AlgoKit-mcp

AI 에이전트와 함께하는 알고리즘 학습 MCP 툴킷 (백준, 프로그래머스 지원)

AI 기반 힌트 생성, 문제 분석, 복습 템플릿 제공으로 효율적인 알고리즘 학습을 지원합니다.

주요 기능

• 🔍 문제 검색: 난이도, 태그, 키워드로 문제 검색
• 💡 단계별 힌트: Level 1~3 단계별 맞춤 힌트 생성
• 📊 문제 분석: 알고리즘 분류, 난이도 분석, 학습 가이드
• 📝 복습 템플릿: 자동 생성되는 마크다운 복습 문서
• 🧪 코드 분석: 제출 코드의 시간/공간 복잡도 분석 및 개선 제안

플랫폼별 설정 경로

| 항목 | Claude Code | Codex | Gemini CLI | |------|-------------|-------|------------| | Skills 기능명 | Skills | Agent Skills | Agent Skills | | Skills 호출 | /skill-name | $skill-name or 자동 | 모델 자율 판단 | | MCP 설정 (프로젝트) | .mcp.json | .codex/config.toml | .gemini/settings.json | | MCP 설정 (전역) | ~/.claude.json | ~/.codex/config.toml | ~/.gemini/settings.json | | Skills (프로젝트) | .claude/skills/ | .codex/skills/ | .gemini/skills/ | | Skills (전역) | ~/.claude/skills/ | ~/.codex/skills/ | ~/.gemini/skills/ |

Skills는 MCP 서버 첫 기동 시 감지된 플랫폼에 자동 설치됩니다.

설치

Skills 자동 설치: MCP 서버 첫 기동 시 설치된 AI 에이전트를 자동으로 감지하여 Skills를 설치합니다.

Claude Code

자동 설치

# 전역 설정 (모든 프로젝트에서 사용)
claude mcp add --scope user algokit -- npx -y algokit-mcp@latest

# 프로젝트 설정 (.mcp.json 생성)
claude mcp add --scope project algokit -- npx -y algokit-mcp@latest

수동 설치

~/.claude.json (전역) 편집:

{
  "mcpServers": {
    "algokit": {
      "command": "npx",
      "args": ["-y", "algokit-mcp@latest"]
    }
  }
}

또는 프로젝트 루트에 .mcp.json 생성 (예시):

{
  "mcpServers": {
    "algokit": {
      "command": "npx",
      "args": ["-y", "algokit-mcp@latest"]
    }
  }
}

Skills 위치

| 등록 방식 | Skills 위치 | |----------|------------| | --scope user (전역) | ~/.claude/skills/ | | --scope project (.mcp.json 있음) | <프로젝트>/.claude/skills/ |

Codex

자동 설치

# 전역 설치
codex mcp add algokit -- npx -y algokit-mcp@latest

수동 설치

~/.codex/config.toml (전역) 또는 .codex/config.toml (프로젝트) 편집 (예시):

[mcp.servers.algokit]
command = "npx"
args = ["-y", "algokit-mcp@latest"]

Skills 위치

| 등록 방식 | Skills 위치 | |----------|------------| | 프로젝트 (.codex/ 있음) | <프로젝트>/.codex/skills/ | | 전역 (~/.codex/ 있음) | ~/.codex/skills/ |

Gemini CLI

자동 설치

# 전역 설치
gemini mcp add algokit -- npx -y algokit-mcp@latest

수동 설치

~/.gemini/settings.json (전역) 또는 .gemini/settings.json (프로젝트) 편집 (예시):

{
  "mcpServers": {
    "algokit": {
      "command": "npx",
      "args": ["-y", "algokit-mcp@latest"]
    }
  }
}

Skills 위치

| 등록 방식 | Skills 위치 | |----------|------------| | 프로젝트 (.gemini/ 있음) | <프로젝트>/.gemini/skills/ | | 전역 (~/.gemini/ 있음) | ~/.gemini/skills/ |

MCP 도구

백준 (BOJ)

| 도구 | 설명 | |------|------| | search_problems_boj | 문제 검색 (티어, 태그, 키워드) | | get_problem_boj | 문제 상세 조회 | | search_tags_boj | 알고리즘 태그 검색 | | fetch_problem_content_boj | 문제 본문 스크래핑 | | analyze_problem_boj | 문제 분석 및 힌트 가이드 | | generate_hint_boj | 3단계 힌트 생성 | | generate_review_template_boj | 복습 템플릿 생성 | | analyze_code_submission_boj | 코드 분석 및 피드백 |

프로그래머스 (Programmers)

| 도구 | 설명 | |------|------| | search_problems_programmers | 문제 검색 (난이도, 카테고리) | | get_problem_programmers | 문제 상세 조회 | | fetch_problem_content_programmers | 문제 본문 스크래핑 | | analyze_problem_programmers | 문제 분석 | | generate_hint_programmers | 힌트 생성 | | generate_review_template_programmers | 복습 템플릿 | | analyze_code_submission_programmers | 코드 분석 |

Skills

Skill 이름: algo: (BOJ/프로그래머스 자동 선택)

Claude Code, Codex, Gemini CLI 모두 동일한 algo: Skills를 지원합니다. MCP 서버 첫 기동 시 감지된 에이전트에 자동으로 설치되며, 수동으로도 설치할 수 있습니다.

수동 설치

# Claude Code
cp -r skills/* ~/.claude/skills/          # 전역
cp -r skills/* .claude/skills/            # 프로젝트

# Codex
cp -r skills/* ~/.codex/skills/           # 전역
cp -r skills/* .codex/skills/             # 프로젝트

# Gemini CLI
cp -r skills/* ~/.gemini/skills/          # 전역
cp -r skills/* .gemini/skills/            # 프로젝트

사용 예시

algo:search - 문제 검색

You: "골드 난이도 DP 문제 추천해줘"

Claude: "백준에서 골드 티어의 DP 문제를 검색했습니다.

**추천 문제 3개:**
1. 🥇 [G5] 12865번 - 평범한 배낭 (✅ 16,234명)
2. 🥇 [G4] 9251번 - LCS (✅ 13,892명)
3. 🥇 [G3] 1932번 - 정수 삼각형 (✅ 18,234명)

어떤 문제부터 시작하시겠어요?"

You: "https://www.acmicpc.net/problem/1927"

Claude: "백준 1927번 '최소 힙' 문제를 조회했습니다.

**문제 정보:**
- 난이도: 🥈 Silver I
- 분류: 자료구조, 우선순위 큐
- 해결: 28,456명 | 정답률: 47.2%

본문을 보시겠어요? (/algo:fetch)"

algo:hint - 단계별 힌트

You: "1927번 힌트 줘"

Claude: "**💡 Level 1 힌트 (접근 방향)**

이 문제는 **우선순위 큐(Priority Queue)** 자료구조를 사용합니다.
Python의 `heapq` 모듈 또는 C++의 `priority_queue`를 활용하면
O(log N) 시간에 최솟값을 찾을 수 있어요.

더 구체적인 힌트가 필요하신가요?"

You: "더 구체적으로 알려줘"

Claude: "**💡 Level 2 힌트 (구현 방법)**

1. **최소 힙** 사용 (Python: heapq, C++: priority_queue<int, greater<int>>)
2. x가 0이 아니면 → `heappush(x)`
3. x가 0이면 → `heappop()` (빈 경우 0 출력)

시간복잡도: O(N log N)
공간복잡도: O(N)

코드 예시를 보시겠어요? (/algo:hint 정답)"

algo:code-review - 코드 분석

You: "1927번 내 코드 분석해줘"
You: [Python 코드 붙여넣기]

Claude: "코드를 분석했습니다! ✨

**✅ 좋은 점:**
- heapq 모듈을 올바르게 사용
- 시간복잡도 O(N log N) 달성

**⚠️ 개선 가능:**
1. `sys.stdin.readline()` 사용 → 입력 속도 개선 (30% 빠름)
2. 빈 힙 체크를 `if heap:` 대신 `if len(heap):`로 명시

**예상 성능:**
- 현재: 약 300ms
- 개선 후: 약 200ms

수정 코드를 보여드릴까요?"

algo:review - 복습 템플릿

You: "1927번 복습 문서 만들어줘"

Claude: "복습 템플릿을 생성했습니다! 📝

# 백준 1927번 - 최소 힙

## 문제 요약
최솟값을 빠르게 찾는 자료구조 구현

## 핵심 알고리즘
- **우선순위 큐** (최소 힙)
- 삽입: O(log N), 삭제: O(log N)

## 풀이 과정
1. heapq 모듈 import
2. 입력에 따라 push/pop 수행
...

이 템플릿을 파일로 저장하시겠어요?"

학습 워크플로우

새 문제 접근하기

1. You: "골드 3~5 DP 문제 추천"
   → Claude: [문제 3개 추천]

2. You: "1932번 본문 보여줘"
   → Claude: [문제 본문 표시]

3. You: "힌트 줘"
   → Claude: [Level 1 힌트]

4. You: "더 구체적으로"
   → Claude: [Level 2 힌트]

풀이 후 복습하기

1. You: "1932번 내 코드 분석해줘" + [코드]
   → Claude: [시간복잡도, 개선점 제시]

2. You: "복습 문서 만들어줘"
   → Claude: [마크다운 템플릿 생성]

사용 방법

일반 사용 (자연스러운 대화)

You: "골드 DP 문제 추천해줘"
→ Claude가 맥락 파악 → MCP 도구 자동 호출 → 결과 제공

Skill 사용 (명시적 호출, 권장)

You: "/algo:search 골드 DP 문제 추천해줘"
→ Skill이 의도 명확히 파악 → 더 정확한 MCP 도구 선택

차이점: 둘 다 MCP 도구를 호출하지만, Skill 사용 시 더 명시적이고 정확한 응답을 받을 수 있습니다.

개발

빌드 및 테스트

# 의존성 설치
npm install

# 빌드
npm run build

# 테스트
npm test

# 개발 모드
npm run dev

프로젝트 구조

src/
├── api/           # solved.ac API, BOJ/프로그래머스 scrapping
├── tools/         # MCP 도구 (15개)
├── services/      # 비즈니스 로직
├── prompts/       # 힌트 가이드 프롬프트
└── utils/         # 유틸리티 (캐싱, Rate Limiting)

기술 스택

• Runtime: Node.js (>=18.0.0)
• Language: TypeScript 5.9
• MCP SDK: @modelcontextprotocol/sdk v1.26.0
• Validation: Zod
• Testing: Vitest

라이선스

MIT

GitHub • Issues • NPM