TypeScript로 MCP 클라이언트 직접 만들기 — @modelcontextprotocol/sdk v1.29로 서버 호출 자동화
@modelcontextprotocol/sdk v1.29.0을 직접 설치해 TypeScript MCP 클라이언트를 만들어봤다. Claude Desktop 없이 MCP 서버의 tool을 프로그래밍으로 호출하고 resource를 읽는 실전 가이드. 실제 실행 로그와 에러 처리 패턴 포함.
jangwook.net
Kim Jangwook
Personal technical notes on AI agents, automation, developer tools, and the process of building software.
Latest Notes
Recent writing by language
The root page stays intentionally small. Choose a language, then read the full archive and related posts there.
한국어
AI 에이전트, 자동화, 개발 도구, 소프트웨어 제작 과정을 한국어로 기록합니다.
Agno로 AI 에이전트 만들기 — Gemini와 내장 툴로 직접 돌려봤다
Agno v2.6.17(구 phidata)로 Gemini 기반 AI 에이전트를 직접 구현했다. Calculator·Wikipedia 툴, 구조화 출력, 멀티 에이전트 팀까지 실행 로그로 검증. output_schema 혼동, deprecated 모델 ID 등 실제 트랩도 기록한다.
Ollama 구조화 출력 실전 — Pydantic으로 로컬 LLM 응답을 타입 안전하게 받는 법
Ollama 0.3+의 JSON schema 강제 모드와 Pydantic을 연결해 로컬 LLM 응답을 타입 안전하게 파싱하는 실전 가이드. 직접 측정한 결과, 구조화 출력은 일반 텍스트보다 6배 빠르고 파싱 성공률이 100%에 가깝다.
English
Personal notes on AI agents, automation, developer tools, and building software.
Building a TypeScript MCP Client from Scratch — @modelcontextprotocol/sdk v1.29 in Practice
I built a TypeScript MCP client with @modelcontextprotocol/sdk v1.29.0: calling server tools and reading resources programmatically, without Claude Desktop.
Building AI Agents with Agno — I Actually Ran It with Gemini and Built-in Tools
I ran Agno v2.6.17 (formerly Phidata) with Gemini: Calculator, Wikipedia, structured output, and multi-agent teams, plus the real traps I hit along the way.
Ollama Structured Outputs in Practice — Getting Type-Safe JSON from Local LLMs with Pydantic
A hands-on guide to Ollama's JSON schema enforcement with Pydantic for type-safe local LLM responses. Measured: 6x faster with near-100% parse success.
日本語
AIエージェント、自動化、開発ツール、ソフトウェア開発の記録です。
TypeScriptでMCPクライアントを自作する — @modelcontextprotocol/sdk v1.29の実践ガイド
@modelcontextprotocol/sdk v1.29.0を実際にインストールしてTypeScript MCPクライアントを作った。 Claude Desktopなしでサーバーのツールをプログラムから呼び出す実践ガイド。 実際の実行ログとエラー処理パターンも含む。
AgnoでAIエージェントを作る — GeminiとビルトインツールでPythonエージェントを実際に動かした
phidataからリブランドされたAgno v2.6.17をサンドボックスで検証。Calculator・Wikipedia・構造化出力・マルチエージェントチームまで実際の実行ログと共に記録。output_schema vs output_model の混同、非推奨モデルID、Team API変更点など実際に遭遇したトラップも正直に残す。
Ollama構造化出力実践ガイド — PydanticでローカルLLMのレスポンスを型安全に受け取る方法
Ollama 0.3+のJSONスキーマ強制モードとPydanticを組み合わせ、ローカルLLMのレスポンスを型安全にパースする実践ガイド。 直接測定した結果、構造化出力は通常テキストより6倍速く、パース成功率もほぼ100%。
简体中文
记录 AI 代理、自动化、开发工具和软件构建过程。
用 TypeScript 亲手构建 MCP 客户端 — @modelcontextprotocol/sdk v1.29 实战指南
我亲自安装了 @modelcontextprotocol/sdk v1.29.0，构建了一个 TypeScript MCP 客户端。 不依赖 Claude Desktop，通过编程方式调用 MCP 服务器工具和读取资源的实战指南，包含真实运行日志和错误处理模式。
用 Agno 构建 AI Agent — 结合 Gemini 与内置工具的实战运行记录
在沙盒中安装并验证了从 phidata 更名的 Agno v2.6.17，包含 Calculator、Wikipedia、结构化输出和多智能体团队的实际执行日志。同时诚实记录了亲历的各种陷阱：output_schema 与 output_model 混淆、废弃的模型 ID、Team API 参数变更。
Ollama结构化输出实战指南 — 用Pydantic安全解析本地LLM的JSON响应
将Ollama 0.3+的JSON Schema强制模式与Pydantic结合，实现本地LLM响应的类型安全解析。 实测结果：结构化输出比普通文本快6倍，JSON解析成功率接近100%。