API to MCP

1) 빌드 경로 선택 (Visual Builder vs Agent Builder): 인증, 도구, 테스트 및 배포 설정을 직접 제어하려면 Visual Builder 대시보드를 사용하십시오. IDE 에이전트(Codex/Cursor/Claude Code 등)가 관리자 MCP를 통해 채팅에서 MCP 서버를 생성, 업데이트, 테스트, 배포 및 검사하도록 하려면 AI Agent Builder를 사용하십시오.

2) (Visual Builder) 대시보드에서 새 MCP 서버 프로젝트 생성: 안내 흐름에서 새 서버를 시작하십시오. 먼저 API 액세스를 구성한 다음 도구를 정의하고 테스트하고 배포합니다.

3) 업스트림 API 기본 URL 구성: MCP 도구로 노출하려는 REST 또는 GraphQL API 기본 URL(공개 SaaS, 내부 시스템 또는 공개 데이터 API)을 입력하십시오.

4) 업스트림 인증 선택 (API To MCP가 API를 호출하는 방법): API에 필요한 인증 모델을 선택하십시오: 인증 없음(공개 API), API 키(헤더 또는 쿼리 매개변수), 베어러 토큰, 기본 인증, OAuth 클라이언트 자격 증명(기계 간), 또는 OAuth 권한 부여 코드(직원/최종 사용자별 연결). 자격 증명 및 토큰은 저장 시 암호화되고 UI에서 마스킹됩니다.

5) MCP 액세스 모드 구성 (AI 클라이언트가 MCP 서버에 연결하는 방법): 업스트림 API 인증과 별도로 MCP 서버 액세스 정책을 선택하십시오: 공개(공개/에이전트 제공 업스트림 자격 증명), OAuth/베어러 토큰(MCP 연결 인증), 또는 클라이언트 토큰(필요할 때 추가 액세스 계층).

6) API 작업에서 MCP 도구 정의: API 도구(및 선택적으로 워크플로 도구)를 생성하십시오. 명확한 도구 이름/설명을 제공하고 입력 스키마(필수 vs 선택 필드, 유형)를 정의하십시오. 모델을 압도하지 않도록 노출된 도구 세트를 집중적으로 유지하십시오.

7) 도구 출력 형성 및 최소화 (선택 사항이지만 권장): JMESPath 출력 매핑을 사용하여 AI 클라이언트가 필요한 필드만 반환하여 응답을 간결하게 유지하고 모델이 추론하기 쉽게 만드십시오.

8) 빌더에서 도구 테스트 및 유효성 검사: 배포 전에 엔드포인트/도구 테스트를 실행하여 연결, 인증, 매개변수 추론, 응답 처리 및 오류 처리를 확인하십시오.

9) 호스팅된 MCP 서버 배포: 관리형 Streamable HTTP 런타임에 배포하여 프로덕션 MCP 엔드포인트 URL(예: https://your-subdomain.us-west.apitomcp.io/)을 얻으십시오.

10) OpenAI Responses API에서 MCP 서버 호출 (통합 테스트): 배포된 서버 URL을 가리키는 MCP 도구 정의와 함께 Responses API를 사용하고 allowed_tools를 통해 도구를 제한하십시오. 예: curl https://api.openai.com/v1/responses -H "Content-Type: application/json" -H "Authorization: Bearer $OPENAI_API_KEY" -d '{"model":"gpt-4o","input":[{"role":"user","content":[{"type":"input_text","text":"Show me the last 3 orders"}]}],"tools":[{"type":"mcp","server_url":"https://your-server.us-west.apitomcp.io/","allowed_tools":["get_orders"]}]}'

11) (선택 사항) 광범위한 도구 액세스 활성화 및 테스트를 위한 승인 건너뛰기: 제어된 테스트 환경에 적합한 경우 모든 도구를 허용하고 승인을 비활성화할 수 있습니다. 예시 패턴: tools: [{ type: "mcp", server_label: "your-server", server_url: "https://your-subdomain.us-west.apitomcp.io/", allowed_tools: "*", require_approval: "never" }].

12) MCP 서버 부하 테스트 (선택 사항): Apache Bench와 같은 도구를 사용하여 동시성/처리량을 테스트하십시오. 예: ab -n 100 -c 10 -T application/json -p test-payload.json https://your-server.us-west.apitomcp.io/ (여기서 test-payload.json은 MCP JSON-RPC 요청을 포함합니다).

13) (Agent Builder) 관리자 MCP를 코딩 에이전트에 연결: API To MCP 관리자 서버 URL을 MCP 지원 에이전트에 추가하십시오: https://mcp.apitomcp.io/ 및 범위가 지정된 관리자 토큰을 생성하십시오.

14) (Agent Builder) 에이전트에게 MCP 서버 생성 및 반복 지시: 에이전트에게 구축할 내용(API 기본 URL, 인증 모델, 원하는 도구, 출력 형성, 테스트)을 프롬프트하십시오. 예시 프롬프트: “각 직원이 자신의 계정을 연결할 수 있도록 OAuth 권한 부여 코드를 사용하여 내부 지원 플랫폼용 MCP 서버를 생성하십시오. 티켓 조회 및 워크플로 도구를 추가하고 테스트한 다음 MCP URL을 반환하십시오.”

15) 배포된 MCP URL을 선호하는 MCP 클라이언트에 연결: 호스팅된 원격 HTTP MCP 엔드포인트를 MCP 지원 클라이언트(ChatGPT, Claude, Codex, Cursor, Claude Code, VS Code 또는 사용자 지정 에이전트)와 함께 사용하십시오. stdio를 선호하는 데스크톱 클라이언트의 경우 필요할 때 mcp-remote와 같은 HTTP-to-stdio 브리지를 사용하십시오.