Skip to content

TODO.md

Latest commit

 

History

History
180 lines (140 loc) · 5.32 KB

TODO.md

File metadata and controls

180 lines (140 loc) · 5.32 KB

HwpAutomation MCP Server - TODO List

🔮 Future Work

1. MCP-based Problem Merge (AI Agent Testing)

Priority: Medium Status: Deferred Script: Scripts/merge_problems_mcp.py

Context

사용자가 요청: "여태 작성한게 의미가 있는지 궁금하고 나중에 ai agent방식으로 변경할거니까 그것도 미리 테스트 해보고 싶음"

Current Status

  • ✅ MCP 클라이언트 스크립트 작성 완료 (merge_problems_mcp.py)
  • ✅ 직접 Python 방식으로 문제 합치기 성공 (merge_problems_automation.py)
  • ❌ MCP 서버 연결 타임아웃 이슈 발생

Issues Encountered

mcp.shared.exceptions.McpError: Connection closed
ExceptionGroup: unhandled errors in a TaskGroup

What Works

  • MCP 서버는 python -m src.server로 단독 실행 가능
  • ActionTable, Automation 도구 모두 정의됨
  • Stdio transport 설정 완료

What Needs Investigation

  1. MCP 연결 타임아웃 원인

    • Server initialization 문제인지
    • Stdio transport 설정 문제인지
    • Async 처리 오류인지

  2. 테스트 계획

    • 간단한 MCP 클라이언트로 연결 테스트
    • hwp_action_create_document 단일 호출 테스트
    • 성공 시 전체 workflow 실행

  3. 장점 검증

    • MCP 방식이 실제로 유용한지
    • AI Agent가 도구를 제대로 활용할 수 있는지
    • 복잡한 작업을 agent에게 위임 가능한지

Implementation Plan

  1. Phase 1: 기본 연결 테스트

    # 간단한 테스트 스크립트 작성
python Scripts/test_mcp_connection.py

  2. Phase 2: 단일 도구 호출

    # hwp_action_create_document 호출
# hwp_action_execute로 InsertFile 1회 호출

  3. Phase 3: 전체 워크플로우

    # merge_problems_mcp.py 전체 실행
# 40개 파일 합치기

  4. Phase 4: AI Agent 통합

    • Claude Desktop에 서버 등록
    • Claude에게 "문제 파일 합쳐줘" 요청
    • Agent가 MCP 도구를 활용하는지 확인

Files

  • Scripts/merge_problems_mcp.py - MCP 클라이언트 (준비됨)
  • Scripts/merge_problems_automation.py - 직접 Python (작동 확인됨) ✅
  • src/server.py - MCP 서버 (단독 실행 가능)

Expected Outcome

MCP 방식이 성공하면:

  • ✅ MCP 서버 아키텍처 검증
  • ✅ AI Agent 통합 가능성 확인
  • ✅ 실제 사용 사례로 전체 시스템 E2E 테스트

2. ActionTable Parameter Completion

Priority: Low Status: Not Started

Current Coverage

  • ✅ 6/400+ actions implemented (FileNew, FileOpen, FileClose, FileSave, InsertText, TableCreate)
  • ✅ 핵심 문서 조작 동작 확인됨

Needed

  • ParameterSetTable_2504.pdf 파싱
  • 주요 액션 30-50개 파라미터 정의
  • JSON → Idris 스펙 자동 생성
  • Python 코드 생성 자동화

Reference

Schema/PARAMETER_TABLE_GUIDE.md 참조

3. E2E Test Suite Expansion

Priority: Medium Status: In Progress

Completed

  • ✅ 문제 파일 합치기 (40 files, B4 2-column layout)
  • ✅ Automation API 활용 검증
  • ✅ 실제 업무 시나리오 검증

Next Tests

  • 다른 CSV 데이터셋으로 테스트
  • A4 1단 편집 테스트
  • 다양한 페이지/단 나누기 시나리오
  • 에러 케이스 처리 (파일 없음, 잘못된 경로 등)

4. Rust Port Preparation

Priority: Low (미래 작업)

Analysis Complete

Schema/EventHandler_Analysis.md에 Option A/B/C 비교 완료

For Rust Implementation

  • Option B (State Query) remains best for MCP
  • Option A (Polling) possible as background task with Tokio
  • windows-rs for COM interop
  • Hybrid approach: State Query MCP + Optional Polling

📝 Notes

User Requests

  1. ✅ "mcp 방식으로 해줘" - merge_problems_mcp.py 작성 완료
  2. ✅ "일단 python 방식으로 하고 ToDo 작성할 때 남겨줘" - 이 파일

Lessons Learned

  1. HWP COM API:

    • HAction.Run() for simple actions
    • HAction.GetDefault() + Execute() for parameterized actions
    • Some properties may not exist (e.g., ColumnGap)

  2. Automation vs ActionTable:

    • Automation API 더 직관적
    • HAction으로 직접 액션 호출 가능
    • ActionTable은 파라미터 문서화가 더 필요

  3. File Insertion:

    • InsertFile action works well
    • BreakColumn, BreakPage for layout control
    • Keep section/char/para shape settings important

Success Metrics

  • ✅ 40/40 files merged successfully
  • ✅ B4 paper + 2-column layout applied
  • ✅ Page/column breaks correctly inserted
  • ✅ 1.3MB output file created

🚀 Next Steps

  1. Immediate (This Week):

    • MCP 도구 검색 기능 추가 - ActionTable/Automation 도구가 많아서 검색이 어려움
      • hwp_search_actions 도구 구현 (ActionTable 액션 검색)
      • hwp_get_action_info 도구 구현 (액션 상세 정보)
      • hwp_list_automation_methods 도구 구현 (Automation 메서드 목록)
      • 파라미터 정보 조회 기능
    • Debug MCP connection timeout
    • Create Scripts/test_mcp_connection.py

  2. Short-term (This Month):

    • Complete MCP E2E test
    • Test with Claude Desktop integration

  3. Long-term (Future):

    • Expand action parameter coverage
    • Consider Rust port for performance
    • Build AI agent workflows