algokit-mcp 1.0.4 → 1.0.5

package/README.md

@@ -12,43 +12,70 @@ AI 기반 힌트 생성, 문제 분석, 복습 템플릿 제공으로 효율적
 - 📝 **복습 템플릿**: 자동 생성되는 마크다운 복습 문서
 - 🧪 **코드 분석**: 제출 코드의 시간/공간 복잡도 분석 및 개선 제안
 
-## 플랫폼별 설정 경로
+## 설치
 
-| 항목 | Claude Code | Codex | Gemini CLI |
-|------|-------------|-------|------------|
-| **Skills 기능명** | Skills | Agent Skills | Agent Skills |
-| **Skills 호출** | `/skill-name` | `$skill-name` or 자동 | 모델 자율 판단 |
-| **MCP 설정 (프로젝트)** | `.mcp.json` | `.codex/config.toml` | `.gemini/settings.json` |
-| **MCP 설정 (전역)** | `~/.claude.json` | `~/.codex/config.toml` | `~/.gemini/settings.json` |
-| **Skills (프로젝트)** | `.claude/skills/` | `.codex/skills/` | `.gemini/skills/` |
-| **Skills (전역)** | `~/.claude/skills/` | `~/.codex/skills/` | `~/.gemini/skills/` |
+> 플랫폼별로 설치 방법이 다릅니다. Claude Code 는 Plugin 마켓플레이스를 지원하고, Codex와 Gemini는 수동 설정이 필요합니다.
 
-> Skills는 MCP 서버 첫 기동 시 감지된 플랫폼에 자동 설치됩니다.
+### Claude Code (Plugin Marketplace)
 
----
+마켓플레이스를 등록하고 플러그인을 설치하세요:
 
-## 설치
+```
+/plugin marketplace add itsme-shawn/AlgoKit-mcp
+```
 
-> **Skills 자동 설치**: MCP 서버 첫 기동 시 설치된 AI 에이전트를 자동으로 감지하여 Skills를 설치합니다.
+```
+/plugin install algokit-mcp@algokit-plugin
+```
 
-### Claude Code
+```
+/reload-plugins
+```
+
+이 명령으로 **MCP 서버와 6개 Skills가 모두 설치**됩니다.
+
+#### 자연어 설치
+
+Claude Code에서 아래 문장을 그대로 입력해도 됩니다:
+
+```
+algokit-mcp 플러그인을 마켓플레이스에서 설치해줘
+```
 
-#### 자동 설치
+#### MCP만 별도 설치 (Skills 없이)
 
 ```bash
-# 전역 설정 (모든 프로젝트에서 사용)
 claude mcp add --scope user algokit -- npx -y algokit-mcp@latest
+```
+
+---
 
-# 프로젝트 설정 (.mcp.json 생성)
-claude mcp add --scope project algokit -- npx -y algokit-mcp@latest
+### Codex
 
+Codex에게 아래 문장을 입력하세요:
 
 ```
+이 지시사항 대로 설치해줘 : https://raw.githubusercontent.com/itsme-shawn/AlgoKit-mcp/refs/heads/master/.codex/INSTALL.md
+```
+
+---
+
+### Gemini CLI
+
+Gemini CLI에게 아래 문장을 입력하세요:
+
+```
+이 지시사항 대로 설치해줘 : https://raw.githubusercontent.com/itsme-shawn/AlgoKit-mcp/refs/heads/master/.gemini/INSTALL.md
+```
+
+---
 
-#### 수동 설치
+### 수동 설치 (모든 플랫폼)
 
-`~/.claude.json` (전역) 편집:
+<details>
+<summary>MCP 설정 직접 편집하기</summary>
 
+**Claude Code** (`~/.claude.json`):
 ```json
 {
   "mcpServers": {
@@ -60,8 +87,14 @@ claude mcp add --scope project algokit -- npx -y algokit-mcp@latest
 }
 ```
 
-또는 프로젝트 루트에 `.mcp.json` 생성 ([예시](.claude/examples/claude-code-config.json)):
+**Codex** (`~/.codex/config.toml`):
+```toml
+[mcp.servers.algokit]
+command = "npx"
+args = ["-y", "algokit-mcp@latest"]
+```
 
+**Gemini CLI** (`~/.gemini/settings.json`):
 ```json
 {
   "mcpServers": {
@@ -73,278 +106,613 @@ claude mcp add --scope project algokit -- npx -y algokit-mcp@latest
 }
 ```
 
-#### Skills 위치
+</details>
 
-| 등록 방식 | Skills 위치 |
-|----------|------------|
-| `--scope user` (전역) | `~/.claude/skills/` |
-| `--scope project` (`.mcp.json` 있음) | `<프로젝트>/.claude/skills/` |
 
+## Skills
 
----
+**Skill 이름**: `algo:` (BOJ/프로그래머스 자동 선택)
 
-### Codex
+Claude Code, Codex, Gemini CLI 모두 동일한 `algo:` Skills를 지원합니다.
+MCP 서버 첫 기동 시 감지된 에이전트에 자동으로 설치됩니다.
 
-#### 자동 설치
+| Skill | 기능 | 사용 예시 |
+|-------|------|----------|
+| `algo:search` | 문제 검색 | `/algo:search 골드 DP 문제 추천해줘` |
+| `algo:fetch` | 문제 본문 크롤링 | `/algo:fetch 11726` |
+| `algo:hint` | 단계별 힌트 | `/algo:hint 11726` |
+| `algo:code-review` | 코드 분석/피드백 | `/algo:code-review @11726.py` |
+| `algo:blank` | 빈칸 연습 코드 생성 | `/algo:blank @11726.py` |
+| `algo:review` | 복습 문서 생성 | `/algo:review 11726` |
 
-```bash
-# 전역 설치
-codex mcp add algokit -- npx -y algokit-mcp@latest
-```
+> 자연어로 질문해도 AI가 맥락을 파악하여 Skill을 자동 호출합니다.
+> Skill(`/algo:*`)을 사용하면 의도가 더 명확해져 정확한 응답을 받을 수 있습니다.
 
-#### 수동 설치
+<details>
+<summary><b>Skills 상세 설명</b></summary>
 
-`~/.codex/config.toml` (전역) 또는 `.codex/config.toml` (프로젝트) 편집 ([예시](.claude/examples/codex-config.toml)):
+#### `algo:search` — 문제 검색
 
-```toml
-[mcp.servers.algokit]
-command = "npx"
-args = ["-y", "algokit-mcp@latest"]
-```
+난이도, 태그, 키워드로 백준/프로그래머스 문제를 검색합니다. 플랫폼 키워드(`백준`, `프로그래머스`)가 없으면 어떤 플랫폼인지 되묻습니다.
+
+- BOJ: 티어(브론즈~루비), 태그(`dp`, `graph` 등), 정렬 옵션 지원
+- 프로그래머스: 레벨(1~5), 인기순/최신순 정렬 지원
+- 검색 후 `/algo:hint`, `/algo:review` 등 후속 스킬 연계 제안
+
+#### `algo:fetch` — 문제 본문 크롤링
+
+문제 전문(설명, 입출력 형식, 예제, 제한 조건)을 가져옵니다. URL 입력 시 플랫폼 자동 판별, 숫자만 입력 시 플랫폼 확인 후 진행합니다.
+
+- BOJ: `acmicpc.net` 크롤링 (시간/메모리 제한 포함)
+- 프로그래머스: `school.programmers.co.kr` 크롤링 (제한사항 포함)
+- 캐시 30일, 재시도 최대 2회
+
+#### `algo:hint` — 단계별 힌트
+
+문제를 분석하고 사용자 상황에 맞는 **1개 레벨의 힌트만** 제공합니다. 한 번에 모든 힌트를 보여주지 않고, 대화를 통해 점진적으로 안내합니다.
+
+| Level | 시점 | 내용 |
+|-------|------|------|
+| Level 1 | 처음 막혔을 때 | 알고리즘명 없이 구조적 특징만 암시 |
+| Level 2 | "더 알려줘" 요청 | 알고리즘 유형 + 핵심 아이디어 |
+| Level 3 | "정답 알려줘" 요청 | 단계별 전략 + 의사코드 수준 설명 |
+
+#### `algo:blank` — 빈칸 연습 코드 생성
+
+완성된 풀이 코드의 핵심 로직을 `____`로 가린 연습 파일을 생성합니다. 원본 파일은 수정하지 않고 `_blank` 접미사 파일을 새로 만듭니다.
+
+- 빈칸 대상: 점화식, 자료구조 초기화, 핵심 조건문, 방문 처리 등
+- `// TODO N: 설명` 주석으로 무엇을 채워야 하는지 안내 (정답은 미제공)
+- import, 클래스 시그니처, main 블록은 그대로 유지
+
+#### `algo:code-review` — 코드 분석/피드백
+
+풀이 코드의 정확성, 시간/공간 복잡도를 분석하고 개선점을 제안합니다.
 
-#### Skills 위치
+| 분석 타입 | 내용 |
+|-----------|------|
+| `full` (기본) | 정확성 + 복잡도 + 개선점 + 스타일 |
+| `debug` | 에러 원인, 로직 오류, 엣지 케이스 |
+| `hint` | 핵심 개념, 접근 방향 |
+| `review` | 스타일, 가독성, 네이밍, 구조 |
 
-| 등록 방식 | Skills 위치 |
-|----------|------------|
-| 프로젝트 (`.codex/` 있음) | `<프로젝트>/.codex/skills/` |
-| 전역 (`~/.codex/` 있음) | `~/.codex/skills/` |
+#### `algo:review` — 복습 문서 생성
+
+풀이를 마친 후 학습 내용을 정리하는 마크다운 복습 문서(`_REVIEW.md`)를 생성합니다. MCP 서버가 템플릿과 가이드 프롬프트를 제공하고, AI가 사용자와 대화하며 섹션별로 작성합니다.
+
+- 포함 내용: 문제 요약, 사고흐름, 핵심아이디어, 풀이 코드 + 로직 설명, 데이터 흐름 추적, 실수 포인트, 관련 문제
+- 사용자 코드 기반 맞춤형 분석
+
+</details>
 
 ---
 
-### Gemini CLI
+## 사용 시나리오
 
-#### 자동 설치
+> 모든 결과는 AlgoKit MCP 서버를 실제 호출하여 얻은 데이터입니다.
 
-```bash
-# 전역 설치
-gemini mcp add algokit -- npx -y algokit-mcp@latest
-```
+하나의 문제에 대해 **탐색부터 복습까지** 전 과정을 지원합니다.
 
-#### 수동 설치
+| 단계 | 기능 | Skill |
+|:---:|------|-------|
+| 1 | 문제 검색 | `algo:search` |
+| 2 | 문제 요약 | `algo:fetch` |
+| 3 | 단계별 힌트 | `algo:hint` |
+| 4 | 빈칸 힌트 | `algo:blank` |
+| 5 | 코드 리뷰 | `algo:code-review` |
+| 6 | 복습 정리 | `algo:review` |
 
-`~/.gemini/settings.json` (전역) 또는 `.gemini/settings.json` (프로젝트) 편집 ([예시](.claude/examples/gemini-config.json)):
+---
 
-```json
-{
-  "mcpServers": {
-    "algokit": {
-      "command": "npx",
-      "args": ["-y", "algokit-mcp@latest"]
-    }
-  }
-}
+### 1. 문제 검색
+
+#### User:
+```
+BOJ에서 실버상위~골드 난이도 DP 문제 찾아줘
 ```
 
-#### Skills 위치
+Skill 사용 시,
+```
+/algo:search BOJ에서 실버상위~골드 난이도 DP 문제 찾아줘
+```
 
-| 등록 방식 | Skills 위치 |
-|----------|------------|
-| 프로젝트 (`.gemini/` 있음) | `<프로젝트>/.gemini/skills/` |
-| 전역 (`~/.gemini/` 있음) | `~/.gemini/skills/` |
+#### AI Agent:
 
-## MCP 도구
+```
+⏺ Skill(algo:search)
+  ⎿  Successfully loaded skill
 
-### 백준 (BOJ)
+⏺ BOJ에서 실버 상위~골드 난이도 DP 문제를 검색하겠습니다.
 
-| 도구 | 설명 |
-|------|------|
-| `search_problems_boj` | 문제 검색 (티어, 태그, 키워드) |
-| `get_problem_boj` | 문제 상세 조회 |
-| `search_tags_boj` | 알고리즘 태그 검색 |
-| `fetch_problem_content_boj` | 문제 본문 스크래핑 |
-| `analyze_problem_boj` | 문제 분석 및 힌트 가이드 |
-| `generate_hint_boj` | 3단계 힌트 생성 |
-| `generate_review_template_boj` | 복습 템플릿 생성 |
-| `analyze_code_submission_boj` | 코드 분석 및 피드백 |
+⏺ algokit - search_problems_boj (MCP)
+  (tags: "dp", level_min: "8", level_max: "15", sort: "level", direction: "asc")
 
-### 프로그래머스 (Programmers)
+     **총 1909개 문제** (1페이지)
 
-| 도구 | 설명 |
-|------|------|
-| `search_problems_programmers` | 문제 검색 (난이도, 카테고리) |
-| `get_problem_programmers` | 문제 상세 조회 |
-| `fetch_problem_content_programmers` | 문제 본문 스크래핑 |
-| `analyze_problem_programmers` | 문제 분석 |
-| `generate_hint_programmers` | 힌트 생성 |
-| `generate_review_template_programmers` | 복습 템플릿 |
-| `analyze_code_submission_programmers` | 코드 분석 |
+⏺ 총 1,909개의 DP 문제가 Silver III ~ Gold I 범위에 있습니다.
 
-## Skills
+  Silver III (실버 3)
 
-**Skill 이름**: `algo:` (BOJ/프로그래머스 자동 선택)
+  ┌───────┬────────────────┬──────────┐
+  │ 번호  │      제목      │  해결자  │
+  ├───────┼────────────────┼──────────┤
+  │ 1463  │ 1로 만들기     │ 87,355명 │
+  ├───────┼────────────────┼──────────┤
+  │ 9095  │ 1, 2, 3 더하기 │ 72,673명 │
+  ├───────┼────────────────┼──────────┤
+  │ 11726 │ 2×n 타일링     │ 65,411명 │
+  ├───────┼────────────────┼──────────┤
+  │ 2579  │ 계단 오르기    │ 64,700명 │
+  ├───────┼────────────────┼──────────┤
+  │ 14501 │ 퇴사           │ 42,532명 │
+  └───────┴────────────────┴──────────┘
 
-Claude Code, Codex, Gemini CLI 모두 동일한 `algo:` Skills를 지원합니다.
-MCP 서버 첫 기동 시 감지된 에이전트에 자동으로 설치되며, 수동으로도 설치할 수 있습니다.
-
-### 수동 설치
+  다음 페이지에서 Silver II ~ Gold 난이도 문제도 볼까요?
+```
 
-```bash
-# Claude Code
-cp -r skills/* ~/.claude/skills/          # 전역
-cp -r skills/* .claude/skills/            # 프로젝트
+---
 
-# Codex
-cp -r skills/* ~/.codex/skills/           # 전역
-cp -r skills/* .codex/skills/             # 프로젝트
+### 2. 문제 내용 요약
 
-# Gemini CLI
-cp -r skills/* ~/.gemini/skills/          # 전역
-cp -r skills/* .gemini/skills/            # 프로젝트
+#### User:
+```
+BOJ 11726 문제 내용 요약해줘
 ```
 
-### 사용 예시
+Skill 사용 시,
+```
+/algo:fetch 11726
+```
 
-#### `algo:search` - 문제 검색
+#### AI Agent:
 
 ```
-You: "골드 난이도 DP 문제 추천해줘"
+⏺ algokit - fetch_problem_content_boj (MCP)(problem_id: 11726)
+
+⏺ BOJ 11726 - 2×n 타일링
 
-Claude: "백준에서 골드 티어의 DP 문제를 검색했습니다.
+  2×n 크기의 직사각형을 1×2, 2×1 타일로 빈틈없이 채우는 방법의 수를
+  구하는 문제입니다.
 
-**추천 문제 3개:**
-1. 🥇 [G5] 12865번 - 평범한 배낭 (✅ 16,234명)
-2. 🥇 [G4] 9251번 - LCS (✅ 13,892명)
-3. 🥇 [G3] 1932번 - 정수 삼각형 (✅ 18,234명)
+  ┌─────────────┬──────────────────────────────────┐
+  │    항목     │               내용               │
+  ├─────────────┼──────────────────────────────────┤
+  │ 입력        │ 정수 n (1 ≤ n ≤ 1,000)           │
+  ├─────────────┼──────────────────────────────────┤
+  │ 출력        │ 방법의 수를 10,007로 나눈 나머지 │
+  ├─────────────┼──────────────────────────────────┤
+  │ 시간/메모리 │ 1초 / 256MB                      │
+  └─────────────┴──────────────────────────────────┘
 
-어떤 문제부터 시작하시겠어요?"
+  예제: n=2 → 2, n=9 → 55
 ```
 
+---
+
+### 3. 단계별 힌트
+
+#### User:
+```
+이 문제, 접근에 대한 힌트를 줘
 ```
-You: "https://www.acmicpc.net/problem/1927"
 
-Claude: "백준 1927번 '최소 힙' 문제를 조회했습니다.
+Skill 사용 시,
+```
+/algo:hint 11726
+```
 
-**문제 정보:**
-- 난이도: 🥈 Silver I
-- 분류: 자료구조, 우선순위 큐
-- 해결: 28,456명 | 정답률: 47.2%
+#### AI Agent:
 
-본문을 보시겠어요? (/algo:fetch)"
 ```
+⏺ algokit - analyze_problem_boj (MCP)(problem_id: 11726)
+
+⏺ BOJ 11726 — 2×n 타일링 (Silver III)
+
+  Level 1 힌트: 문제 분석
+
+  작은 경우부터 직접 그려보세요. n=1, n=2, n=3, n=4일 때 2×n 직사각형을
+  채우는 방법이 각각 몇 가지인지 손으로 나열해 보면, 이전 결과들이 다음
+  결과를 만드는 데 재활용되는 패턴이 보일 겁니다.
 
-#### `algo:hint` - 단계별 힌트
+  "n번째를 채우려면 직전에 어떤 상태에서 올 수 있는가?"를 생각해 보세요.
 
+  ---
+  더 구체적인 힌트가 필요하면 말씀해 주세요!
 ```
-You: "1927번 힌트 줘"
 
-Claude: "**💡 Level 1 힌트 (접근 방향)**
+> MCP 서버가 구조화된 데이터 + 가이드 프롬프트를 반환하면,
+> Claude가 문제에 맞는 자연어 분석을 생성합니다.
 
-이 문제는 **우선순위 큐(Priority Queue)** 자료구조를 사용합니다.
-Python의 `heapq` 모듈 또는 C++의 `priority_queue`를 활용하면
-O(log N) 시간에 최솟값을 찾을 수 있어요.
+---
+
+#### 힌트 더 받기
 
-더 구체적인 힌트가 필요하신가요?"
+#### User:
 ```
+잘 안 풀리네. 힌트를 좀 더 줘
+```
+
+#### AI Agent:
 
 ```
-You: "더 구체적으로 알려줘"
+⏺ Level 2 힌트: 핵심 아이디어
 
-Claude: "**💡 Level 2 힌트 (구현 방법)**
+  이 문제는 다이나믹 프로그래밍(DP) 문제입니다.
 
-1. **최소 힙** 사용 (Python: heapq, C++: priority_queue<int, greater<int>>)
-2. x가 0이 아니면 → `heappush(x)`
-3. x가 0이면 → `heappop()` (빈 경우 0 출력)
+  핵심은 2×n 직사각형의 맨 오른쪽 열을 채우는 방법이 딱 두 가지뿐이라는
+  점입니다:
 
-시간복잡도: O(N log N)
-공간복잡도: O(N)
+  1. 세로 타일 1개 (2×1) → 나머지는 2×(n-1) 채우기
+  2. 가로 타일 2개 (1×2 두 개) → 나머지는 2×(n-2) 채우기
 
-코드 예시를 보시겠어요? (/algo:hint 정답)"
+  즉, f(n)을 구하려면 f(n-1)과 f(n-2)만 알면 됩니다.
+
+  ---
+  더 상세한 풀이 가이드가 필요하면 말씀해 주세요.
 ```
 
-#### `algo:code-review` - 코드 분석
+사용자 상황에 따라 **한 번에 1개 레벨만** 제공:
+
+| Level | 시점 | 제공 내용 |
+|-------|------|----------|
+| Level 1 | 처음 시도할 때 | 알고리즘명 없이 구조적 특징만 암시 |
+| Level 2 | "더 알려줘" 요청 시 | 알고리즘 유형 명시 + 핵심 아이디어 |
+| Level 3 | "정답 알려줘" 요청 시 | 단계별 전략 + 의사코드 수준 설명 |
+
+---
+
+### 4. 빈칸 힌트
+
+#### User:
+```
+정답 코드에 빈 칸을 뚫어서 힌트를 줘
+11726_blank.py 에 작성해줘
+```
 
+Skill 사용 시,
+```
+/algo:blank @11726.py
 ```
-You: "1927번 내 코드 분석해줘"
-You: [Python 코드 붙여넣기]
 
-Claude: "코드를 분석했습니다! ✨
+#### AI Agent:
 
-**✅ 좋은 점:**
-- heapq 모듈을 올바르게 사용
-- 시간복잡도 O(N log N) 달성
+```
+⏺ algokit - fetch_problem_content_boj (MCP)(problem_id: 11726)
+
+⏺ Write(11726_blank.py)
+  ⎿  Wrote 26 lines to 11726_blank.py
+       1 # BOJ 11726 - 2×n 타일링
+       2 # https://www.acmicpc.net/problem/11726
+       3 #
+       4 # 점화식 힌트:
+       5 #   - 맨 오른쪽에 세로 타일 1개 → f(n-1)
+       6 #   - 맨 오른쪽에 가로 타일 2개 → f(n-2)
+       7
+       8 n = int(input())
+       9
+      10 # TODO 1: dp 배열 초기화 (크기: n+1, 초깃값: 0)
+      11 dp = ____
+      12
+      13 # TODO 2: 기저 조건 설정
+      14 dp[1] = ____
+      15 dp[2] = ____
+      16
+      17 # TODO 3: 점화식을 이용해 dp[3] ~ dp[n] 채우기
+      18 for i in range(3, n + 1):
+      19     dp[i] = ____
+      20
+      21 # TODO 4: 결과 출력 (10007로 나눈 나머지)
+      22 print(____)
+
+⏺ 11726_blank.py에 빈칸 버전을 작성했습니다. 총 4개의 TODO가 있습니다:
+
+  ┌──────┬─────────────────────────────────────────────────┐
+  │ TODO │                      힌트                       │
+  ├──────┼─────────────────────────────────────────────────┤
+  │ 1    │ dp 배열을 어떤 크기로, 어떻게 초기화할지        │
+  ├──────┼─────────────────────────────────────────────────┤
+  │ 2    │ dp[1]과 dp[2]의 기저값 (직접 손으로 세어보세요) │
+  ├──────┼─────────────────────────────────────────────────┤
+  │ 3    │ dp[i] = ? — Level 2 힌트에서 알려드린 점화식!   │
+  ├──────┼─────────────────────────────────────────────────┤
+  │ 4    │ 최종 출력 시 모듈러 연산을 어디서 적용할지      │
+  └──────┴─────────────────────────────────────────────────┘
+
+  빈칸을 ____ 부분에 채워보세요. 막히면 말씀해 주세요!
+```
 
-**⚠️ 개선 가능:**
-1. `sys.stdin.readline()` 사용 → 입력 속도 개선 (30% 빠름)
-2. 빈 힙 체크를 `if heap:` 대신 `if len(heap):`로 명시
+---
 
-**예상 성능:**
-- 현재: 약 300ms
-- 개선 후: 약 200ms
+### 5. 코드 리뷰
 
-수정 코드를 보여드릴까요?"
+#### User:
+```
+@BOJ/10000~/11726/11726.py
+내 풀이를 보고 리뷰해줘
 ```
 
-#### `algo:review` - 복습 템플릿
+Skill 사용 시,
+```
+/algo:code-review @11726.py
+```
+
+#### AI Agent:
 
 ```
-You: "1927번 복습 문서 만들어줘"
+⏺ Skill(algo:code-review)
+  ⎿  Successfully loaded skill
+
+⏺ algokit - analyze_code_submission_boj (MCP)
+  (problem_id: 11726, language: "python", analysis_type: "review")
+
+⏺ BOJ 11726 - 2×n 타일링 코드 리뷰
+
+  ✅ 정확성
 
-Claude: "복습 템플릿을 생성했습니다! 📝
+  피보나치 점화식 dp[i] = dp[i-1] + dp[i-2]를 정확히 적용했고,
+  모듈러 연산도 올바르게 처리했습니다. 정답 코드입니다.
 
-# 백준 1927번 - 최소 힙
+  ⏱️  복잡도
 
-## 문제 요약
-최솟값을 빠르게 찾는 자료구조 구현
+  - 시간: O(n) — 최적
+  - 공간: O(n) (고정 1001 크기 배열)
 
-## 핵심 알고리즘
-- **우선순위 큐** (최소 힙)
-- 삽입: O(log N), 삭제: O(log N)
+  💡 개선 포인트
 
-## 풀이 과정
-1. heapq 모듈 import
-2. 입력에 따라 push/pop 수행
-...
+  1. 배열 크기 고정 (1001)
+  n + 1 크기로 잡는 게 의도가 더 명확합니다.
 
-이 템플릿을 파일로 저장하시겠어요?"
+  2. 공간 최적화 가능
+  이전 두 값만 사용하므로 변수 두 개로 줄일 수 있습니다:
+  a, b = 1, 2
+  for _ in range(3, n + 1):
+      a, b = b, (a + b) % 10007
+
+  총평
+
+  DP 기본 문제를 깔끔하게 풀었습니다. 점화식 도출, 모듈러 처리,
+  입력 최적화 모두 잘 적용되어 수정할 부분이 거의 없는 코드입니다.
 ```
 
 ---
 
-## 학습 워크플로우
-
-### 새 문제 접근하기
+### 6. 복습 정리
 
+#### User:
+```
+복습 문서 만들어줘
 ```
-1. You: "골드 3~5 DP 문제 추천"
-   → Claude: [문제 3개 추천]
 
-2. You: "1932번 본문 보여줘"
-   → Claude: [문제 본문 표시]
+Skill 사용 시,
+```
+/algo:review 11726
+```
 
-3. You: "힌트 줘"
-   → Claude: [Level 1 힌트]
+#### AI Agent:
 
-4. You: "더 구체적으로"
-   → Claude: [Level 2 힌트]
 ```
+⏺ Skill(algo:review)
+  ⎿  Successfully loaded skill
 
-### 풀이 후 복습하기
+⏺ algokit - generate_review_template_boj (MCP)
+  (problem_id: 11726, user_notes: "피보나치 점화식 dp[i] = dp[i-1] +
+  dp[i-2] 활용, 모듈러 연산 10007, O(n) 시간/공간")
 
+⏺ Write(BOJ/10000~/11726/11726_REVIEW.md)
+  ⎿  Wrote 142 lines to BOJ/10000~/11726/11726_REVIEW.md
 ```
-1. You: "1932번 내 코드 분석해줘" + [코드]
-   → Claude: [시간복잡도, 개선점 제시]
 
-2. You: "복습 문서 만들어줘"
-   → Claude: [마크다운 템플릿 생성]
+<!-- 아래는 생성된 REVIEW.md의 실제 내용입니다. -->
+<!-- MCP 서버가 템플릿 + 가이드 프롬프트를 제공하고, AI가 사용자와 대화하며 작성합니다. -->
+
+<details>
+<summary><b>생성된 복습 문서 예시 보기</b></summary>
+
+````markdown
+#### BOJ 11726 — 2×n 타일링
+
+https://www.acmicpc.net/problem/11726
+
+**문제 정보**
+
+| 항목 | 내용 |
+|------|------|
+| 핵심 요구사항 | 2×n 직사각형을 1×2, 2×1 타일로 채우는 방법의 수를 10,007로 나눈 나머지 출력 |
+| 입력 크기 | 1 ≤ n ≤ 1,000 |
+| 시간/메모리 | 1초 / 256MB |
+| 티어 | Silver III |
+| 태그 | 다이나믹 프로그래밍 |
+| 해결자 수 | 65,411명 (평균 시도 2.7회) |
+
+**사고흐름**
+
+- **첫 인상**: n이 작아질수록 경우의 수가 줄어드는 구조 → 작은 문제로 분할 가능
+- **자료구조/알고리즘 선택**: DP (Bottom-Up)
+- **선택 근거**: dp[n]을 구하기 위해 이전 상태(dp[n-1], dp[n-2])만 필요 → 점화식 도출 가능
+- **특이 조건 처리**: 모듈러 연산을 매 단계 적용하여 오버플로우 방지
+- **시간 복잡도 검증**: O(n) = O(1000) → 충분
+
+**핵심아이디어**
+
+2×n 타일링의 마지막 열 배치를 기준으로 경우를 나누면 피보나치 점화식이 도출된다. 마지막에 세로 타일(1×2) 1개를 놓으면 dp[n-1], 가로 타일(2×1) 2개를 놓으면 dp[n-2]가 되어 **dp[n] = dp[n-1] + dp[n-2]**.
+
+**풀이 1 (내 코드)**
+
+```python
+import sys
+read = sys.stdin.readline
+
+n = int(read())
+dp = [0] * (1001)
+
+dp[1], dp[2] = 1, 2
+for i in range(3, n + 1):
+    dp[i] = (dp[i - 1] + dp[i - 2]) % 10007
+print(dp[n])
 ```
 
----
+핵심 포인트:
+- 배열을 1001 크기로 고정하여 n=1일 때 dp[2] 초기화 시 IndexError 방지
+- 매 단계에서 % 10007 적용하여 중간 값 오버플로우 방지
 
-## 사용 방법
+**데이터 흐름 추적** (n = 9):
 
-### 일반 사용 (자연스러운 대화)
 ```
-You: "골드 DP 문제 추천해줘"
-→ Claude가 맥락 파악 → MCP 도구 자동 호출 → 결과 제공
+dp[1] = 1
+dp[2] = 2
+dp[3] = dp[2] + dp[1] = 3
+dp[4] = dp[3] + dp[2] = 5
+dp[5] = dp[4] + dp[3] = 8
+dp[6] = dp[5] + dp[4] = 13
+dp[7] = dp[6] + dp[5] = 21
+dp[8] = dp[7] + dp[6] = 34
+dp[9] = dp[8] + dp[7] = 55  ← 출력
 ```
 
-### Skill 사용 (명시적 호출, 권장)
+**풀이 2 (공간 최적화)**
+
+```python
+import sys
+read = sys.stdin.readline
+
+n = int(read())
+
+if n == 1:
+    print(1)
+else:
+    a, b = 1, 2
+    for _ in range(3, n + 1):
+        a, b = b, (a + b) % 10007
+    print(b)
 ```
-You: "/algo:search 골드 DP 문제 추천해줘"
-→ Skill이 의도 명확히 파악 → 더 정확한 MCP 도구 선택
+
+이전 두 값만 사용하므로 변수 2개로 O(1) 공간 달성.
+
+**자주 하는 실수**
+
+- n=1일 때 배열 크기 부족으로 IndexError
+- 모듈러 연산을 마지막에만 적용 → 중간 값 오버플로우 (C++/Java)
+- dp[0] 초기값 설정 혼동 (0 vs 1)
+
+**관련 문제**
+
+- 11727 — 2×n 타일링 2 (2×2 타일 추가)
+- 1010 — 다리 놓기 (Silver V, 조합 + DP)
+- 9625 — BABBA (Silver V, 피보나치 변형)
+````
+
+</details>
+
+---
+
+## MCP 도구
+
+### 백준 (BOJ)
+
+| 도구 | 설명 |
+|------|------|
+| `search_problems_boj` | 문제 검색 (티어, 태그, 키워드) |
+| `get_problem_boj` | 문제 상세 조회 |
+| `search_tags_boj` | 알고리즘 태그 검색 |
+| `fetch_problem_content_boj` | 문제 본문 스크래핑 |
+| `analyze_problem_boj` | 문제 분석 및 힌트 가이드 |
+| `generate_hint_boj` | 3단계 힌트 생성 |
+| `generate_review_template_boj` | 복습 템플릿 생성 |
+| `analyze_code_submission_boj` | 코드 분석 및 피드백 |
+
+### 프로그래머스 (Programmers)
+
+| 도구 | 설명 |
+|------|------|
+| `search_problems_programmers` | 문제 검색 (난이도, 카테고리) |
+| `get_problem_programmers` | 문제 상세 조회 |
+| `fetch_problem_content_programmers` | 문제 본문 스크래핑 |
+| `analyze_problem_programmers` | 문제 분석 |
+| `generate_hint_programmers` | 힌트 생성 |
+| `generate_review_template_programmers` | 복습 템플릿 |
+| `analyze_code_submission_programmers` | 코드 분석 |
+
+
+
+## Q&A
+
+<details>
+<summary><b>MCP가 뭔가요?</b></summary>
+
+MCP(Model Context Protocol)는 AI 에이전트가 외부 도구를 호출할 수 있게 해주는 표준 프로토콜입니다. AlgoKit은 **로컬 MCP 서버**로 동작합니다. `npx`로 설치하면 사용자의 로컬 머신에서 실행되며, 별도의 원격 서버나 계정이 필요 없습니다.
+
 ```
+사용자 → AI 에이전트 → AlgoKit MCP 서버 (로컬) → solved.ac API / 웹 스크래핑
+                ↓
+        자연어 응답 생성
+```
+
+사용자는 MCP를 직접 다룰 필요 없이, AI에게 자연어로 요청하면 됩니다.
+
+</details>
+
+<details>
+<summary><b>API 키가 필요한가요?</b></summary>
+
+아니요. AlgoKit은 사용 중인 AI 에이전트(Claude Code, Codex, Gemini 등)를 그대로 활용하는 MCP 서버이므로, 별도의 API 키나 로그인 없이 바로 사용할 수 있습니다.
+
+</details>
+
+<details>
+<summary><b>어떤 AI 에이전트를 지원하나요?</b></summary>
+
+| 에이전트 | 지원 방식 |
+|----------|-----------|
+| **Claude Code** | Plugin Marketplace (자동 설치) |
+| **Codex** | 설치 스크립트 제공 |
+| **Gemini CLI** | 설치 스크립트 제공 |
+| 기타 MCP 호환 에이전트 | 수동 설정 가능 |
+
+</details>
+
+<details>
+<summary><b>Skill과 MCP 도구의 차이가 뭔가요?</b></summary>
+
+- **MCP 도구**: AlgoKit 서버가 제공하는 개별 기능 단위 (예: `search_problems_boj`, `analyze_problem_boj`)
+- **Skill** (`/algo:*`): 여러 MCP 도구를 조합해 하나의 워크플로우로 묶은 것 (예: `/algo:hint`는 내부적으로 `analyze_problem` + `fetch_problem_content`를 조합)
 
-**차이점**: 둘 다 MCP 도구를 호출하지만, Skill 사용 시 더 명시적이고 정확한 응답을 받을 수 있습니다.
+Skill을 사용하면 AI가 최적의 도구를 자동으로 선택하고 조합합니다. 자연어로 질문해도 동일한 결과를 얻을 수 있지만, Skill을 명시하면 의도가 더 정확하게 전달됩니다.
+
+</details>
+
+<details>
+<summary><b>프로그래머스도 지원하나요?</b></summary>
+
+네. 프로그래머스도 지원합니다.
+
+</details>
+
+<details>
+<summary><b>오프라인에서도 사용할 수 있나요?</b></summary>
+
+아니요. AlgoKit은 solved.ac API와 BOJ/프로그래머스 웹사이트에서 실시간으로 데이터를 가져오므로 인터넷 연결이 필요합니다.
+
+</details>
+
+<details>
+<summary><b>ChatGPT나 Claude에 직접 물어보는 것과 뭐가 다른가요?</b></summary>
+
+AI에게 직접 알고리즘 문제를 질문하면 학습 데이터에 의존하기 때문에, 문제 정보가 부정확하거나 존재하지 않는 문제를 지어내는 경우가 있습니다. 웹 검색을 사용하더라도 공식 출처가 아닌 블로그 등에서 데이터를 가져오는 경우가 많아 정확도가 보장되지 않습니다.
+
+AlgoKit은 **공식 데이터 소스**(solved.ac API, BOJ/프로그래머스 웹사이트)에서 직접 실시간 데이터를 가져와 AI에게 전달하므로, 항상 정확한 문제 정보를 기반으로 응답합니다.
+
+| | AI에 직접 질문 | AlgoKit 사용 |
+|---|---|---|
+| 데이터 소스 | 학습 데이터 또는 블로그 등 비공식 출처 | solved.ac API, BOJ/프로그래머스 공식 사이트 |
+| 문제 정보 | 부정확하거나 존재하지 않는 문제 생성 가능 | 실시간 크롤링 (항상 최신, 정확) |
+| 난이도/태그 | 부정확하거나 누락 | solved.ac 기준 정확한 데이터 |
+| 힌트 제공 | 한 번에 전체 풀이 노출 위험 | Level 1→2→3 단계별 제공 |
+| 복습 지원 | 매번 수동 요청 | 구조화된 복습 문서 자동 생성 |
+| 학습 워크플로우 | 없음 | 검색→힌트→빈칸→리뷰→복습 일관된 흐름 |
+
+</details>
+
+---
 
 ## 개발