learnlog-mcp

LLM 학습 세션의 프롬프트를 로컬에 저장하여 메타인지를 돕는 MCP 서버

만들게 된 이유

LLM으로 공부하면서 계속 드는 의문이 있었습니다.

"나 이거 정말 아는 건가?"

AI의 설명을 읽으면 이해가 되는 것 같습니다. 고개를 끄덕이고, "아 그렇구나" 하고 넘어갑니다. 그런데 며칠 뒤 팀원에게 같은 개념을 설명하려고 하면 입이 잘 떨어지지 않습니다. 분명 여러 번 봤는데, 막상 말로 하려니 추상적인 느낌만 남아있습니다.

그때 깨달았습니다. 이해한 것 같은 느낌과 진짜 이해는 다르다는 것을.

LLM과 대화하면서 "알게 됐다"고 착각하기 쉽습니다. 하지만 내가 무엇을 물어봤는지 돌아보면, 실제로 어디서 막혔는지가 보입니다. 질문의 흐름을 보면 내 이해의 빈틈이 드러납니다.

그래서 만들었습니다. 내가 한 질문들을 가볍게 저장해두고, 나중에 돌아볼 수 있는 도구. AI의 긴 답변이 아니라, 내 짧은 질문들만 모아두면 충분합니다.

저는 이 도구를 활용해서 DevOps와 오픈소스 생태계를 깊이 파보려 합니다.

왜 프롬프트를 저장하는가?

LLM으로 학습할 때 우리는 보통 출력값(AI의 답변)을 노션이나 메모장에 저장합니다. 하지만 생각해보면:

• 같은 프롬프트를 주면 비슷한 답변을 언제든 다시 얻을 수 있습니다
• 출력값은 길고 무겁지만, 프롬프트는 짧고 가볍습니다
• 내가 무엇을 물어봤는지가 곧 내가 무엇을 모르는지입니다

기존 방식: 세션 → AI 답변 복사 → 노션에 저장 → 나중에 찾기 어려움

learnlog 방식: 세션 → 프롬프트 자동 저장 → "오늘 뭐 공부했지?" → 즉시 확인

프롬프트를 저장하면 내가 어떤 부분에서 막혔는지, 무엇이 궁금했는지를 파악할 수 있습니다. 이것이 진짜 메타인지입니다.

핵심 철학

1. 입력 > 출력: 출력값이 아닌 프롬프트를 저장합니다
2. 경량화: 무거운 답변 대신 가벼운 질문만 보관합니다
3. 메타인지: "내가 뭘 물어봤지?"를 통해 학습 현황을 파악합니다
4. 세션 독립: 어떤 LLM, 어떤 세션에서든 학습 기록이 하나로 모입니다

설치

1. 저장소 클론 및 빌드

git clone https://github.com/YUJAEYUN/learnlog-mcp.git
cd learnlog-mcp
npm install
npm run build

2. Claude Code에 등록

claude mcp add learnlog-mcp node /path/to/learnlog-mcp/dist/index.js

3. Claude Desktop에 등록 (선택)

~/Library/Application Support/Claude/claude_desktop_config.json:

{
  "mcpServers": {
    "learnlog-mcp": {
      "command": "node",
      "args": ["/path/to/learnlog-mcp/dist/index.js"]
    }
  }
}

사용법

자동 저장

학습 관련 질문을 하면 AI가 자동으로 프롬프트를 저장합니다. 별도로 "저장해줘"라고 말할 필요 없습니다.

학습 기록 확인

"오늘 뭐 공부했지?"
"오늘 뭐 물어봤지?"

→ 오늘 저장된 모든 프롬프트를 시간순으로 보여줍니다

특정 날짜 조회

"2025-12-20에 뭐 공부했어?"

최근 학습 현황

"최근 일주일 학습 현황 보여줘"

→ 날짜별 질문 개수를 요약해서 보여줍니다

저장 위치

~/learnlog/
└── prompts/
    ├── 2025-12-20.json
    ├── 2025-12-21.json
    └── 2025-12-22.json

각 파일에는 해당 날짜의 프롬프트가 질문 타입과 함께 저장됩니다:

{
  "date": "2026-01-13",
  "summary": {
    "total": 5,
    "byType": {
      "fact": 2,
      "principle": 1,
      "application": 1,
      "comparison": 0,
      "connection": 1
    },
    "depthScore": 1.8
  },
  "prompts": [
    {
      "prompt": "N+1 쿼리 문제가 뭐야?",
      "timestamp": "2026-01-13T10:30:00.000Z",
      "type": "fact"
    },
    {
      "prompt": "왜 N+1이 성능 문제를 일으키는 거야?",
      "timestamp": "2026-01-13T10:35:00.000Z",
      "type": "principle"
    }
  ]
}

질문 타입

시스템은 자동으로 질문을 5가지 타입으로 분류합니다:

• fact (1점): 사실/정의 질문 - "N+1 쿼리가 뭐야?"
• principle (3점): 원리/이유 질문 - "왜 N+1이 문제가 돼?"
• application (2점): 적용/실습 질문 - "eager loading을 어떻게 구현해?"
• comparison (2점): 비교 질문 - "eager vs lazy loading 차이는?"
• connection (3점): 연결 질문 - "ORM과 쿼리 최적화는 어떻게 연관돼?"

학습 깊이 점수

각 질문 타입의 점수를 평균내어 학습 깊이를 측정합니다:

• 1.0-1.5: 표면적 학습 (주로 개념 익히기)
• 1.5-2.0: 보통 학습 (균형잡힌 접근)
• 2.0-2.5: 깊이 있는 학습 (원리 탐구)
• 2.5-3.0: 매우 깊은 학습 (개념 연결)

도구 목록

MCP Tools

도구	설명
save_prompt	프롬프트 저장 (AI가 자동 호출)
get_today_prompts	오늘의 질문 목록 조회
get_prompts_by_date	특정 날짜 질문 조회
get_recent_prompts	최근 N일 학습 현황
get_learning_stats	학습 통계 및 깊이 분석

Claude Skills

Skill	설명	사용법
/review	학습 리뷰 및 메타인지 강화	"오늘 공부 리뷰해줘"

Claude Skills를 사용하려면 skills/ 폴더를 Claude Skills 디렉토리에 추가하세요.

활용 예시

1. 학습 통계 확인

사용자: 오늘 학습 통계 보여줘

AI: 📊 2026-01-13 학습 통계

총 질문 수: 27개

질문 타입 분포:
  • fact: 8개 (30%)
  • principle: 5개 (19%)
  • application: 4개 (15%)
  • comparison: 6개 (22%)
  • connection: 4개 (15%)

학습 깊이 점수: 2.0/3.0 (깊이 있는 학습)

💡 Tip:
- fact: 사실/정의 질문 (1점)
- comparison: 비교 질문 (2점)
- application: 적용/실습 질문 (2점)
- principle: 원리/이유 질문 (3점)
- connection: 연결 질문 (3점)

2. 일일 학습 리뷰 (Skills)

사용자: 오늘 공부 리뷰해줘

AI: 📝 오늘의 학습 리뷰

[학습 통계 요약]
- 총 27개 질문
- 학습 깊이: 2.0/3.0 (깊이 있는 학습)

[질문 타입 분석]
오늘은 균형잡힌 학습이었습니다.
특히 비교 질문(22%)을 통해 개념 간 차이를 명확히 하려는 노력이 보입니다.
원리 질문도 적절히 섞여있어 단순 암기가 아닌 이해 중심 학습이었네요.

[학습 패턴]
VPC → NAT → IGW로 이어지는 깊은 탐구 체인이 있었습니다.
같은 주제를 여러 각도에서 질문하며 완전히 이해하려는 모습이 인상적입니다.

[다음 학습 제안]
1. 오늘 배운 AWS 네트워크를 직접 실습해보세요 (application 강화)
2. VPC와 온프레미스 네트워크의 연결 방식을 탐구해보세요 (connection 확장)

계속 이런 깊이로 학습하시면 탄탄한 기반이 만들어질 거예요! 👍

3. 질문 목록 확인

사용자: 오늘 뭐 공부했지?

AI: 📝 오늘의 질문 (5개)

1. [10:30] N+1 쿼리 문제가 뭐야?
2. [10:35] eager loading은 어떻게 구현해?
3. [14:20] 인덱스는 언제 걸어야해?
4. [14:45] 복합 인덱스 순서가 중요한 이유?
5. [16:00] EXPLAIN ANALYZE 결과 해석법?

→ 오늘 데이터베이스 최적화에 대해 공부했구나!

4. 학습 패턴 파악

사용자: 최근 일주일 현황 보여줘

AI: 📊 최근 7일간 학습 기록

• 2026-01-13: 27개 질문
• 2026-01-11: 13개 질문
• 2026-01-10: 12개 질문
• 2026-01-09: 7개 질문
• 2026-01-08: 19개 질문

총 78개 질문

5. 이전 학습 이어가기

사용자: 1월 8일에 뭐 물어봤었지?

AI: 📝 2026-01-08의 질문 (19개)

1. [09:00] Docker Compose 설정 방법
2. [09:15] Docker 네트워크 구조
...

→ 아, Docker 공부했었지. 이어서 질문해야겠다!

마이그레이션

기존 데이터를 새 스키마로 마이그레이션하려면:

npm run build
node dist/scripts/migrate.js

마이그레이션 후 백업 파일(.old)이 생성됩니다. 확인 후 삭제하세요:

rm ~/learnlog/prompts/*.old

License

ISC