// 비교
Codef MCP 대안 — AI 에이전트가 호출하는 금융 데이터 API
Codef를 검토하는 팀 중 Claude Code·Cursor·MCP 실행성이 중요한 경우, headless는 AI 에이전트 중심의 대안이 됩니다.
Codef MCP 대안을 찾는다면 비교 기준은 커버리지보다 실행성입니다. 한국 금융기관 데이터를 다루는 API는 여러 곳이 있습니다. 하지만 AI 에이전트가 schema를 발견하고 data-job을 만들고 결과를 읽는 흐름은 별도 설계가 필요합니다. headless는 바로 이 흐름을 가장 먼저 챙깁니다.
Codef와 Hyphen을 금융 API 마켓 관점에서 함께 보려면 Codef vs Hyphen vs headless와 기업 계좌 거래내역 API 비교에서 확인할 수 있습니다.
MCP는 단순한 문서 링크가 아닙니다. Claude Code, Cursor, Gemini 같은 도구가 금융 데이터 API를 도구로 호출하게 만드는 실행 표면입니다. 사람은 자연어로 요청하고, 에이전트는 provider와 schema를 고른 뒤 결과를 표나 파일로 정리합니다.
Codef와 비교할 때 볼 질문
| 질문 | 확인할 지점 |
|---|---|
| 기존 시스템이 Codef 기반인가 | 유지 비용과 전환 비용 |
| AI 도구에서 호출해야 하나 | MCP, CLI, /llms.txt, OpenAPI |
| 기관별 응답 차이를 숨기고 싶은가 | 단일 schemaId와 고정 응답 필드 |
| 자연어 요청을 운영 흐름으로 만들고 싶은가 | data-job 생성·폴링·결과 조회 자동화 |
| 첫 테스트를 빠르게 해야 하나 | Device Flow, CLI, API 빠른시작 |
headless MCP 흐름
npx @h6s-ai/toolkit install --target=cursor또는 Claude Code plugin으로 설치합니다.- 사용자는 콘솔에서 자격증명과 API 키를 준비합니다.
- 에이전트는
h6s_catalog로 provider와 schema를 확인합니다. - 에이전트는
h6s_fetch_data로 수집 요청을 만들고 결과를 받습니다. - 결과를 마크다운, JSON, CSV, HTML 리포트 등 다음 작업에 맞게 변환합니다.
예를 들어 “지난달 매출 세금계산서와 국민은행 입금내역 대조해줘”라고 요청하면, 에이전트는 hometax.tax-invoices.sales.v1과 bank.transactions.cb.v1를 쓰는 방향으로 흐름을 잡습니다.
언제 headless를 붙이나
기존 Codef 연동이 이미 안정적이면 전체를 바꾸지 않아도 됩니다. 새 AI 자동화, 내부 대사, 로컬 리포팅, 고객사별 자료 수집처럼 “에이전트가 직접 데이터를 가져와야 하는” 작업부터 headless로 분리할 수 있습니다.
반대로 데이터 커버리지, 기존 레퍼런스, 오래된 운영 검증이 최우선이면 Codef 공식 문서와 가격표부터 보시는 편이 낫습니다. 이 글이 기준으로 삼은 건 AI 에이전트 실행성입니다.