Data Commons는 수많은 공공 데이터셋을 통합해 제공하는 프로젝트입니다. 여기에 MCP(Model Context Protocol) 서버가 더해지면, AI 에이전트(Gemini CLI 등)가 이 데이터에 자연어로 직접 접근하고 분석할 수 있게 되죠. 기존에는 이 MCP 서버를 로컬 Python 환경에 직접 설치하고 운영해야 했습니다. 보안이 중요한 환경이나, 확장성을 고려해야 하는 개발자에게는 진입 장벽이었는데요, 이제 그 문제가 해결되었습니다.
호스팅 서비스의 핵심: 간편한 설정
가장 큰 변화는 로컬 설치가 필요 없다는 점입니다. 구글 클라우드에서 무료로 호스팅되는 서비스에 연결만 하면 됩니다. Python 환경, 리소스 관리, 보안 준수 문제는 모두 구글이 관리해줍니다.
기존 Gemini CLI 확장 프로그램 사용자는 아무것도 할 필요가 없습니다. 다음 실행 시 자동으로 웹 기반 호스팅 서버로 연결됩니다. 다른 에이전트를 사용한다면, 아래와 같이 설정 파일을 업데이트하면 됩니다. 무료 API 키 발급이 필요합니다.
{
"mcpServers": {
"datacommons-mcp": {
"httpUrl": "https://api.datacommons.org/mcp",
"headers": {
"X-API-Key": "YOUR_DC_API_KEY_HERE"
}
}
}
}
코드 설명: MCP 클라이언트 설정 파일에 호스팅 서버 URL과 발급받은 API 키를 추가합니다.
| 장점 | 설명 |
|---|---|
| 설치 불필요 | 로컬 Python 환경 구성이 필요 없어 접근성이 극대화됩니다. |
| 확장성 & 관리 용이 | 서버 운영 부담이 없고, 구글 클라우드의 인프라를 활용합니다. |
| 보안 환경 친화적 | 높은 보안이 요구되는 환경에서도 외부 서비스 연결로 사용 가능합니다. |
| 자동 업데이트 | Gemini CLI 확장 프로그램 사용자는 서버 개선 사항을 자동으로 적용받습니다. |
주의사항: 현재 호스팅 서비스는 공식 datacommons.org 데이터만 조회할 수 있습니다. 자체 Custom Data Commons 인스턴스를 운영 중이라면 여전히 로컬 MCP 서버를 실행해야 합니다. 자세한 내용은 공식 문서를 참고하세요.
이번 호스팅 서비스 출시는 AI 에이전트와 공공 데이터의 접점을 크게 넓혔습니다. 분석가는 "미국 주별 실업률과 비만율의 상관관계는?" 같은 고수준 질문으로 통찰을 얻을 수 있고, 개발자는 이 인프라를 기반으로 자신만의 전문 에이전트를 더 쉽게 구축할 수 있게 되었죠. 공공 데이터를 활용한 AI 애플리케이션 개발에 관심이 있다면, 이제는 로컬 설치라는 첫 관문을 넘지 않고도 바로 본질에 집중할 수 있을 것입니다. 더 자세한 활용법은 근거자료인 공식 블로그 게시글에서 확인해 보세요.