Solar Human Proofreader

사람 편집자가 빨간 펜으로 손본 원고를 돌려주는 MCP 서버. 한국어 원고를 읽기 쉽게 교정합니다. Upstage Solar Pro 4가 문장을 손보고, 사실·인용·문체가 그대로인지는 코드가 판정합니다. 내용은 더하지도 빼지도 않습니다.

Vercel에 올려 쓰는 서버사이드 MCP입니다. 하루 100콜까지 무료, 그 이상은 본인 키(BYOK)로 씁니다.

---

무엇이 다른가

AI 티를 지우는 도구가 아닙니다. 독자가 두 번 읽게 되는 자리를 없애는 도구입니다. 그래서 작업 순서도 탐지·치환이 아니라 사람 편집자의 순서를 따릅니다.

단계	누가	하는 일
1. 통독	코드	문장 길이 분포, 만연체, 번역투·피동·상투구, 리듬 편차를 먼저 잰다
2. 소견	Solar	수치가 못 보는 것을 읽는다 — 끊긴 논지, 겹치는 문단, 죽은 리듬
3. 교정	Solar	소견에서 짚은 자리만 겨냥해 손본다
4. 대조	코드	원본 옆에 놓고 맞춰 본다. 없던 수치·바뀐 인용·뒤집힌 문체를 잡는다
5. 보정	Solar	대조에서 걸린 자리만 국소 수정

모델에게 "네가 얼마나 고쳤는지 말해봐"라고 묻지 않습니다. 자기가 방금 쓴 글을 자기가 채점하면 언제나 후하기 때문입니다. 변경률·수치 보존·인용 대조·문체 판정은 전부 코드가 셉니다. 같은 입력에는 언제나 같은 판정이 나옵니다.

편집의 원칙

• 빨간 펜 원칙 — 고칠 이유를 한 문장으로 말할 수 없으면 손대지 않습니다.
• 덜어내는 쪽으로 — 좋은 교정은 덧붙이지 않습니다. 분량이 늘면 경고가 뜹니다.
• 말투는 필자의 것 — 한다체를 합쇼체로 올리는 것도 개작입니다. 뒤집히면 채택을 막습니다.
• 사실은 불변 — 원본에 없던 문장이나 수치가 하나라도 생기면 그 교정본은 채택 불가입니다.

---

도구

도구	하는 일	비용
proofread	원고를 통독하고 교정본을 돌려준다. 본체.	1~3콜
read_through	고치지 않고, 왜 안 읽히는지 소견만 준다.	1콜
readability	문장 길이·번역투·피동·리듬을 0~100점으로 잰다.	무료
compare	원본과 교정본을 대조해 훼손을 잡는다. 다른 모델이 고친 원고도 검증한다.	무료
suggest	한 대목을 결이 다른 여러 안으로 다시 써 준다.	1콜
usage	오늘 남은 무료 한도를 확인한다.	무료

proofread 인자

인자	설명
text	교정할 원고 (최대 20,000자)
genre	칼럼 리포트 블로그 뉴스레터 공적 에세이 자동(기본)
strength	보수(≈10%) 기본(15~25%) 적극(~35%). 생략하면 원고 상태에 맞춘다
depth	light(1콜) standard(2콜) deep(3콜) auto(기본)
audience	읽는 사람. 예: 비전공 임원
instructions	따로 부탁할 것. 예: 마지막 문단은 짧게
preserve	한 글자도 바뀌면 안 되는 문장들. 대조 단계에서 강제한다

---

연결하기

Streamable HTTP를 지원하는 클라이언트(Claude Code, Cursor 등)는 URL만 넣으면 됩니다.

공개 서버 주소가 https://human-proofreader-mcp.toy.x.upstage.ai/api/mcp 로 바뀌었습니다. 예전 주소 https://human-proofreader-mcp.vercel.app/api/mcp 로 이미 쓰고 계신 분은 그대로 두셔도 계속 동작합니다.

{
  "mcpServers": {
    "human-proofreader": {
      "url": "https://human-proofreader-mcp.toy.x.upstage.ai/api/mcp"
    }
  }
}

Claude Code는 명령 한 줄로도 됩니다.

claude mcp add --transport http human-proofreader https://human-proofreader-mcp.toy.x.upstage.ai/api/mcp

stdio만 되는 클라이언트는 npx -y mcp-remote <url>을 씁니다.

AI에게 그대로 넘기기

배포본 URL만 던지면 설치가 끝나도록, 기계가 읽는 안내를 함께 제공합니다. 두 경로 모두 배포본의 실제 주소를 요청 헤더에서 읽어 담기 때문에, 자리표시자가 그대로 복사되는 일이 없습니다.

경로	무엇
/llms.txt	클라이언트별 설치 명령, 도구 목록, 무료 한도·BYOK 규칙, 결과 전달 방법까지 담은 산문 안내서
/mcp.json	같은 내용의 구조화 매니페스트. 설정에 바로 꽂을 수 있는 완성형 조각 포함

---

무료 100콜, 그 다음은 본인 키

무료 한도는 Solar 호출 1회 단위로 셉니다. proofread 한 번이 통독 1콜 + 교정 1콜이면 2회가 차감됩니다. 도구 호출 단위로 세면 같은 한도가 사람마다 열 배씩 차이 나서, 쓰는 쪽도 내는 쪽도 예측할 수 없기 때문입니다. readability와 compare는 Solar를 부르지 않아 차감되지 않습니다. 초기화는 KST 자정입니다.

한도를 넘겨 쓰려면 본인 키를 헤더에 넣습니다. 도구 인자가 아니라 헤더인 이유는, 인자로 받으면 키가 클라이언트 대화 기록에 평문으로 남기 때문입니다.

{
  "mcpServers": {
    "human-proofreader": {
      "url": "https://human-proofreader-mcp.toy.x.upstage.ai/api/mcp",
      "headers": {
        "X-Upstage-Api-Key": "up_..."
      }
    }
  }
}

헤더	경로	키 발급
X-Upstage-Api-Key	Upstage 직접 (api.upstage.ai, 모델 solar-pro4)	https://console.upstage.ai
X-OpenRouter-Api-Key	OpenRouter 경유 (모델 upstage/solar-pro4)	https://openrouter.ai/keys

본인 키로 붙으면 하루 한도가 없고, 요금은 해당 제공자 계정으로 청구됩니다.

---

직접 띄우기

git clone https://github.com/SolarLLM/human-proofreader-mcp
cd human-proofreader-mcp && npm install
cp .env.example .env.local   # OPENROUTER_API_KEY 또는 UPSTAGE_API_KEY 를 채운다
npm run dev                  # http://localhost:3000/api/mcp

vercel deploy --prod

환경변수

변수	설명
OPENROUTER_API_KEY / UPSTAGE_API_KEY	무료 티어용 서버 키. 둘 중 하나.
FREE_DAILY_LIMIT	하루 무료 콜 수 (기본 100)
UPSTASH_REDIS_REST_URL / _TOKEN	한도 집계 저장소. 없으면 인스턴스 메모리로 근사 집계하고, 응답에 그 사실을 표시한다.
QUOTA_SALT	사용량 식별자 해시에 섞는 소금. 배포마다 다른 값으로.
MAX_INPUT_CHARS	한 번에 받을 최대 글자 수 (기본 20000)

Redis 없이도 동작하지만, 서버리스는 인스턴스가 여럿이라 한도가 느슨해집니다. 실제로 100콜을 지키려면 Upstash Redis를 붙이세요.

Vercel 플랜과 depth: Hobby는 함수 실행이 60초에서 잘립니다. deep(3콜)은 긴 원고에서 이를 넘길 수 있으니 Hobby에서는 standard 이하를 쓰거나 Pro(최대 300초)로 올리세요.

---

개발

npm test        # 결정적 계층(가독성·대조·변경률) 회귀 테스트
npm run typecheck

LLM을 부르는 부분은 테스트하지 않습니다. 대신 판정하는 코드 전부를 테스트합니다 — 게이트가 조용히 통과하는 것이 이 서버에서 가장 위험한 고장이기 때문입니다.

변경률을 어떻게 재는가

교정을 얼마나 했는지가 과교정 판정의 기준값입니다. 어절 단위로 세면 조사 하나만 바뀌어도 그 어절이 통째로 "바뀐 것"이 되어 실제의 두 배가 나옵니다 (실측: 문자 22.8% → 어절 46.9%). 그래서 문자 단위로 셉니다.

문장이나 문단을 먼저 대응시키는 방식은 전부 버렸습니다. 좋은 교정은 긴 문장을 쪼개고 짧은 문장을 붙이고 문단을 나눕니다. 무엇을 단위로 잡든 1:1 대응은 그 쪼개기·합치기를 "대응 실패"로 읽어 정상 교정을 재작성으로 오판합니다 (실측: 한 문단을 넷으로 나눈 공지문이 75%로 나왔습니다 — 실제로는 27%).

전문에 그대로 LCS를 돌리는 것이 정확하고 비용도 감당됩니다 — 2만 자 대 2만 자가 1.1초입니다. Solar 호출 한 번이 20초를 넘는 마당에 이 정도는 쌉니다. 결과는 Python difflib의 문자 기준값과 정확히 일치합니다(실측 0.228 = 0.228, 0.680 = 0.68).

임계값은 **경고 30% · 중단 50%**입니다. 한국어는 조사·어미 음절이 겹쳐서 내용이 전혀 다른 글도 0.650.70이 바닥입니다. 중단선 0.50은 그 바닥값보다 낮고, 정상적인 강한 교정(0.250.45)보다는 높게 잡은 값입니다.

대조 게이트가 잡는 것

코드	판정	무엇을
content_injected	채택 불가	원고에 없던 문장이 생김
number_injected	채택 불가	원고에 없던 수치가 생김
quote_altered	채택 불가	직접 인용이 원형 그대로 남지 않음
register_switched	채택 불가	말투가 뒤집힘 (한다체 → 합쇼체 등)
preserve_broken	채택 불가	보존 지정한 문장이 바뀜
over_edited	채택 불가	변경률 50% 이상 — 교정이 아니라 재집필
heavy_edit	경고	변경률 30~50%
cliche_injected	경고	없던 상투구를 새로 심음
register_raised / colloquial_erased	경고	격식 상향 / 구어 종결 격감
heading_lost · length_grown	경고	소제목 소실 / 분량 15% 이상 증가
new_terms · number_dropped	관찰	새로 들어온 낱말 / 사라진 수치 목록 (막지 않고 보여만 줌)

문장 통째 주입은 확실히 잡습니다. 문장 안에서 낱말 몇 개가 바뀐 경우는 게이트로 막지 않고 new_terms 목록으로 보여 줍니다 — 교정은 원래 낱말을 바꾸는 일이라 막으면 오탐이 쏟아집니다. 실측에서 이 목록이 "기존 대비" → "동일 규모 베이스라인 대비" 같은 조용한 한정어 추가를 잡아냈습니다.

---

감사의 말

한국어 글의 "AI 티"를 알아보는 문제의식과 문체 분류 체계는 epoko77-ai/im-not-ai에서 가져왔습니다. 코드는 가져오지 않고 새로 썼습니다. 이 서버는 "AI 티 제거"가 아니라 "읽기 쉬운 글"에 초점을 맞춘 별개의 설계입니다.

라이선스

MIT