Entity Enricher는 /api/mcp에 임베디드 Model Context Protocol 서버를 제공합니다 — 스키마 목록 조회, 엔터티 강화, 결과 검토, 분류 경고 해결을 모두 하나의 Claude 채팅 안에서 처리합니다. 워크플로 편집기가 필요 없습니다.
형태가 다르면 사용 사례도 다릅니다. n8n과 Make 커넥터는 워크플로우 자동화를 위해 API를 감쌉니다: 트리거, 예약 실행, 다단계 파이프라인, 지속 상태. MCP는 대화형 채팅을 위해 감쌉니다: 즉석 질문, 탐색적 보강, 후속 명확화. 워크플로우는 배치 형태이고 채팅은 대화 형태입니다 — 표면이 다르고 UX도 다릅니다.
MCP만이 잠금 해제하는 킬러 기능: 대화형 분류 재개. 사전 점검 분류기가 엔터티를 거부하면(예: Planet 스키마에 대해 "Titan"을 보강하도록 요청했지만 Titan은 위성인 경우), n8n/Make는 비대화형이므로 자동으로 취소해야 합니다. MCP는 경고를 Claude에 표시하고, Claude가 확인을 요청하며, "예"라고 하면 분류기 없이 도구가 다시 실행됩니다. 파이프라인 중간 실패도, 처음부터 다시 실행할 필요도 없습니다.
claude.ai, Claude Code, Cursor, 그리고 표준 OAuth 흐름을 지원하는 모든 MCP 클라이언트에 사용합니다. 생성하거나 붙여넣을 API 키가 없으며, 클라이언트가 인증 서버를 자동으로 검색합니다.
https://entityenricher.ai/api/mcp/입니다.대화형 로그인이 아니라 JSON 파일로 구성하는 클라이언트(Claude Desktop, Continue, Zed)에 사용합니다.
ent_… 값을 복사하세요. 한 번만 표시됩니다.Claude Desktop의 경우 ~/Library/Application Support/Claude/claude_desktop_config.json(macOS) 또는 %APPDATA%\Claude\claude_desktop_config.json(Windows)을 편집하세요:
{
"mcpServers": {
"entityenricher": {
"url": "https://entityenricher.ai/api/mcp/",
"headers": { "X-API-Key": "ent_your_key_here" }
}
}
}Claude Desktop을 다시 시작하세요. 동일한 스니펫이 Claude Code, Cursor, Continue, Zed 등 모든 MCP 호환 클라이언트에서 작동합니다.
새 채팅에서: "내 Entity Enricher 스키마를 나열한 다음, Claude Sonnet을 사용하여 제약회사 스키마에 대해 Sanofi를 강화하세요." Claude는 도구를 자동으로 발견하고 올바른 도구를 선택하며, 모델과 스키마 선택을 확인하도록 요청한 후 결과를 인라인으로 스트리밍합니다.
54개 도구가 보강, 스키마 작성, Database Sync, 시맨틱 ID 어휘 영역 전체를 다룹니다. 동작은 각 도구가 감싸는 REST 엔드포인트와 완전히 동일하며(동일한 검증, 과금, 플랜 제한), 웹 UI에 수정이 적용되면 MCP에도 그대로 반영됩니다. 오래 걸리는 작업(배치 보강, 샘플 생성, 벤치마크 실행)은 비동기로 처리됩니다. 시작 도구가 job_id를 반환하면 Claude가 get_job_status를 폴링하고, 작업이 완료되면 레코드에 저장된 결과를 가져옵니다.
| 범주 | 도구 | 설명 |
|---|---|---|
| 검색 | list_models | 모델 키, 명목상 기능, 자동 선택된 기본값, 요금제의 profile_limits를 나열합니다. 자동 선택을 권장합니다. 사용 가능하다고 해서 모든 제공업체 할당량이나 결합된 미디어/도구 모드가 보장되는 것은 아닙니다. |
| 스키마 | list_schemas | 조직에 저장된 JSON 스키마를 고정된 항목 순으로 나열합니다. |
| 스키마 | get_schema | UUID로 스키마의 전체 콘텐츠를 가져옵니다. |
| 스키마 | generate_sample | 하나의 작업에서 편집 가능한 1..N개의 샘플 계약서를 생성합니다(첫 번째는 필드 세트를 정의하고, 나머지는 동일한 필드를 사용하는 빠른 인스턴스 변형입니다). 지식 모드(첨부파일 없음, 선택적 웹 검색) 또는 소스 모드(첨부파일이 기준이 되며 플래너가 질문할 수 있음)로 실행됩니다. 스키마를 생성하기 전에 중요한 편집 사항을 사용자와 함께 검토하세요. |
| 스키마 | create_schema_from_sample | entity_samples(하나의 엔티티 유형에 대한 1..N개의 샘플 — 필드의 합집합, 누락 시 nullable, 실제 관찰된 예시), sample_record_id, 또는 편집된 데이터와 해당 레코드에 연결된 첨부파일로부터 스키마를 생성하고 자동 저장합니다. 시맨틱 ID는 선택 사항이며, 제안 사항은 검토를 거치고 자동으로 적용되지 않습니다. |
| 스키마 | save_schema | Claude가 직접 작성한 스키마를 저장합니다 — LLM 호출 없음, 비용 없음, 서버 측에서 검증됩니다. |
| 스키마 | update_schema | LLM 호출 없이 저장된 스키마의 이름 변경, 내용 교체, 태그 재지정, 고정 또는 모호성 검사 켜기/끄기를 수행합니다. |
| 스키마 | get_schema_part | 전체 문서를 불러오지 않고 스키마의 일부만 읽습니다: 명명된 타입 인덱스, $defs/$enums 정의, 객체 하위 트리, 또는 관계와 플래그가 포함된 개별 속성 카드. |
| 스키마 | update_schema_property | 경로로 속성 하나를 수정 — 이름 변경, 타입 또는 $ref, 설명, 예시, 플래그 — 하거나 삭제합니다. 서버 측 검증이 적용되며, 전체 문서를 주고받을 필요가 없습니다. |
| 스키마 | add_schema_property | 루트, 중첩 객체 또는 $defs 타입에 스칼라, 중첩 객체 또는 $ref 속성을 추가합니다. |
| 스키마 | move_schema_property | 속성 하나를 다른 컨테이너(루트, 중첩 객체 또는 $defs 타입)로 이동하며 플래그와 전문 분야는 그대로 유지합니다. |
| 스키마 | publish_schema | 연결된 스키마의 작업 사본을, 강화와 해당 database sync가 실행 기준으로 삼는 계약으로 게시합니다. 구조적 편집은 여기서만 적용되며, 새로 연결된 sync는 스키마의 첫 게시 전까지 아무것도 전송하지 않습니다. validate_only=true는 마이그레이션 diff를 미리 봅니다. |
| 스키마 | analyze_sample | 샘플 JSON에서 상위 항목의 맥락상 두 가지 이상으로 해석되거나 전혀 해석되지 않는 속성 이름과, 엔티티 정보와 상위 항목별 정보가 섞인 관련 항목을 분석합니다. 경합하는 해석과 이름 변경 제안을 담은 상태 비저장 보고서이며, 변경되는 것은 없습니다. |
| 스키마 | analyze_schema | 저장된 스키마에 모호성 및 신원 범위 검사를 실행하고 속성별 주석을 기록합니다. 활성 스키마는 이름을 변경할 수 없으므로, 모호한 이름마다 다시 작성한 설명을 남깁니다. 기본값은 증분 분석이며, force=true를 지정하면 전체를 다시 분석합니다. |
| 스키마 | delete_schema | UUID로 저장된 스키마를 소프트 삭제합니다. |
| 보강 | enrich_entity | 선택적 자동 융합이 포함된 다중 모델 강화입니다. 선택적 attachment_ids 목록을 허용합니다. 분류 불일치는 오류가 아닌 응답을 반환하므로 Claude가 사용자에게 확인 후 재시도를 요청할 수 있습니다. |
| 보강 | start_batch_enrichment | 엔티티를 개수 제한 없이 비동기로 강화합니다 — 고정된 배치 크기 상한이 없으며, 플랜의 실시간 사용량 할당량으로만 제한됩니다 — 엔티티마다 자동 융합이 포함된 전체 파이프라인을 실행합니다. job_id를 반환하며, 결과는 레코드에 저장됩니다. |
| 보강 | fetch_entities | 외부 REST API에서 서버 측으로 엔티티의 JSON 배열을 가져옵니다(bearer / api_key / basic 인증) — 배치 보강과 함께 사용됩니다. |
| 보강 | retry_expertises | 레코드에서 실패한 전문 분야만 다시 실행하고 복구된 값을 다시 병합합니다 — 이미 성공한 부분에 대한 재결제는 없습니다. |
| 보강 | merge_records | 2개 이상의 기존 레코드를 하나의 융합 결과로 병합합니다 — 규칙 기반 또는 LLM 중재 모델 사용. |
| 작업 | get_job_status | 비동기 작업의 진행 상황, 결과, 실패, 설명 요청 질문을 폴링합니다. 명시적 모델 호환성 실패 후에는 모델을 계속 바꾸는 대신 자동 선택으로 한 번 재시도하세요. |
| 작업 | cancel_job | 대기 중, 실행 중 또는 일시 중지된 작업을 취소합니다. |
| 작업 | answer_job_question | 일시 중지된 작업의 설명 요청 질문에 답하고 작업을 재개합니다 — generate_sample의 대화형 부분입니다. |
| 벤치마크 | list_benchmark_scenarios | 저장된 벤치마크 시나리오(재사용 가능한 보강 테스트)를 나열합니다. |
| 벤치마크 | get_benchmark_scenario | 모델별 채점 결과(품질 / 비용 / 속도)를 포함한 단일 시나리오입니다. |
| 벤치마크 | create_benchmark_scenario | 시나리오를 생성합니다: 스키마 + 고정 엔티티 + 전략 + 채점 심사자. 소유자 역할과 벤치마크가 포함된 요금제가 필요합니다. |
| 벤치마크 | update_benchmark_scenario | 시나리오의 테스트 정의 또는 채점 구성을 업데이트합니다; 기존 결과는 오래된 것으로 표시됩니다. |
| 벤치마크 | set_benchmark_reference | 골드 기준 출력을 저장하고 검증됨으로 표시합니다 — 실행 전에 필요합니다. |
| 벤치마크 | delete_benchmark_scenario | 시나리오와 그 결과를 삭제합니다. |
| 벤치마크 | run_benchmark | 명시적 모델 목록, 선택한 제공자의 모든 활성 모델, 또는 모든 활성 모델에서 시나리오를 실행합니다 — 각 결과는 기준과 대조하여 자동 채점됩니다. |
| 레코드 | list_records | 보강, 샘플/스키마 생성, 스키마 편집, 플레이그라운드, 분류, 중재, 모호성 분석 레코드를 성공 여부, 모델, 작업, 검색 필터와 함께 페이지 단위로 살펴봅니다. |
| 레코드 | get_record | 하나의 레코드에 대한 전체 구조화된 출력 + 검증 오류입니다. |
| 레코드 | get_stats | 집계된 조직 통계: 총계, 성공률, 토큰, 비용. |
| 첨부 파일 | upload_attachment | base64 파일을 업로드하고 해당 첨부파일 ID와 필요한 모델 기능을 반환합니다. 이 ID를 generate_sample에 전달하면 소스 모드가 활성화됩니다. |
| 첨부 파일 | delete_attachment | ID로 첨부 파일을 삭제합니다 — 강화 후 유용한 정리 단계입니다. |
| Database Sync | list_database_syncs | 저장된 스키마에 등록된 database sync 목록을, 대기 중인 델타 수와 각 sync의 옵션과 함께 표시합니다. |
| Database Sync | create_database_sync | 데이터베이스를 저장된 schema에 연결하여 해당 enrichment를 사용자의 PostgreSQL을 위한 관계형 SQL 델타로 변환합니다. schema는 게시되지 않은 상태로 연결되며 데이터베이스 모델은 백그라운드에서 classification됩니다. 이를 검토한 후 publish_schema가 피드를 시작합니다. |
| Database Sync | classify_database_model | 연결된 schema를 편집한 후 데이터베이스 모델 classification을 다시 실행합니다. LLM이 새로 추가되거나 변경된 각 속성의 키, SQL 타입, 인덱스, 소유권을 제안합니다. 첫 번째 처리는 데이터베이스가 연결될 때 자동으로 실행됩니다. |
| Database Sync | delete_database_sync | database sync와 대기 중인 델타를 삭제합니다 — 복제본의 테이블은 절대 건드리지 않습니다. 선택적 teardown 플래그를 사용하면 데이터베이스가 남지 않은 스키마의 엔티티 상태와 데이터베이스 모델도 함께 삭제합니다. |
| Database Sync | create_database_credential | database sync의 sync-client 자격 증명을 (재)발급합니다 — ee-database 워크플로의 페어링 단계로, install 및 pair 명령과 함께 반환됩니다. |
| Database Sync | fetch_database_deltas | database sync에 대한 다음 FIFO 윈도우의 SQL 델타를 가져옵니다 — claim=true는 확인된 전달을 위해 리스를 걸고, claim=false는 재생 가능한 읽기입니다. |
| Database Sync | ack_database_deltas | 특정 id까지 적용된 델타를 확인 처리합니다. 리스를 해제하고 sync의 정리(purge) 옵션을 적용합니다. |
| Database Sync | assign_sync_host | 관리형 모드에서 데이터베이스 동기화를 프로비저닝하는 동기화 호스트를 지정하거나 해제합니다 — 호스트가 자격 증명을 확보하고, 실제 데이터베이스가 없으면 생성한 뒤 동기화를 시작하므로 수동 페어링이 필요 없습니다. |
| Database Sync | list_entity_states | 스키마의 현재 엔티티 상태를 조회합니다 — list_records의 실행별 레코드가 아니라, 엔티티 레이어가 보관하고 연결된 모든 데이터베이스가 미러링하는 중복 제거된 최신 기록 우선(last-write-wins) 행입니다. |
| Database Sync | sync_records_to_database | 저장된 보강 출력을 스키마의 database sync에 주입합니다. 게시된 계약을 기준으로 다시 검증한 뒤 승인 게이트를 거칩니다. |
| 시맨틱 ID | list_semantic_concepts | 조직의 개념 어휘를 유형 패싯과 함께 탐색합니다 — 또는 view="duplicates"를 사용하면 확정 임계값 바로 아래에 있는 개념 쌍을 확인합니다. |
| 시맨틱 ID | get_semantic_concept | 개념 하나의 전체 정보: 표기형, 아이덴티티 소스 키, 연결된 레코드, 그리고 유사도가 포함된 최근접 이웃(동일한 개념 유형 및 임베딩 모델 구간 내에서만 정의됩니다). |
| 시맨틱 ID | probe_semantic_concept | 텍스트에 대해 확정 래더를 시험 실행합니다 — 보강이 해당 텍스트를 어떻게 처리할지 — 아무것도 생성하지 않습니다. 추가하기 전에 먼저 확인하세요. |
| 시맨틱 ID | add_semantic_concept | 사용 횟수 0으로 개념을 추가하거나, alias_of를 사용해 기존 개념에 새 표기형을 추가합니다. 해당 텍스트가 임계값 내에서 이미 처리되는 경우 기존 개념과 함께 거부됩니다. |
| 시맨틱 ID | update_concept_alias | 개념의 표기형을 제거하거나 특정 표기형을 대표 표기형으로 승격합니다. 마지막 표기형은 제거할 수 없습니다 — 개념 자체의 삭제는 삭제 플로우가 담당합니다. |
| 시맨틱 ID | import_semantic_concepts | 최대 1,000개의 아이덴티티 텍스트를 보강 래더로 확정합니다. 기본값은 행별 보고서이며, mint=true(소유자 전용)로 누락된 항목을 새로 생성합니다. |
| 시맨틱 ID | merge_semantic_concepts | 한 개념을 다른 개념으로 병합합니다. impact_only=true(기본값)는 영향 범위를 보고하며, 실제 병합(소유자 전용)은 별칭과 엔터티를 재연결하고 연결된 모든 데이터베이스를 수렴시킵니다. |
| 시맨틱 ID | delete_semantic_concepts | id별, 유형 전체, 또는 미사용 항목만 기준으로 개념을 삭제합니다. impact_only=true(기본값)는 먼저 개수와 영향을 받는 스키마/데이터베이스를 보고합니다. 삭제는 자동으로 복구되지만 저장된 id와의 수렴은 깨집니다. |
| 시맨틱 ID | migrate_semantic_embeddings | 조직의 임베딩 모델 마이그레이션 상태 확인, 충돌 미리보기, 시작 또는 취소 — 기존 개념을 임베딩 모델 간에 이동하는 유일한 방법입니다. |
attachment_ids를 생략하세요. 모델은 자체 지식으로부터 재사용 가능한 샘플을 설계하며, enable_web_search=true는 외부 사실을 근거로 삼을 수 있습니다.
attachment_ids를 전달하세요. 플래너는 파일을 기준으로 취급합니다. 문서 값을 전사하거나 사진에서 보이는 속성만 설명합니다. 필드와 추가 지침으로는 관련 없는 외부 사실을 추가할 수 없습니다.
추가 지침으로 전달한 내용은 반영되거나, 반영되지 않았다는 사실이 보고됩니다. 결정적 규칙이 요청 사항을 되돌려야 했던 경우(예: 생성기가 만들 수 없는 형태)에는 완료된 작업에 그 사실을 알리는 warnings 목록이 포함됩니다. 이 내용을 사용자에게 전달하세요. 조용히 무시된 지침은 샘플이 소리 없이 잘못되는 원인이 됩니다.
사진에서 자동차를 식별하고 그 공개 등장 사례를 조사하는 것과 같은 하이브리드 요청의 경우, generate_sample을 두 번 호출하세요. 먼저 웹 검색을 끈 소스 모드로, 그다음 첨부파일 없이 확인된 신원과 웹 검색을 켜서 호출합니다. 대화에서 결과를 결합하세요. Entity Enricher는 레코드를 별도로 유지하므로 소스 관찰 내용과 조사된 사실이 서로 구별되는 출처를 유지합니다.
명시적으로 특정 모델이 필요하지 않은 한 model=auto를 유지하세요. 자동 선택은 작업, 첨부파일, 웹 검색 요구 사항을 적용합니다. 사용 가능한 모델 키라도 제공업체별 할당량이나 결합된 도구 제한에 부딪힐 수 있습니다.
스키마 생성 전에 클라이언트는 엔터티 범위, 키, 타입, 카디널리티, 누락된 대표 필드, 중첩 관계를 검토합니다. 중요한 편집은 승인을 위해 그룹화되며, 사실 값과 구조는 사용자 모르게 변경되지 않습니다.
관계형 테이블, 마스터 데이터, 지식 그래프 또는 재사용 가능한 중첩 엔터티의 경우, 클라이언트는 시맨틱 ID를 생성할지 여부를 묻습니다. 이는 조직 임베딩 모델이 필요하고 임베딩 비용이 추가되므로 기본적으로 비활성화되어 있습니다.
새 샘플이나 편집된 샘플의 경우 entity_data를 전달하고, 저장된 JSON과 연결된 첨부파일을 재사용하려면 sample_record_id를 전달하세요. 둘 다 전달하면 편집된 JSON을 사용하면서 첨부파일을 유지합니다. 빈 목록을 포함한 명시적 attachment_ids는 상속을 재정의합니다.
생성 후 클라이언트는 샘플 적합성, 키, 주석, 전문 분야, 관계, 시맨틱 ID 적용 범위를 확인합니다. 구조적 제안은 샘플을 편집하고 다시 생성해야 하며, 주석만 편집하는 경우에도 승인이 필요합니다. 자동으로 적용되는 것은 없습니다.
리소스를 사용하면 Claude가 도구 호출을 소모하지 않고 데이터를 탐색할 수 있으며, LLM 클라이언트는 이를 파일처럼 취급합니다. 두 리소스 유형 모두 저렴한 인라인 표시를 위해 Markdown으로 렌더링됩니다.
| URI 템플릿 | 설명 |
|---|---|
| enricher://schemas/{schema_id} | Markdown으로 렌더링된 저장된 스키마 — 메타데이터 헤더와 코드 블록으로 감싼 JSON 형태의 GeneratedJsonSchema입니다. |
| enricher://records/{record_id} | Markdown으로 렌더링된 과거 강화 레코드 — 메타데이터 + 구조화된 출력 + 검증 오류. |
enrich_entity에 분류 모델을 사용하도록 요청했는데 엔티티가 스키마 유형과 일치하지 않으면, 도구는 구조화된 세부 정보와 함께 오류가 아닌 응답을 반환합니다. Claude가 이를 읽어 근거를 사용자에게 제시하고, (사용자 확인 시) force_after_classification_warning=true로 재시도합니다 — 이 경우 재시도에서 분류기를 제거합니다.
{
"success": false,
"error_code": "classification_warning",
"message": "Pre-flight classification rejected the entity. ...",
"classification": {
"status": "mismatch",
"reasoning": "Titan is a moon of Saturn, not a planet.",
"confidence": 0.97
},
"job_id": "..."
}n8n과 Make는 파이프라인 도중에 사용자에게 물어볼 수 없기 때문에 이 상태에서 자동으로 취소됩니다. MCP는 물어볼 수 있으며, 바로 이 차이 하나가 커넥터가 존재하는 이유입니다.
동일한 대화형 기능이 두 번째 흐름을 지원합니다: generate_sample이 원본 문서와 함께 실행되면, 플래너가 구조적 설명 요청 질문과 함께 일시 중지될 수 있습니다. Claude가 이를 사용자에게 전달하고 answer_job_question으로 작업을 재개합니다 — 샘플이 생성될 때까지 반복적으로 진행됩니다.
도구 오류는 error_code 필드가 있는 구조화된 딕셔너리로 변환되어, Claude가 자유 텍스트를 파싱하는 대신 패턴 매칭을 할 수 있습니다. HTTP 계층은 명확하게 매핑됩니다: 402 → 할당량 또는 credit 오류, 422 → classification 경고, 504 → 타임아웃, 502 → 업스트림 LLM 실패.
| error_code | 시점 |
|---|---|
| invalid_request | 잘못된 형식의 UUID, 상호 배타적인 인수(schema_id + target_schema), 또는 요청 본문 검증 실패. |
| prompt_limit_reached | 일별/주별/월별 prompt 할당량이 소진되었습니다(HTTP 402). 본문에 기간, 한도, 사용량, 필요량이 포함됩니다. |
| insufficient_credits | organization에 결제가 활성화되어 있으나 credit 잔액이 너무 적어 작업을 시작할 수 없습니다(HTTP 402). 본문에 잔액과 구매 URL이 포함됩니다. |
| model_limit_exceeded | 요금제가 허용하는 것보다 많은 모델을 요청했습니다(HTTP 402). 한도와 요청 수를 반환합니다. |
| language_limit_exceeded | 요금제가 허용하는 것보다 많은 언어를 요청했습니다(HTTP 402). |
| concurrent_job_limit_reached | 이 organization에 활성 enrichment 작업이 너무 많습니다. 기다리거나 요금제를 업그레이드하세요. |
| classification_warning | ⚡ 오류 아님: 사전 검사 classifier가 entity를 거부했습니다. 응답에 classification 컨텍스트가 포함되어 있어 Claude가 사용자에게 확인을 요청하고 force_after_classification_warning=true로 재시도할 수 있습니다. |
| benchmarks_not_in_plan | 벤치마크 도구에는 소유자 역할과 Model Benchmarks가 포함된 요금제가 필요합니다(HTTP 403). |
| ambiguity_check_disabled | 모호성 검사가 꺼져 있는 스키마에 대해 analyze_schema가 호출되었습니다(HTTP 400). 먼저 update_schema에서 ambiguity_check_enabled=true로 설정해 다시 활성화하세요. |
| enrichment_timeout | 작업이 timeout_seconds를 초과했습니다. 모델 수를 줄이거나 엔터티를 분할하는 것을 권장합니다. |
| schema_generation_timeout | 스키마 생성이 timeout_seconds를 초과했습니다. |
| schema_generation_failed | 스키마 생성 중 업스트림 LLM 오류가 발생했습니다 (HTTP 502). |
| model_output_invalid | model이 schema와 일치하지 않는 출력을 반환했습니다(HTTP 502). 본문에는 model, 문제가 되는 속성 경로, retryable: true가 명시되어 있습니다 — 도구를 다시 호출하거나 더 강력한 model을 선택하세요. |
| cancelled | 작업이 실행 도중 취소되었습니다(HTTP 499). |
| not_found | 스키마 또는 레코드 ID가 조직에 존재하지 않습니다. |
| http_error | 구조화된 세부 정보 본문이 없는 HTTP 오류에 대한 포괄 처리입니다. |
get_stats는 채팅 측 요약을 제공하며, 전체 대시보드는 앱에 유지됩니다.