Charlie Zhang 2025년 9월 3일 Protobuf로 gRPC·REST API·OpenAPI 통합하기 이번 블로그 시리즈에서는 유용한 툴을 제공하는 MCP(Model Context Protocol) 서버를 구축하는 방법을 살펴봅니다. 처음부터 새로 만드는 대신, 기존 Protocol Buffers(Protobuf)와 Google의 gRPC Transcoding을 활용합니다. 커스텀 protoc(Protocol Buffer 컴파일러) 플러그인을 만들면 MCP 서버를 자동으로 생성할 수 있습니다. 이를 통해 gRPC 서비스, OpenAPI 스펙, REST API, MCP 서버를 하나의 소스에서 통합적으로 생성할 수 있습니다. 이 시리즈는 총 4편으로 구성됩니다: Part 1 (이번 글)...

Charlie Zhang 2025년 9월 30일 이 블로그 시리즈에서는 유용한 도구를 제공하는 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 서버를 구축하는 방법을 설명합니다. 처음부터 새로 구현하는 대신 기존 프로토콜 버퍼(Protocol Buffers, Protobuf)와 Google의 gRPC 트랜스코딩을 활용합니다. 맞춤형 protoc(프로토콜 버퍼 컴파일러) 플러그인을 생성해 MCP 서버를 자동으로 생성할 수 있습니다. 이 통합 접근 방식을 사용하면 하나의 소스에서 gRPC 서비스, OpenAPI 사양, REST API 및 MCP 서버를 생성할 수 있습니다. 이 블로그 시리즈는 4개 글로 구성되어 있습니다. 1부: gRPC 트랜스코딩을 사용하여 Protobuf에서...

작성자: Charlie Zhang 게시일: 2025년 10월 11일 이 블로그 시리즈에서는 유용한 도구로 구성된 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 서버를 구축하는 방법을 살펴봤습니다. 처음부터 새로 만드는 대신 기존 프로토콜 버퍼(Protocol Buffers, Protobuf)와 Google의 gRPC 트랜스코딩을 활용하고, 맞춤형 protoc 플러그인으로 MCP 서버 생성을 자동화했습니다. 이를 통해 gRPC 서비스, OpenAPI 사양, REST API, MCP 서버를 모두 동일한 소스에서 생성할 수 있었습니다. 이번 4부에서는 자동 생성된 MCP 도구를 실제 AI 에이전트와 함께 테스트하며 확인한 한계와 설계 원칙을 설명합니다. 도구 수, 입력 구조, 응답...

Charlie Zhang 2025년 9월 3일 이 블로그 시리즈에서는 유용한 도구를 갖춘 모델 컨텍스트 프로토콜(Model Context Protocol, MCP) 서버를 구축하는 방법을 설명합니다. 1부에서는 처음부터 새로 구현하는 대신, 기존 Protocol Buffers(Protobuf)와 Google의 gRPC 트랜스코딩을 활용해 REST API와 OpenAPI 사양을 생성합니다. 이후 맞춤형 protoc(Protocol Buffers 컴파일러) 플러그인으로 MCP 서버 생성을 자동화하여 gRPC 서비스, REST API, OpenAPI 사양 및 MCP 서버를 동일한 소스에서 생성하는 기반을 마련합니다. MCP 서버 구축 시리즈 구성 1부: (본 기사) gRPC 트랜스코딩을 사용하여...

Charlie Zhang 2025년 9월 21일 이 블로그 시리즈에서는 유용한 도구들로 가득 찬 MCP ( Model Context Protocol) 서버를 구축하는 방법을 보여드립니다. 처음부터 시작하는 대신, 기존의 프로토콜 버퍼와 Google의 gRPC 트랜스코딩을 활용할 것입니다. 맞춤형 protoc (프로토콜 버퍼 컴파일러) 플러그인을 생성하여 MCP 서버를 자동으로 생성할 수 있습니다. 이 통합된 접근 방식을 통해 gRPC 서비스, OpenAPI 사양, REST API 및 MCP 서버를 모두 동일한 소스에서 생성할 수 있습니다. 이 블로그 시리즈는 4편으로 구성되어 있습니다 1부: gRPC 트랜스코딩을 사용하여 Protobuf에서 REST API 생성하기 2부: (본 기사) Protoc...

In the process to test our auto-generated MCP tools, we discovered critical limitations. This article shares practical insights from running MCP tools with real AI Agents.

In Parts 1 and 2, we built a unified generation pipeline where one proto file produced gRPC services, REST endpoints, OpenAPI specs, and an MCP server. Everything worked technically, the tools existed and could be called. But when we began testing with AI Agents, we discovered a critical bottleneck: the AI frequently failed to choose the right tool or collect the required parameters correctly.

In Part 1, we demonstrated how gRPC transcoding can unify gRPC and REST API definitions. This article takes the next step, showing how to generate an MCP server and its tools from the same Protobuf file that defines those API endpoints.

This article explains how to generate REST APIs from Protobuf using gRPC transcoding. It introduces the basic process and tools needed to expose gRPC services as RESTful endpoints. This is the foundation for building an MCP server, which will be covered in the next part.