n2-qln 3.4.1 → 3.4.2

package/README.ko.md

@@ -1,470 +1,470 @@
-🇺🇸 [English](README.md)
-
-# n2-qln
-
-[![npm](https://img.shields.io/npm/v/n2-qln?color=brightgreen)](https://www.npmjs.com/package/n2-qln) [![license](https://img.shields.io/npm/l/n2-qln)](LICENSE) [![node](https://img.shields.io/node/v/n2-qln?color=brightgreen)](https://nodejs.org) [![downloads](https://img.shields.io/npm/dm/n2-qln?color=blue)](https://www.npmjs.com/package/n2-qln)
-
-**QLN** = **Q**uery **L**ayer **N**etwork — AI와 도구 사이에 위치하는 시맨틱 검색 레이어.
-
-> **1,000개 이상의 도구를 1개의 MCP 도구로 라우팅합니다.** AI는 라우터 하나만 봅니다 — 1,000개 전체가 아닙니다.
-
-![QLN Architecture — Without vs With](docs/architecture.png)
-
-## 목차
-
-- [기능](#기능)
-- [문제점](#문제점)
-- [설치](#설치)
-- [설정](#설정)
-- [작동 방식](#작동-방식)
-- [API 레퍼런스](#api-레퍼런스)
-- [설정 파일](#설정-파일)
-- [시맨틱 검색 설정](#시맨틱-검색-설정-선택사항)
-- [프로젝트 구조](#프로젝트-구조)
-- [실전 검증 완료](#실전-검증-완료)
-- [FAQ](#faq)
-- [기여하기](#기여하기)
-
-## 기능
-
-🔍 **하나의 도구로 모든 것을** — AI는 `n2_qln_call` (~200 토큰)만 봅니다. 1,000개의 개별 도구가 아닙니다. 99.6% 컨텍스트 절감.
-
-⚡ **5ms 이하 검색** — 3단계 검색 엔진 (트리거 + BM25 키워드 + 시맨틱)이 1,000개 이상의 도구에서도 5ms 이내에 최적 도구를 찾습니다.
-
-🎯 **BM25 키워드 랭킹** *(v3.4)* — Stage 2에 [Okapi BM25](https://en.wikipedia.org/wiki/Okapi_BM25) 알고리즘 적용. 희귀한 단어일수록 높은 점수, 문서 길이 정규화. Google, Elasticsearch, Wikipedia 검색의 핵심 알고리즘.
-
-📈 **자동 학습 랭킹** — 많이 사용되고 성공률이 높은 도구는 자동으로 상위에 랭크됩니다. 수동 튜닝 불필요.
-
-🔄 **런타임 동적 관리** — 서버 재시작 없이 도구를 추가, 수정, 삭제할 수 있습니다. Provider 단위 일괄 관리 지원.
-
-🛡️ **강제 품질 검증** — 도구 등록 시 엄격한 검증: `verb_target` 네이밍, 최소 설명 길이, 카테고리 제약. 잘못된 도구는 거부됩니다.
-
-🧠 **시맨틱 검색 (선택)** — [Ollama](https://ollama.ai) 추가 시 벡터 유사도 검색 활성화. 없어도 Stage 1 + 2만으로 충분한 결과. Ollama가 다운되어도 검색은 정상 작동합니다.
-
-📦 **네이티브 의존성 제로** — [sql.js](https://github.com/sql-js/sql.js) (WASM) 기반. `node-gyp` 빌드 없음, 플랫폼별 바이너리 없음. `npm install`이면 끝.
-
-🔌 **이중 실행** — 도구를 로컬 함수 또는 HTTP 엔드포인트로 실행. 핸들러를 직접 등록하거나 원격 서비스를 연결. 혼합도 가능.
-
-📋 **Provider 자동 인덱싱** *(v3.3)* — `providers/`에 JSON 매니페스트를 넣으면 부팅 시 자동 등록. 코드 수정 불필요, 수동 `create` 호출 불필요. 멱등성 보장 및 에러 격리.
-
-🏗️ **10,000개 이상 확장** — 카테고리별 centroid hierarchy 파티셔닝. 100개 ~1ms, 1,000개 ~3ms, 10,000개 ~5ms.
-
-🌍 **범용 MCP** — Claude Desktop, Cursor, n2-soul 또는 모든 MCP 호환 클라이언트에서 동작. 표준 stdio 전송.
-
-## 문제점
-
-MCP 도구를 등록할 때마다 AI 컨텍스트 토큰을 소모합니다. 10개는 괜찮습니다. 100개면 느려집니다. **1,000개면 불가능합니다** — 대화가 시작되기도 전에 컨텍스트 윈도우가 가득 찹니다.
-
-QLN은 **시맨틱 검색 라우터**로 이 문제를 해결합니다:
-
-1. 모든 도구를 QLN의 SQLite 인덱스에 등록
-2. AI는 **하나의 도구**만 봅니다: `n2_qln_call` (~200 토큰)
-3. AI가 도구가 필요하면 **검색** → **최적 매칭** → **실행**
-
-**결과: ~50,000 토큰 대신 ~200 토큰. 99.6% 절감.**
-
----
-
-## 설치
-
-```bash
-npm install n2-qln
-```
-
-**요구사항:** Node.js ≥ 18
-
-**선택사항:** 시맨틱 벡터 검색(Stage 3)을 위해 [Ollama](https://ollama.ai) 설치. [시맨틱 검색 설정](#시맨틱-검색-설정-선택사항) 참조.
-
----
-
-## 설정
-
-QLN은 MCP 서버입니다. 모든 MCP 호환 AI 클라이언트에 연결할 수 있습니다.
-
-### Claude Desktop
-
-Claude Desktop 설정 파일을 편집합니다:
-
-- **macOS:** `~/Library/Application Support/Claude/claude_desktop_config.json`
-- **Windows:** `%APPDATA%\Claude\claude_desktop_config.json`
-
-```json
-{
-  "mcpServers": {
-    "n2-qln": {
-      "command": "npx",
-      "args": ["-y", "n2-qln"]
-    }
-  }
-}
-```
-
-Claude Desktop을 재시작하면 `n2_qln_call` 도구가 목록에 나타납니다.
-
-### Cursor
-
-**Settings → MCP Servers → Add Server**에서 설정:
-
-```json
-{
-  "name": "n2-qln",
-  "command": "npx",
-  "args": ["-y", "n2-qln"]
-}
-```
-
-### n2-soul
-
-Soul `config.local.js`에 추가:
-
-```javascript
-module.exports = {
-  mcpServers: {
-    'n2-qln': {
-      command: 'node',
-      args: ['<path-to-qln>/index.js'],
-    }
-  }
-};
-```
-
-npm으로 설치한 경우:
-
-```javascript
-module.exports = {
-  mcpServers: {
-    'n2-qln': {
-      command: 'npx',
-      args: ['-y', 'n2-qln'],
-    }
-  }
-};
-```
-
-### 기타 MCP 클라이언트
-
-QLN은 **stdio 전송** — 표준 MCP 통신 방식을 사용합니다. 모든 MCP 호환 클라이언트에서 연결 가능합니다:
-
-```
-command: npx
-args: ["-y", "n2-qln"]
-```
-
-소스를 클론한 경우:
-
-```
-command: node
-args: ["/absolute/path/to/n2-qln/index.js"]
-```
-
-> **💡 팁:** 가장 쉬운 설정 방법? **그냥 AI 에이전트에게 부탁하세요.** *"n2-qln을 내 MCP 설정에 추가해줘"* — 에이전트가 알아서 설정합니다.
-
----
-
-## 작동 방식
-
-### 단계별 예시
-
-```
-사용자: "이 페이지 스크린샷 찍어"
-
-Step 1 → AI 호출: n2_qln_call(action: "search", query: "screenshot page")
-         QLN이 1,000개 이상의 도구를 <5ms에 검색
-         응답: take_screenshot (score: 8.0)
-
-Step 2 → AI 호출: n2_qln_call(action: "exec", tool: "take_screenshot", args: {fullPage: true})
-         QLN이 실제 도구로 라우팅 및 실행
-         응답: ✅ 스크린샷 저장됨
-```
-
-AI는 `n2_qln_call`만 사용했습니다. 나머지 999개 도구는 전혀 보지 않았습니다.
-
-### 3단계 검색 엔진
-
-QLN은 세 단계의 검색으로 적합한 도구를 찾습니다:
-
-| 단계 | 방식 | 속도 | 작동 원리 |
-|:---:|--------|:---:|---------|
-| **1** | 트리거 매칭 | ⚡ <1ms | 도구 이름과 트리거 키워드 정확 매칭 |
-| **2** | BM25 키워드 | ⚡ 1-3ms | [Okapi BM25](https://en.wikipedia.org/wiki/Okapi_BM25) 랭킹 검색 — IDF 가중치 + 문서 길이 정규화 *(v3.4)* |
-| **3** | 시맨틱 검색 | 🧠 5-15ms | 임베딩 벡터 유사도 검색 *(선택, Ollama 필요)* |
-
-모든 단계의 결과를 병합 후 랭킹:
-
-```
-final_score = trigger_score × 3.0
-            + bm25_keyword_score × 1.0
-            + semantic_score × 2.0
-            + log2(usage_count + 1) × 0.5
-            + success_rate × 1.0
-```
-
-많이 사용되고 성공률이 높은 도구가 시간이 지날수록 상위에 랭크됩니다.
-
----
-
-## API 레퍼런스
-
-QLN은 **하나의 MCP 도구** — `n2_qln_call` — 5개의 액션을 제공합니다.
-
-### search — 자연어로 도구 검색
-
-```javascript
-n2_qln_call({
-  action: "search",
-  query: "take a screenshot",    // 자연어 쿼리 (필수)
-  category: "capture",           // 카테고리 필터 (선택)
-  topK: 5                        // 최대 결과 수, 기본: 5 (선택)
-})
-```
-
-### exec — 이름으로 도구 실행
-
-```javascript
-n2_qln_call({
-  action: "exec",
-  tool: "take_screenshot",       // 도구 이름 (필수)
-  args: {                        // 도구 인수 (선택)
-    fullPage: true,
-    format: "png"
-  }
-})
-```
-
-### create — 새 도구 등록
-
-```javascript
-n2_qln_call({
-  action: "create",
-  name: "read_pdf",                                  // 필수, verb_target 형식
-  description: "Read and extract text from PDF files", // 필수, 최소 10자
-  category: "data",                                   // 필수, 아래 카테고리 참조
-  provider: "pdf-tools",                              // 선택, 소스별 도구 그룹화
-  tags: ["pdf", "read", "extract", "document"],       // 선택, 검색 개선
-  examples: [                                         // 선택, 키워드 검색에 색인
-    "read this PDF file",
-    "extract text from PDF",
-    "open the PDF"
-  ],
-  endpoint: "http://127.0.0.1:3100",                  // 선택, HTTP 기반 도구용
-  toolSchema: { filePath: { type: "string" } }        // 선택, 입력 스키마
-})
-```
-
-**검증 규칙 (강제 — 위반 시 거부):**
-
-| 규칙 | 요구사항 | 예시 |
-|------|---------|------|
-| **이름** | `verb_target` 형식 (소문자 + 밑줄) | `read_pdf`, `take_screenshot` |
-| **설명** | 최소 10자 | `"Read and extract text from PDF files"` |
-| **카테고리** | 유효한 카테고리 중 하나 | `"data"` |
-| **고유성** | 중복 이름 불가 | — |
-
-**유효 카테고리:** `web` · `data` · `file` · `dev` · `ai` · `capture` · `misc`
-
-### update — 기존 도구 수정
-
-```javascript
-n2_qln_call({
-  action: "update",
-  tool: "read_pdf",                          // 수정할 도구 (필수)
-  description: "Enhanced PDF text extractor", // 변경할 필드만 제공
-  examples: ["read this PDF", "parse PDF"],
-  tags: ["pdf", "read", "parse"]
-})
-```
-
-변경된 필드만 제공하면 됩니다. 미변경 필드는 기존 값 유지. 동일한 검증 규칙 적용.
-
-### delete — 도구 삭제
-
-```javascript
-// 이름으로 단일 도구 삭제
-n2_qln_call({
-  action: "delete",
-  tool: "read_pdf"
-})
-
-// Provider의 모든 도구 일괄 삭제
-n2_qln_call({
-  action: "delete",
-  provider: "pdf-tools"
-})
-// → ✅ Deleted 3 tools from provider: pdf-tools
-```
-
----
-
-## 설정 파일
-
-QLN은 설정 없이 바로 동작합니다. 커스터마이즈하려면 QLN 디렉토리에 `config.local.js`를 생성하세요:
-
-```javascript
-module.exports = {
-  dataDir: './data',        // SQLite DB 저장 위치
-  embedding: {
-    enabled: true,          // Stage 3 시맨틱 검색 활성화
-    provider: 'ollama',
-    model: 'nomic-embed-text',
-    baseUrl: 'http://127.0.0.1:11434',
-  },
-};
-```
-
-> **참고:** `config.local.js`는 gitignore 처리됩니다. 로컬 설정은 커밋되지 않습니다.
-
----
-
-## 시맨틱 검색 설정 (선택사항)
-
-Ollama 없이도 QLN은 Stage 1 (트리거) + Stage 2 (키워드) 매칭을 사용하며, 대부분의 경우 충분한 결과를 제공합니다.
-
-최대 정확도를 원한다면 시맨틱 벡터 검색(Stage 3)을 추가하세요:
-
-### 1. Ollama 설치
-
-[ollama.ai](https://ollama.ai)에서 다운로드 후 설치.
-
-### 2. 임베딩 모델 다운로드
-
-```bash
-ollama pull nomic-embed-text
-```
-
-### 3. 설정 활성화
-
-`config.local.js` 생성:
-
-```javascript
-module.exports = {
-  embedding: {
-    enabled: true,
-    provider: 'ollama',
-    model: 'nomic-embed-text',
-    baseUrl: 'http://127.0.0.1:11434',
-  },
-};
-```
-
-### 비교
-
-| 설정 | 검색 단계 | 정확도 | 의존성 |
-|:------|:---:|:---:|:---:|
-| **기본** (Ollama 없음) | Stage 1 + 2 | ⭐⭐⭐⭐ 훌륭 | 없음 |
-| **Ollama 포함** | Stage 1 + 2 + 3 | ⭐⭐⭐⭐⭐ 완벽 | Ollama 실행 필요 |
-
-### 다국어 사용자
-
-`nomic-embed-text`는 영어에 최적화되어 있습니다. **한국어, 일본어, 중국어** 등 다른 언어를 사용한다면 다국어 모델로 교체하세요:
-
-```bash
-ollama pull bge-m3
-```
-
-```javascript
-// config.local.js
-module.exports = {
-  embedding: {
-    enabled: true,
-    model: 'bge-m3',  // 다국어 지원 (100개 이상 언어)
-  },
-};
-```
-
-코드 수정 없이 config의 모델명만 바꾸면 됩니다.
-
-### 클라우드 동기화
-
-도구 인덱스를 여러 기기에서 동기화하고 싶다면 `dataDir`을 클라우드 폴더로 지정하세요:
-
-```javascript
-// config.local.js
-module.exports = {
-  dataDir: 'G:/My Drive/n2-qln',  // Google Drive, OneDrive, Dropbox, NAS...
-};
-```
-
-[n2-soul 클라우드 스토리지](https://github.com/choihyunsus/soul#%EF%B8%8F-cloud-storage--store-your-ai-memory-anywhere)와 동일한 방식입니다. SQLite 파일이 해당 폴더에 저장되고, 동기화 서비스가 나머지를 처리합니다.
-
----
-
-## 프로젝트 구조
-
-```
-n2-qln/
-├── index.js            # MCP 서버 진입점
-├── lib/
-│   ├── config.js       # 설정 로더 (기본 + 로컬 병합)
-│   ├── store.js        # SQLite 스토리지 엔진 (sql.js WASM)
-│   ├── schema.js       # 도구 스키마 정규화 + 검색 텍스트 빌더
-│   ├── validator.js    # 강제 검증 (이름, 설명, 카테고리)
-│   ├── registry.js     # 도구 CRUD + 사용량 추적 + 임베딩 캐시
-│   ├── router.js       # 3단계 검색 엔진 (BM25 v3.4)
-│   ├── vector-index.js # Float32 벡터 인덱스 (centroid hierarchy)
-│   ├── embedding.js    # Ollama 임베딩 클라이언트 (nomic-embed-text)
-│   ├── executor.js     # HTTP/함수 도구 실행기
-│   └── provider-loader.js # 부팅 시 providers/*.json 자동 인덱싱
-├── tools/
-│   └── qln-call.js     # 통합 MCP 도구 (search/exec/create/update/delete)
-├── providers/          # 도구 provider 매니페스트 (일괄 등록용)
-├── config.local.js     # 로컬 설정 오버라이드 (gitignored)
-└── data/               # SQLite 데이터베이스 (gitignored, 자동 생성)
-```
-
-## 기술 스택
-
-| 컴포넌트 | 기술 | 이유 |
-|-----------|-----------|------|
-| 런타임 | Node.js ≥ 18 | MCP SDK 호환성 |
-| 데이터베이스 | SQLite via [sql.js](https://github.com/sql-js/sql.js) (WASM) | 네이티브 의존성 제로, 크로스 플랫폼, 빌드 불필요 |
-| 임베딩 | [Ollama](https://ollama.ai) + nomic-embed-text | 로컬, 빠름, 무료, 선택사항 |
-| 프로토콜 | [MCP](https://modelcontextprotocol.io) (Model Context Protocol) | 표준 AI 도구 프로토콜 |
-| 검증 | [Zod](https://zod.dev) | 런타임 타입 안전 스키마 검증 |
-
-## 관련 프로젝트
-
-| 프로젝트 | 관계 |
-|---------|------|
-| [n2-soul](https://github.com/choihyunsus/soul) | AI 에이전트 오케스트레이터 — QLN은 Soul의 "도구 브레인" 역할 |
-
-## 실전 검증 완료
-
-주말 프로토타입이 아닙니다. QLN은 **2개월 이상 운영 환경에서 검증**되었으며, [n2-soul](https://github.com/choihyunsus/soul)의 핵심 도구 라우터로 매일 실사용되고 있습니다.
-
-**Rose** 🌹 제작 — N2의 첫 번째 AI 에이전트. 하루에 수백 번 QLN을 통해 라우팅합니다.
-
-문제가 있거나 아이디어가 있다면 이슈를 열어주세요. 여러분의 활용 사례를 듣고 싶습니다.
-
-## FAQ
-
-**"왜 프로젝트를 이렇게 자주 올리나요?"**
-
-N2 생태계는 4개월 이상 활발히 개발되어 왔습니다. Soul, QLN, Ark — 보이는 모든 프로젝트는 공개 전에 실제 업무에서 충분히 테스트되고 검증되었습니다. 앞으로 더 나올 예정이지만, 도배가 아니라 이미 만들어져서 검증 완료된 것들이 많기 때문입니다.
-
-혼자서 개발하고 배포하는 프로젝트입니다. 빌드, 테스트, 문서화를 혼자 하다 보니 시간이 많이 걸렸습니다. 관심과 인내에 감사드립니다 🙏
-
-## 기여하기
-
-기여를 환영합니다! 시작하는 방법:
-
-1. 저장소를 Fork합니다
-2. 기능 브랜치를 생성합니다 (`git checkout -b feature/amazing-feature`)
-3. 변경사항을 커밋합니다 (`git commit -m 'feat: add amazing feature'`)
-4. 브랜치에 Push합니다 (`git push origin feature/amazing-feature`)
-5. Pull Request를 엽니다
-
-## Star History
-
-QLN이 도움이 되었다면 Star를 눌러주세요! ⭐
-
-## 라이선스
-
-Apache-2.0
-
----
-
-> *"1,000개 도구를 200 토큰으로. 이건 최적화가 아니라 패러다임 전환이다."*
-
-🌐 [nton2.com](https://nton2.com) · 📦 [npm](https://www.npmjs.com/package/n2-qln) · ✉️ lagi0730@gmail.com
-
-<sub>🌹 Rose가 만들었습니다 — N2의 첫 번째 AI 에이전트. 하루에 수백 번 QLN으로 검색하고, 이 README도 직접 작성했습니다.</sub>
+🇺🇸 [English](README.md)
+
+# n2-qln
+
+[![npm](https://img.shields.io/npm/v/n2-qln?color=brightgreen)](https://www.npmjs.com/package/n2-qln) [![license](https://img.shields.io/npm/l/n2-qln)](LICENSE) [![node](https://img.shields.io/node/v/n2-qln?color=brightgreen)](https://nodejs.org) [![downloads](https://img.shields.io/npm/dm/n2-qln?color=blue)](https://www.npmjs.com/package/n2-qln)
+
+**QLN** = **Q**uery **L**ayer **N**etwork — AI와 도구 사이에 위치하는 시맨틱 검색 레이어.
+
+> **1,000개 이상의 도구를 1개의 MCP 도구로 라우팅합니다.** AI는 라우터 하나만 봅니다 — 1,000개 전체가 아닙니다.
+
+![QLN Architecture — Without vs With](docs/architecture.png)
+
+## 목차
+
+- [기능](#기능)
+- [문제점](#문제점)
+- [설치](#설치)
+- [설정](#설정)
+- [작동 방식](#작동-방식)
+- [API 레퍼런스](#api-레퍼런스)
+- [설정 파일](#설정-파일)
+- [시맨틱 검색 설정](#시맨틱-검색-설정-선택사항)
+- [프로젝트 구조](#프로젝트-구조)
+- [실전 검증 완료](#실전-검증-완료)
+- [FAQ](#faq)
+- [기여하기](#기여하기)
+
+## 기능
+
+ **하나의 도구로 모든 것을** — AI는 `n2_qln_call` (~200 토큰)만 봅니다. 1,000개의 개별 도구가 아닙니다. 99.6% 컨텍스트 절감.
+
+ **5ms 이하 검색** — 3단계 검색 엔진 (트리거 + BM25 키워드 + 시맨틱)이 1,000개 이상의 도구에서도 5ms 이내에 최적 도구를 찾습니다.
+
+ **BM25 키워드 랭킹** *(v3.4)* — Stage 2에 [Okapi BM25](https://en.wikipedia.org/wiki/Okapi_BM25) 알고리즘 적용. 희귀한 단어일수록 높은 점수, 문서 길이 정규화. Google, Elasticsearch, Wikipedia 검색의 핵심 알고리즘.
+
+ **자동 학습 랭킹** — 많이 사용되고 성공률이 높은 도구는 자동으로 상위에 랭크됩니다. 수동 튜닝 불필요.
+
+ **런타임 동적 관리** — 서버 재시작 없이 도구를 추가, 수정, 삭제할 수 있습니다. Provider 단위 일괄 관리 지원.
+
+ **강제 품질 검증** — 도구 등록 시 엄격한 검증: `verb_target` 네이밍, 최소 설명 길이, 카테고리 제약. 잘못된 도구는 거부됩니다.
+
+ **시맨틱 검색 (선택)** — [Ollama](https://ollama.ai) 추가 시 벡터 유사도 검색 활성화. 없어도 Stage 1 + 2만으로 충분한 결과. Ollama가 다운되어도 검색은 정상 작동합니다.
+
+ **네이티브 의존성 제로** — [sql.js](https://github.com/sql-js/sql.js) (WASM) 기반. `node-gyp` 빌드 없음, 플랫폼별 바이너리 없음. `npm install`이면 끝.
+
+ **이중 실행** — 도구를 로컬 함수 또는 HTTP 엔드포인트로 실행. 핸들러를 직접 등록하거나 원격 서비스를 연결. 혼합도 가능.
+
+ **Provider 자동 인덱싱** *(v3.3)* — `providers/`에 JSON 매니페스트를 넣으면 부팅 시 자동 등록. 코드 수정 불필요, 수동 `create` 호출 불필요. 멱등성 보장 및 에러 격리.
+
+ **10,000개 이상 확장** — 카테고리별 centroid hierarchy 파티셔닝. 100개 ~1ms, 1,000개 ~3ms, 10,000개 ~5ms.
+
+ **범용 MCP** — Claude Desktop, Cursor, n2-soul 또는 모든 MCP 호환 클라이언트에서 동작. 표준 stdio 전송.
+
+## 문제점
+
+MCP 도구를 등록할 때마다 AI 컨텍스트 토큰을 소모합니다. 10개는 괜찮습니다. 100개면 느려집니다. **1,000개면 불가능합니다** — 대화가 시작되기도 전에 컨텍스트 윈도우가 가득 찹니다.
+
+QLN은 **시맨틱 검색 라우터**로 이 문제를 해결합니다:
+
+1. 모든 도구를 QLN의 SQLite 인덱스에 등록
+2. AI는 **하나의 도구**만 봅니다: `n2_qln_call` (~200 토큰)
+3. AI가 도구가 필요하면 **검색** → **최적 매칭** → **실행**
+
+**결과: ~50,000 토큰 대신 ~200 토큰. 99.6% 절감.**
+
+---
+
+## 설치
+
+```bash
+npm install n2-qln
+```
+
+**요구사항:** Node.js ≥ 18
+
+**선택사항:** 시맨틱 벡터 검색(Stage 3)을 위해 [Ollama](https://ollama.ai) 설치. [시맨틱 검색 설정](#시맨틱-검색-설정-선택사항) 참조.
+
+---
+
+## 설정
+
+QLN은 MCP 서버입니다. 모든 MCP 호환 AI 클라이언트에 연결할 수 있습니다.
+
+### Claude Desktop
+
+Claude Desktop 설정 파일을 편집합니다:
+
+- **macOS:** `~/Library/Application Support/Claude/claude_desktop_config.json`
+- **Windows:** `%APPDATA%\Claude\claude_desktop_config.json`
+
+```json
+{
+ "mcpServers": {
+ "n2-qln": {
+ "command": "npx",
+ "args": ["-y", "n2-qln"]
+ }
+ }
+}
+```
+
+Claude Desktop을 재시작하면 `n2_qln_call` 도구가 목록에 나타납니다.
+
+### Cursor
+
+**Settings → MCP Servers → Add Server**에서 설정:
+
+```json
+{
+ "name": "n2-qln",
+ "command": "npx",
+ "args": ["-y", "n2-qln"]
+}
+```
+
+### n2-soul
+
+Soul `config.local.js`에 추가:
+
+```javascript
+module.exports = {
+ mcpServers: {
+ 'n2-qln': {
+ command: 'node',
+ args: ['<path-to-qln>/index.js'],
+ }
+ }
+};
+```
+
+npm으로 설치한 경우:
+
+```javascript
+module.exports = {
+ mcpServers: {
+ 'n2-qln': {
+ command: 'npx',
+ args: ['-y', 'n2-qln'],
+ }
+ }
+};
+```
+
+### 기타 MCP 클라이언트
+
+QLN은 **stdio 전송** — 표준 MCP 통신 방식을 사용합니다. 모든 MCP 호환 클라이언트에서 연결 가능합니다:
+
+```
+command: npx
+args: ["-y", "n2-qln"]
+```
+
+소스를 클론한 경우:
+
+```
+command: node
+args: ["/absolute/path/to/n2-qln/index.js"]
+```
+
+> ** 팁:** 가장 쉬운 설정 방법? **그냥 AI 에이전트에게 부탁하세요.** *"n2-qln을 내 MCP 설정에 추가해줘"* — 에이전트가 알아서 설정합니다.
+
+---
+
+## 작동 방식
+
+### 단계별 예시
+
+```
+사용자: "이 페이지 스크린샷 찍어"
+
+Step 1 → AI 호출: n2_qln_call(action: "search", query: "screenshot page")
+ QLN이 1,000개 이상의 도구를 <5ms에 검색
+ 응답: take_screenshot (score: 8.0)
+
+Step 2 → AI 호출: n2_qln_call(action: "exec", tool: "take_screenshot", args: {fullPage: true})
+ QLN이 실제 도구로 라우팅 및 실행
+ 응답: 스크린샷 저장됨
+```
+
+AI는 `n2_qln_call`만 사용했습니다. 나머지 999개 도구는 전혀 보지 않았습니다.
+
+### 3단계 검색 엔진
+
+QLN은 세 단계의 검색으로 적합한 도구를 찾습니다:
+
+| 단계 | 방식 | 속도 | 작동 원리 |
+|:---:|--------|:---:|---------|
+| **1** | 트리거 매칭 | <1ms | 도구 이름과 트리거 키워드 정확 매칭 |
+| **2** | BM25 키워드 | 1-3ms | [Okapi BM25](https://en.wikipedia.org/wiki/Okapi_BM25) 랭킹 검색 — IDF 가중치 + 문서 길이 정규화 *(v3.4)* |
+| **3** | 시맨틱 검색 | 5-15ms | 임베딩 벡터 유사도 검색 *(선택, Ollama 필요)* |
+
+모든 단계의 결과를 병합 후 랭킹:
+
+```
+final_score = trigger_score × 3.0
+ + bm25_keyword_score × 1.0
+ + semantic_score × 2.0
+ + log2(usage_count + 1) × 0.5
+ + success_rate × 1.0
+```
+
+많이 사용되고 성공률이 높은 도구가 시간이 지날수록 상위에 랭크됩니다.
+
+---
+
+## API 레퍼런스
+
+QLN은 **하나의 MCP 도구** — `n2_qln_call` — 5개의 액션을 제공합니다.
+
+### search — 자연어로 도구 검색
+
+```javascript
+n2_qln_call({
+ action: "search",
+ query: "take a screenshot", // 자연어 쿼리 (필수)
+ category: "capture", // 카테고리 필터 (선택)
+ topK: 5 // 최대 결과 수, 기본: 5 (선택)
+})
+```
+
+### exec — 이름으로 도구 실행
+
+```javascript
+n2_qln_call({
+ action: "exec",
+ tool: "take_screenshot", // 도구 이름 (필수)
+ args: { // 도구 인수 (선택)
+ fullPage: true,
+ format: "png"
+ }
+})
+```
+
+### create — 새 도구 등록
+
+```javascript
+n2_qln_call({
+ action: "create",
+ name: "read_pdf", // 필수, verb_target 형식
+ description: "Read and extract text from PDF files", // 필수, 최소 10자
+ category: "data", // 필수, 아래 카테고리 참조
+ provider: "pdf-tools", // 선택, 소스별 도구 그룹화
+ tags: ["pdf", "read", "extract", "document"], // 선택, 검색 개선
+ examples: [ // 선택, 키워드 검색에 색인
+ "read this PDF file",
+ "extract text from PDF",
+ "open the PDF"
+ ],
+ endpoint: "http://127.0.0.1:3100", // 선택, HTTP 기반 도구용
+ toolSchema: { filePath: { type: "string" } } // 선택, 입력 스키마
+})
+```
+
+**검증 규칙 (강제 — 위반 시 거부):**
+
+| 규칙 | 요구사항 | 예시 |
+|------|---------|------|
+| **이름** | `verb_target` 형식 (소문자 + 밑줄) | `read_pdf`, `take_screenshot` |
+| **설명** | 최소 10자 | `"Read and extract text from PDF files"` |
+| **카테고리** | 유효한 카테고리 중 하나 | `"data"` |
+| **고유성** | 중복 이름 불가 | — |
+
+**유효 카테고리:** `web` · `data` · `file` · `dev` · `ai` · `capture` · `misc`
+
+### update — 기존 도구 수정
+
+```javascript
+n2_qln_call({
+ action: "update",
+ tool: "read_pdf", // 수정할 도구 (필수)
+ description: "Enhanced PDF text extractor", // 변경할 필드만 제공
+ examples: ["read this PDF", "parse PDF"],
+ tags: ["pdf", "read", "parse"]
+})
+```
+
+변경된 필드만 제공하면 됩니다. 미변경 필드는 기존 값 유지. 동일한 검증 규칙 적용.
+
+### delete — 도구 삭제
+
+```javascript
+// 이름으로 단일 도구 삭제
+n2_qln_call({
+ action: "delete",
+ tool: "read_pdf"
+})
+
+// Provider의 모든 도구 일괄 삭제
+n2_qln_call({
+ action: "delete",
+ provider: "pdf-tools"
+})
+// → Deleted 3 tools from provider: pdf-tools
+```
+
+---
+
+## 설정 파일
+
+QLN은 설정 없이 바로 동작합니다. 커스터마이즈하려면 QLN 디렉토리에 `config.local.js`를 생성하세요:
+
+```javascript
+module.exports = {
+ dataDir: './data', // SQLite DB 저장 위치
+ embedding: {
+ enabled: true, // Stage 3 시맨틱 검색 활성화
+ provider: 'ollama',
+ model: 'nomic-embed-text',
+ baseUrl: 'http://127.0.0.1:11434',
+ },
+};
+```
+
+> **참고:** `config.local.js`는 gitignore 처리됩니다. 로컬 설정은 커밋되지 않습니다.
+
+---
+
+## 시맨틱 검색 설정 (선택사항)
+
+Ollama 없이도 QLN은 Stage 1 (트리거) + Stage 2 (키워드) 매칭을 사용하며, 대부분의 경우 충분한 결과를 제공합니다.
+
+최대 정확도를 원한다면 시맨틱 벡터 검색(Stage 3)을 추가하세요:
+
+### 1. Ollama 설치
+
+[ollama.ai](https://ollama.ai)에서 다운로드 후 설치.
+
+### 2. 임베딩 모델 다운로드
+
+```bash
+ollama pull nomic-embed-text
+```
+
+### 3. 설정 활성화
+
+`config.local.js` 생성:
+
+```javascript
+module.exports = {
+ embedding: {
+ enabled: true,
+ provider: 'ollama',
+ model: 'nomic-embed-text',
+ baseUrl: 'http://127.0.0.1:11434',
+ },
+};
+```
+
+### 비교
+
+| 설정 | 검색 단계 | 정확도 | 의존성 |
+|:------|:---:|:---:|:---:|
+| **기본** (Ollama 없음) | Stage 1 + 2 | 훌륭 | 없음 |
+| **Ollama 포함** | Stage 1 + 2 + 3 | 완벽 | Ollama 실행 필요 |
+
+### 다국어 사용자
+
+`nomic-embed-text`는 영어에 최적화되어 있습니다. **한국어, 일본어, 중국어** 등 다른 언어를 사용한다면 다국어 모델로 교체하세요:
+
+```bash
+ollama pull bge-m3
+```
+
+```javascript
+// config.local.js
+module.exports = {
+ embedding: {
+ enabled: true,
+ model: 'bge-m3', // 다국어 지원 (100개 이상 언어)
+ },
+};
+```
+
+코드 수정 없이 config의 모델명만 바꾸면 됩니다.
+
+### 클라우드 동기화
+
+도구 인덱스를 여러 기기에서 동기화하고 싶다면 `dataDir`을 클라우드 폴더로 지정하세요:
+
+```javascript
+// config.local.js
+module.exports = {
+ dataDir: 'G:/My Drive/n2-qln', // Google Drive, OneDrive, Dropbox, NAS...
+};
+```
+
+[n2-soul 클라우드 스토리지](https://github.com/choihyunsus/soul#%EF%B8%8F-cloud-storage--store-your-ai-memory-anywhere)와 동일한 방식입니다. SQLite 파일이 해당 폴더에 저장되고, 동기화 서비스가 나머지를 처리합니다.
+
+---
+
+## 프로젝트 구조
+
+```
+n2-qln/
+├── index.js # MCP 서버 진입점
+├── lib/
+│ ├── config.js # 설정 로더 (기본 + 로컬 병합)
+│ ├── store.js # SQLite 스토리지 엔진 (sql.js WASM)
+│ ├── schema.js # 도구 스키마 정규화 + 검색 텍스트 빌더
+│ ├── validator.js # 강제 검증 (이름, 설명, 카테고리)
+│ ├── registry.js # 도구 CRUD + 사용량 추적 + 임베딩 캐시
+│ ├── router.js # 3단계 검색 엔진 (BM25 v3.4)
+│ ├── vector-index.js # Float32 벡터 인덱스 (centroid hierarchy)
+│ ├── embedding.js # Ollama 임베딩 클라이언트 (nomic-embed-text)
+│ ├── executor.js # HTTP/함수 도구 실행기
+│ └── provider-loader.js # 부팅 시 providers/*.json 자동 인덱싱
+├── tools/
+│ └── qln-call.js # 통합 MCP 도구 (search/exec/create/update/delete)
+├── providers/ # 도구 provider 매니페스트 (일괄 등록용)
+├── config.local.js # 로컬 설정 오버라이드 (gitignored)
+└── data/ # SQLite 데이터베이스 (gitignored, 자동 생성)
+```
+
+## 기술 스택
+
+| 컴포넌트 | 기술 | 이유 |
+|-----------|-----------|------|
+| 런타임 | Node.js ≥ 18 | MCP SDK 호환성 |
+| 데이터베이스 | SQLite via [sql.js](https://github.com/sql-js/sql.js) (WASM) | 네이티브 의존성 제로, 크로스 플랫폼, 빌드 불필요 |
+| 임베딩 | [Ollama](https://ollama.ai) + nomic-embed-text | 로컬, 빠름, 무료, 선택사항 |
+| 프로토콜 | [MCP](https://modelcontextprotocol.io) (Model Context Protocol) | 표준 AI 도구 프로토콜 |
+| 검증 | [Zod](https://zod.dev) | 런타임 타입 안전 스키마 검증 |
+
+## 관련 프로젝트
+
+| 프로젝트 | 관계 |
+|---------|------|
+| [n2-soul](https://github.com/choihyunsus/soul) | AI 에이전트 오케스트레이터 — QLN은 Soul의 "도구 브레인" 역할 |
+
+## 실전 검증 완료
+
+주말 프로토타입이 아닙니다. QLN은 **2개월 이상 운영 환경에서 검증**되었으며, [n2-soul](https://github.com/choihyunsus/soul)의 핵심 도구 라우터로 매일 실사용되고 있습니다.
+
+**Rose** 제작 — N2의 첫 번째 AI 에이전트. 하루에 수백 번 QLN을 통해 라우팅합니다.
+
+문제가 있거나 아이디어가 있다면 이슈를 열어주세요. 여러분의 활용 사례를 듣고 싶습니다.
+
+## FAQ
+
+**"왜 프로젝트를 이렇게 자주 올리나요?"**
+
+N2 생태계는 4개월 이상 활발히 개발되어 왔습니다. Soul, QLN, Ark — 보이는 모든 프로젝트는 공개 전에 실제 업무에서 충분히 테스트되고 검증되었습니다. 앞으로 더 나올 예정이지만, 도배가 아니라 이미 만들어져서 검증 완료된 것들이 많기 때문입니다.
+
+혼자서 개발하고 배포하는 프로젝트입니다. 빌드, 테스트, 문서화를 혼자 하다 보니 시간이 많이 걸렸습니다. 관심과 인내에 감사드립니다 
+
+## 기여하기
+
+기여를 환영합니다! 시작하는 방법:
+
+1. 저장소를 Fork합니다
+2. 기능 브랜치를 생성합니다 (`git checkout -b feature/amazing-feature`)
+3. 변경사항을 커밋합니다 (`git commit -m 'feat: add amazing feature'`)
+4. 브랜치에 Push합니다 (`git push origin feature/amazing-feature`)
+5. Pull Request를 엽니다
+
+## Star History
+
+QLN이 도움이 되었다면 Star를 눌러주세요! 
+
+## 라이선스
+
+Apache-2.0
+
+---
+
+> *"1,000개 도구를 200 토큰으로. 이건 최적화가 아니라 패러다임 전환이다."*
+
+ [nton2.com](https://nton2.com) · [npm](https://www.npmjs.com/package/n2-qln) · lagi0730@gmail.com
+
+<sub> Rose가 만들었습니다 — N2의 첫 번째 AI 에이전트. 하루에 수백 번 QLN으로 검색하고, 이 README도 직접 작성했습니다.</sub>