AI 에이전트와 MCP 서버를 활용한 다이소 &올리브영 주변 매장 찾기 재고 조회 웹서비스.
챗봇은 답을 말하고,
에이전트는 일을 끝냅니다.
기존 LLM 챗봇은 화면 안에서 대화만 합니다. 사용자가 파일을 찾고, 메일을 확인하고, 피그마를 열고, 깃허브 저장소를 관리하는 일은 여전히 사람의 몫입니다.
Codex 같은 AI 에이전트는 다릅니다. 작업 폴더, GitHub, Figma, Gmail, Notion, 보안 도구, 개발 환경을 한 흐름으로 연결해 “무엇을 해야 하는지”를 실제 작업으로 바꿉니다.
MCP 서버는 AI가 외부 서비스를 쓰게 해주는 연결 창구입니다.
사람은 웹사이트 버튼을 누르지만, AI는 버튼을 직접 이해하지 못합니다. MCP 서버는 “매장 검색”, “재고 조회”, “상품 정보 확인” 같은 기능을 AI가 호출할 수 있는 도구 목록으로 정리해 줍니다.
그래서 Codex는 다이소와 올리브영 서버를 직접 외우는 것이 아니라, MCP 서버를 통해 필요한 기능을 안전한 규칙으로 요청합니다. 마치 번역가가 사람 말과 서비스 API 사이를 이어 주는 것과 비슷합니다.
기획서를 먼저 읽고,
범위 안에서 구현합니다.
Codex는 바로 코드를 쓰기보다 먼저 프로젝트 기획서와 화면 구성 의도를 확인합니다. 어떤 사용자를 위한 서비스인지, 어떤 기능이 핵심인지, 어디까지 만들고 어디부터는 넘기지 말아야 하는지를 먼저 정리합니다.
그 다음 저장소 구조와 현재 화면을 비교하면서 필요한 작업만 단계로 나눕니다. 기획서의 범위를 벗어나는 기능을 마음대로 늘리지 않고, 지도·브랜드 선택·재고 조회처럼 약속된 흐름을 기준으로 구현과 검수를 반복합니다.
환경만 연결하면,
Codex가 결과물까지 밀고 갑니다.
기존 챗봇과 일할 때는 답변을 복사하고, IDE를 열고, 오류를 직접 확인하고, 다시 물어보는 검수와 디버그 과정이 계속 필요했습니다.
Codex는 작업 폴더, GitHub, 배포 환경, MCP 서버 같은 주변 환경을 연결하면 사용자가 원하는 결과를 향해 스스로 단계를 나눕니다. 문제를 추론하고, 파일을 수정하고, 동작을 확인하며 사용자가 쓰기 편한 서비스 형태로 정리합니다.