MCPJam Inspector (MCP server) — 사용 사례, 설치 & 라이브 데모

Name: MCPJam Inspector MCP Server
Author: MCPJam

왜 쓰나요

핵심 기능

모든 MCP transport 연결: stdio / SSE / streamable HTTP
폼 기반 입력과 실시간 JSON Schema 검증으로 모든 도구 직접 호출
서버 도구를 사용하는 내장 채팅 — LLM이 실제로 도구를 어떻게 사용하는지 확인
Eval 모드: 여러 모델에 prompt를 실행하고 tool-use 추적 비교
MCP 서버뿐만 아니라 ChatGPT 앱도 지원

라이브 데모

실제 사용 모습

mcpjam-inspector.replay ▶ 준비됨

0/0

설치

클라이언트 선택

~/Library/Application Support/Claude/claude_desktop_config.json · Windows: %APPDATA%\Claude\claude_desktop_config.json

{
  "mcpServers": {
    "mcpjam-inspector": {
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  }
}

Claude Desktop → Settings → Developer → Edit Config 열기. 저장 후 앱 재시작.

~/.cursor/mcp.json · .cursor/mcp.json

{
  "mcpServers": {
    "mcpjam-inspector": {
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  }
}

Cursor는 Claude Desktop과 동일한 mcpServers 스키마 사용. 프로젝트 설정이 전역보다 우선.

VS Code → Cline → MCP Servers → Edit

{
  "mcpServers": {
    "mcpjam-inspector": {
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  }
}

Cline 사이드바의 MCP Servers 아이콘 클릭 후 "Edit Configuration" 선택.

~/.codeium/windsurf/mcp_config.json

{
  "mcpServers": {
    "mcpjam-inspector": {
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  }
}

Claude Desktop과 같은 형식. Windsurf 재시작 후 적용.

~/.continue/config.json

{
  "mcpServers": [
    {
      "name": "mcpjam-inspector",
      "command": "npx",
      "args": [
        "-y",
        "@mcpjam/inspector"
      ]
    }
  ]
}

Continue는 맵이 아닌 서버 오브젝트 배열 사용.

~/.config/zed/settings.json

{
  "context_servers": {
    "mcpjam-inspector": {
      "command": {
        "path": "npx",
        "args": [
          "-y",
          "@mcpjam/inspector"
        ]
      }
    }
  }
}

context_servers에 추가. 저장 시 Zed가 핫 리로드.

claude mcp add mcpjam-inspector -- npx -y @mcpjam/inspector

한 줄 명령. claude mcp list로 확인, claude mcp remove로 제거.

사용 사례

실전 활용법: MCPJam Inspector

MCP 도구가 잘못 호출되는 이유 디버그

👤 MCP 서버 개발자 ⏱ ~20 min intermediate

언제 쓸까: 도구를 배포했는데 Claude가 계속 잘못된 인수로 호출할 때.

사전 조건

Inspector 실행 — npx -y @mcpjam/inspector (브라우저에서 localhost:6274 열림)
MCP 서버 — stdio 명령 또는 SSE URL로 실행 준비

흐름

서버 연결

In the inspector UI, add a stdio server: command=node, args=[./dist/server.js].✓ 복사됨

→ 설명과 스키마가 있는 도구 목록 표시
LLM이 보는 내용 확인

Look at the rendered description in the tool detail panel — that's exactly what the model sees.✓ 복사됨

→ 모호함 발견 ("id"가 "task_id"여야 하거나, 예시 누락)
잘못된 사용 재현

Open Chat tab. Send the user prompt that caused the failure. Watch the tool_use payload.✓ 복사됨

→ 프로덕션에서 봤던 동일한 잘못된 호출
설명 수정 후 재테스트

Update the tool's description and example in your server code, restart, retry the same prompt.✓ 복사됨

→ 이번엔 올바른 호출

결과: 증거 기반의 before/after로 뒷받침된 구체적인 수정.

함정

서버 재시작 후 캐시된 스키마가 남아 있음 — 서버 패널에서 'Reconnect' 클릭; inspector가 list_tools를 다시 가져옴

여러 모델이 MCP 서버 도구를 어떻게 사용하는지 평가

👤 여러 클라이언트를 대상으로 서버를 개발하는 개발자 ⏱ ~45 min advanced

언제 쓸까: 서버가 Haiku/GPT-5만큼 Sonnet에서도 잘 동작하는지 확인하고 싶을 때.

흐름

eval 세트 구성

Author 10 representative user prompts in the Eval tab. Mix easy and adversarial.✓ 복사됨

→ prompt와 예상 도구 시퀀스가 있는 eval 저장됨
여러 모델에서 실행

Run the eval against Sonnet 4.6, Haiku 4.5, and GPT-5. Compare tool-use traces.✓ 복사됨

→ 모델별 추적; prompt별 통과/실패
가장 약한 스키마 개선

On the failing prompts, what description change would fix the cheaper model without breaking Sonnet?✓ 복사됨

→ 구체적인 설명 재작성

결과: 테스트한 모델 하나가 아닌 전체 모델 라인업에서 동작하는 서버.

함정

eval이 정상 경로만 테스트 — 적대적 prompt 추가: 인수 누락, 모순된 입력, 불완전한 정보

낯선 서드파티 MCP 서버를 안전하게 탐색

👤 커뮤니티 MCP를 평가 중인 모든 분 ⏱ ~15 min intermediate

언제 쓸까: 누군가의 MCP를 설정에 추가하기 전에 어떤 도구를 노출하는지 먼저 확인하고 싶을 때.

흐름

격리해서 실행

Add the server in inspector — don't put it in your real client config yet.✓ 복사됨

→ 전체 설명과 함께 도구 목록 표시
표면 감사

Scan tool list. Anything that writes/deletes/runs code? Anything that calls external URLs?✓ 복사됨

→ 위험도 분류된 도구 목록
위험한 도구 직접 테스트

Hand-call each write tool with a no-op payload to see what it actually does.✓ 복사됨

→ 자율 에이전트에 노출하기 전에 동작 확인

결과: 맹목적인 신뢰 대신 정보를 갖춘 설치/건너뜀 결정.

함정

도구가 shell을 실행 — 직접 호출해도 시스템이 변경될 수 있음 — 컨테이너나 임시 디렉토리에서 실행; 일상 작업 환경에서 신뢰할 수 없는 MCP 절대 검사 금지

조합

다른 MCP와 조합해 10배 효율

mcpjam-inspector + github

CI에서 자체 MCP 서버 프로파일링

On every PR, run inspector eval against the main + PR head; comment diff in the PR via github MCP.✓ 복사됨

도구

이 MCP가 노출하는 것

도구	입력	언제 호출	비용
list_tools	server connection	연결 시 자동 실행 — 수동 호출은 거의 없음	0
call_tool	tool_name, args	폼 입력으로 모든 도구 직접 호출	depends on tool
chat	model, messages	LLM이 도구를 통해 어떤 동작을 보이는지 확인	depends on model API
run_eval	eval_set, models[]	배포 전 크로스 모델 회귀 검사	API calls × models × prompts

비용 및 제한

운영 비용

API 쿼터: Eval 모드는 LLM 제공자 할당량을 사용 — API 키 직접 제공 필요
호출당 토큰: inspector 자체는 0; 채팅/eval에는 전체 에이전트 비용 발생
금액: 무료 (오픈 소스) — 모델 API 비용만 지불
팁: eval 반복에는 Haiku 사용; 최종 크로스 모델 검사에만 Sonnet으로 전환

보안

권한, 시크릿, 파급범위

최소 스코프: Local network only by default

자격 증명 저장: eval 모델 API 키는 기본적으로 브라우저 localStorage에 저장 — 공유 컴퓨터에서 사용 후 삭제

데이터 외부 송신: 설정한 모델 제공자(Anthropic, OpenAI 등)와 연결한 MCP 서버로만

절대 부여 금지: Public-internet access — inspector는 localhost에서만 사용

악의적인 MCP 서버를 검사해도 해당 서버 코드가 내 컴퓨터에서 실행됨 — 알 수 없는 서버는 샌드박스에서 검사

문제 해결

자주 발생하는 오류와 해결

서버 연결 실패 (stdio)

명령 경로가 절대 경로인지, 작업 디렉토리가 설정됐는지 확인; inspector 로그 패널에서 stderr 확인

확인: Run the server command manually in a terminal first

SSE 서버가 연결 중 멈춤

CORS 또는 인증 헤더 문제 — SSE 엔드포인트가 localhost:6274에서의 cross-origin 요청을 허용하는지 확인

확인: curl -N <sse_url> with -H 'Accept: text/event-stream'

Eval 실행됐지만 모든 모델이 실패

설정에서 API 키 유효성 확인; 모델 이름이 제공자의 현재 명칭과 일치하는지 확인

Inspector 포트가 이미 사용 중

PORT=6275 npx @mcpjam/inspector

확인: lsof -i :6274

대안

MCPJam Inspector 다른 것과 비교

대안	언제 쓰나	단점/장점
modelcontextprotocol/inspector (official)	가장 보수적인 기능 세트의 공식 레퍼런스 inspector를 원할 때	채팅/eval 모드 없음; 더 낮은 수준
wong2/mcp-cli	UI보다 터미널을 선호할 때	시각적 eval 비교나 스키마 렌더링 없음

MCPJam Inspector