타입 | 설명 |
|---|---|---|
queries | string[] | 의도별 검색 쿼리입니다. 최대 5개로 제한됩니다. |
time_range | string (선택) | 윈도우 힌트: 1d / 1w / 1m / 1y. 기본값은 1w입니다. |
키는 SKOPE_TAVILY_API_KEY 또는 skope config set tavily-key <key>(~/.skope/config.json에 기록)로 설정합니다. 키가 없으면 scan_news는 ingest_news로 안내하는 에러를 반환합니다.
get_brief
원장에서 2-레이어 브리프를 조립합니다. 웹 페치는 없습니다. 원장이 오래됐으면 먼저 ingest_news를 돌리십시오.
파라미터: 없음.
반환:
radar, 유저로 향하는 경로를 가진, reachability 스코어링된 기사들입니다. 각각impact.seeds(룰 매치 시드: 어떤 축, 어떤 엔티티, 매치 타입, 강도)를 들고 있습니다.world, 관련성과 무관하게 보여주는 글로벌 헤드라인 상위입니다.concentration, Effective-N 집중도 미터입니다.
인과 사슬 내러티브(예: brazil rate hike → USD strength → TSLA valuation)는 각 기사의 impact.seeds로부터 당신이 렌더링하고 산문으로 합성합니다. 그 내러티브를 원장에 다시 영속화하지 마십시오, skope는 결정론적 시드만 저장합니다.
mark_read
기사를 읽음으로 기록해 향후 브리프에서 결정론적으로 제외합니다.
| 파라미터 | 타입 | 설명 |
|---|---|---|
urls | string[] | 유저가 본/읽은 기사 URL입니다. 최소 1개. |
skope가 각 URL을 원장 키로 해싱합니다. 반환: { marked }.
왜 내장 페처가 아니라 ingest인가
skope의 결정론적 가치 (중복 제거, 신뢰 티어, 룰 스코어링, Effective-N, 원장) 는 페치 이후 기사 콘텐츠 위에서 계산됩니다. 그래서 누가 바이트를 가져왔는지는 중요하지 않습니다. 오케스트레이팅 LLM이 수집하게 두면(이미 웹 검색을 가지고 있으니) skope는 키 없이 마찰 없이 동작하며, 수집은 능동적, 원장은 결정론적이라는 원칙과 일치합니다. Tavily는 자체 웹 검색이 없거나 강제 화이트리스트/예산을 원하는 클라이언트를 위한 선택적 어댑터로 남습니다.