YMCA Hackathon 2026 MCP Server

72hours

찾고, 고치고, 확인까지. AI 코딩 도구로 서비스를 만드는 개발자를 위한 보안 점검 서비스입니다. 공개 GitHub 저장소에서 개인정보·서비스 접근 권한에 영향을 줄 수 있는 위험을 찾아 쉬운 말로 우선순위를 알려 주고, 사용자의 AI 코딩 에이전트가 고칠 수 있게 수정 지시를 넘긴 뒤 재검사로 결과를 확인합니다.

웹 이용자는 서버·모델을 설치하지 않습니다. 무료 ngrok 주소라 브라우저로 처음 들어가면 ngrok 안내 화면이 한 번 나오며, Visit Site를 누르면 됩니다.

---

문제와 해결

누구의 문제인가. Cursor·Claude Code·Codex 같은 AI 코딩 도구로 쇼핑몰, 예약, 커뮤니티 같은 작은 서비스를 빠르게 만들지만, 보안 검토와 "무엇부터 어떻게 고칠지" 판단에는 익숙하지 않은 개발자입니다.

사고가 의심될 때는 보조 기능으로 침해사고(24시간)·개인정보 유출(72시간) 신고서 초안을 만듭니다. 자동 제출은 하지 않습니다.

---

핵심 기능

🔍 찾기: 공개 GitHub 주소를 넣으면 코드·비밀키·의존성·설정을 한 번에 검사합니다. Opengrep, OSV-Scanner, Gitleaks와 팀이 만든 설정 검사기의 결과를 하나의 형식으로 정규화하고, 같은 문제를 줄 번호와 무관하게 식별하는 지문을 붙입니다.

🧠 이해하기: 로컬 GPU의 Qwen3.8-27B가 문맥(실행 위치, 노출 범위, 다루는 데이터)을 분석합니다. Blue가 쉬운 설명과 수정 지시를 쓰고, Red가 공격자 관점에서 그 수정을 다시 검토합니다(Red–Blue). 위험도와 실행 명령은 모델이 아니라 코드가 정합니다.

🛠️ 고치기: MCP(AI 코딩 도구에 외부 기능을 붙이는 표준)로 사용자의 AI 코딩 에이전트에 연결합니다. 에이전트는 Red 검토를 통과한 수정 지시를 받아 사용자가 허락한 항목만 로컬 코드에서 고칩니다. 72hours 서버는 사용자 코드를 직접 수정하지 않습니다.

✅ 확인하기: 수정을 push한 뒤 재검사해 이전 결과와 비교합니다. 데모 과녁에서는 격리된 Docker 환경에서 고치기 전·후에 같은 공격을 실제로 실행해 차단 여부와 기능 유지까지 확인합니다. 사용자 저장소의 실행 검증은 아직 지원하지 않습니다.

MCP 도구 15개와 클라이언트별 연결 방법: integrations/mcp-handoff/DISTRIBUTION.md

---

실제 사용 사례

1) 시연용 취약 저장소 점검: maebsy/cafe-order-demo

팀이 대회 기간에 만든, 일부러 취약하게 만든 카페 주문 사이트입니다(가짜 키·가상 데이터). 정답지(expected-findings.json)에 걸려야 할 것과 걸리면 안 되는 것을 미리 적어 두고 비교했습니다.

하나의 시연용 저장소에 대한 결과이며, 일반적인 탐지율을 뜻하지 않습니다.

2) 수정 전·후 공격 실행 검증 (별도 데모: demo-vulnerable-site/)

위 사례와 다른 저장소인 이 저장소 안의 데모 과녁에서 실행했습니다.

• 기능 테스트는 고치기 전·후 각각 3건 통과했고, 격리 4항목(네트워크 차단, root 아님, 권한 제거, 권한 상승 금지)이 전·후 모두 확인됐습니다.
• 근거: 기준 수정본 모드, 2026-10-31 로컬 Docker 실행(docs/verify.md). 운영 서버에서 MCP verify_demo로 실행한 결과는 PR #141에 있습니다.

---

직접 개발한 기술과 아키텍처

flowchart LR
  B[사용자 브라우저] --> W[웹<br/>Next.js]
  W --> A[백엔드 API<br/>FastAPI]
  A --> E[보안엔진<br/>정규화·지문·비교]
  E --> S[Opengrep · OSV-Scanner<br/>Gitleaks · 설정 검사]
  E --> G[(공개 GitHub 저장소)]
  A --> L[로컬 LLM<br/>vLLM · Qwen3.8-27B<br/>문맥 분석 → Blue → Red]
  A --> V[실검증 샌드박스<br/>Docker · 데모 과녁 전용]
  C[사용자 AI 코딩 에이전트<br/>Claude Code · Codex 등] -- 원격 MCP --> M[MCP 서버]
  M --> A
  C -- 사용자 허락 후 수정·push --> G

역할 구분

• 로컬 LLM: 설명·수정 지시 작성과 검토만 합니다. 위험도 결정과 명령 생성은 코드가 합니다.
• 웹 서버: 검사, 해석, 리포트, 데모 실검증을 실행합니다.
• MCP 서버: 실제 검사 결과와 검토를 통과한 수정 지시를 에이전트에 전달합니다.
• 사용자 코딩 에이전트: 사용자 PC의 코드를 고치고, push는 사용자가 결정합니다.

자세히: 보안엔진 · LLM 파이프라인 · 실검증 · 리포트·신고서

---

검증 결과와 지원 범위

지원 범위와 제한

• 검사 대상: 공개 GitHub 저장소의 기본 브랜치만 검사하고, 비밀키는 현재 파일만 봅니다(과거 커밋 기록은 아님).
• AI 분석 시간: 검사는 보통 1~3분이고, AI 분석은 위험도 상위 5건에 항목당 수 분이 걸립니다. 화면은 1분 뒤 엔진 결과로 먼저 넘어가고, 분석은 끝나는 대로 채웁니다.
• 실행 검증: 데모 과녁만 지원합니다. Red 검토 통과는 공격 차단을 증명하지 않으며, 차단 여부는 실행 검증에서만 판정합니다.
• 재검사: push된 커밋만 볼 수 있습니다. 로컬 수정이나 PR 브랜치는 보지 못합니다.
• 공개 주소: ngrok 무료 요금제를 씁니다. 한도는 월 요청 2만 건, 전송 1GB입니다.

---

팀과 협업

머지된 PR 기준으로 정리했습니다.

협업 방식: 이슈 → 브랜치 → Draft PR → 리뷰 → squash 머지. 커밋 메시지, 브랜치 이름, 비밀값 검사는 훅과 CI로 강제합니다(CONTRIBUTING.md).

리뷰가 품질로 이어진 사례: PR #141

• 리뷰어가 실검증 도구를 진행 중에 다시 부르면 새 작업이 중복 접수되는 문제를 재현했습니다.
• 다른 PR(#142)과 합쳐질 때 생기는 TypeError도 찾았습니다.
• 두 문제 모두 회귀 테스트와 함께 고친 뒤 머지했습니다.

---

기술 스택과 외부 자원

• 외부 자원 전체 목록(오픈소스·외부 API·사전 보유 코드·기타): docs/external-resources.md
• 대회 규정상 외부 자원 표는 발표 PDF에도 구분 | 명칭 | 용도 | 라이선스 형식으로 넣어야 합니다. 이 링크가 발표자료의 표를 대신하지 않습니다.
• 공식 MCP Registry 등록(io.github.maebsy/72hours)은 배포 채널일 뿐, 보안 인증이나 품질 보증이 아닙니다.

---

개발자 재현 방법

웹은 위 주소에서 설치 없이 쓸 수 있습니다. AI 코딩 도구 연결은 DISTRIBUTION.md를 참고하세요. 아래는 소스에서 직접 실행하는 방법입니다.

권장 경로: Docker 없이 로컬 실행 (운영 서버와 같은 구성)

사전 요구사항

git clone https://github.com/maebsy/YMCA-hackathon-2026.git
cd YMCA-hackathon-2026
cp .env.example .env

.env는 비워 둬도 로컬 SQLite로 동작합니다. AI 분석을 쓰려면 LLM_BASE_URL, LLM_API_KEY를 채웁니다(.env.example 설명 참고). 실제 키는 커밋하지 마세요.

# 스캐너 설치 확인
python -m security_engine doctor

# 백엔드 (터미널 1)
cd backend
python -m venv .venv
source .venv/bin/activate            # Windows: .venv\Scripts\activate
pip install -r requirements.txt
uvicorn app.main:app --reload        # http://localhost:8000/api/health → {"status":"ok",...}

# 웹 (터미널 2)
cd frontend
npm ci
npm run dev                          # http://localhost:3000, /api/* 는 127.0.0.1:8000 으로 전달

정상 확인: http://localhost:3000 에서 github.com/maebsy/cafe-order-demo를 점검해 결과 화면이 나오면 됩니다.

• Docker Compose (docker compose up --build --watch): 웹·API·DB가 함께 뜨는 개발 환경입니다. 지금 백엔드 이미지에는 보안엔진과 스캐너가 들어 있지 않아 저장소 검사에는 위 권장 경로를 쓰세요.
• GPU 서버: docs/llm.md
• 운영 배포(일반 서버, 자동 배포): deploy/general-server/README.md, auto-deploy
• MCP 서버 실행: deploy/general-server/service-mcp.md
• 기여 규칙: CONTRIBUTING.md. 처음 한 번 bash scripts/setup-dev.sh

---

현재 한계와 다음 단계

구현 완료: 공개 저장소 검사·재검사 비교, 로컬 LLM Red–Blue 해석, 원격 MCP 전달, 데모 과녁 실행 검증, 리포트·신고서 초안

다음 단계

1. 사용자 저장소 실행 검증: 격리 게이트(Docker, 격리 4항목)는 이미 코드에 있습니다. 저장소 소유권 확인을 붙여 켭니다.
2. 과거 커밋의 비밀키 검사: 지금은 현재 파일만 봅니다. 깃 기록에 남은 키까지 찾습니다.
3. 탐지 정확도 확대 측정: 정답지를 갖춘 시연용 저장소가 1개뿐입니다. 언어·프레임워크별 과녁을 늘려 미탐·오탐을 측정합니다.

---

코디세이 AI 해커톤 2026 · 이노베이션아카데미 · 주제: 개인정보와 정보자산을 보호하고 보안 위협을 탐지하고 예방하는 AI 서비스