안녕하세요 인프런입니다.
강의를 보며 배운 내용을 실제 작업에 적용하려고 할 때, 다시 영상을 찾고 예제를 따라가야 해서 번거로웠던 순간이 있으셨나요?
이제 인프런 MCP를 연결하면 Claude, Codex, ChatGPT, Cursor 같은 AI 도구가 내가 수강 중인 강의 내용을 함께 참고해 작업을 도와줄 수 있어요.
문서를 만들고, 코드를 리뷰하고, 작업 환경을 맞추고, 결과물을 고치는 일까지 강의에서 배운 대로 이어갈 수 있습니다.
AI 도구가 강의에서 배운 대로
만들고, 리뷰하고, 고쳐줘요.
MCP라는 이름은 낯설 수 있지만, 사용법은 단순해요.
인프런 MCP를 연결하면 AI 도구가 지금 하는 일과 가까운 수업 내용을 찾아봅니다.
그리고 강의에서 배운 순서와 기준을 참고해 문서, 코드, 디자인, 자동화 작업을 직접 이어갑니다.
왜 이렇게 해야 하는지 궁금할 때는 참고한 수업 위치도 함께 알려줘요.
인프런 MCP [BETA] 로 무엇을 할 수 있나요?
인프런 MCP는 AI 도구가 내가 수강 중인 강의의 커리큘럼, 수업 내용, 최근 학습한 강의, 관련 강의 위치를 불러올 수 있게 도와줍니다.
그래서 AI에게 막연히 도움을 요청하는 대신, 내가 배운 강의 내용을 바탕으로 현재 작업을 이어갈 수 있어요.
기획과 디자인
상품 기획 강의를 듣고 있다면, 강의에서 배운 문제 정의 방식대로 PRD 초안이나 사용자 시나리오를 정리할 수 있어요.
디자인 강의를 듣고 있다면 화면 흐름, 정보 구조, 사용성 점검을 강의에서 다룬 방식에 맞춰 이어갈 수 있습니다.
예: "이 기능의 PRD 초안을 강의에서 배운 문제 정의 순서대로 정리해줘."
업무 자동화
n8n 자동화 강의를 듣고 있다면, AI 도구가 강의에서 다룬 자동화 흐름을 바탕으로 내 n8n 워크플로우의 노드와 연결 방식을 구성할 수 있어요.
계정 연결처럼 확인이 필요한 단계는 사용자가 직접 승인하며 이어가면 됩니다.
예: "강의에서 만든 Gmail 자동화 흐름을 내 n8n 워크플로우로 만들어줘."
개발과 코드 리뷰
개발 강의를 듣고 있다면, GitHub PR이나 현재 코드를 강의에서 배운 기준으로 리뷰받을 수 있어요.
코드 리뷰에서 끝나지 않고 리팩터링 방향, 테스트 추가, 문서 보강까지 함께 이어갈 수 있습니다.
예: "현재 내가 배우고 있는 Vlad의 고성능 Spring Persistence 기준으로 이 PR을 리뷰해줘."
참고 사례: spring-batch-querydsl PR #10
실습 환경과 결과물 만들기
Claude Code 강의를 듣고 있다면 강의에서 설명한 설정과 내 PC 설정을 비교해 빠진 부분을 찾을 수 있어요.
Three.js 같은 실습 강의를 듣고 있다면, 방금 배운 흐름을 바탕으로 실제 동작하는 데모 결과물까지 만들어볼 수 있습니다.
예: "짐코딩님 Claude Code 강의 설정과 지금 제 설정을 비교해주세요."
예: "방금 본 Three.js 강의 내용대로 데모 웹사이트를 만들어주세요."
커리어와 학습
이력서, 포트폴리오, 면접 강의를 듣고 있다면 내 경험을 강의에서 배운 구조대로 다시 정리할 수 있어요.
학습 중 헷갈리는 개념은 관련 수업을 찾아 다시 설명받고, 복습 퀴즈나 다음 학습 순서도 만들어볼 수 있습니다.
예: "이 포트폴리오 설명을 강의에서 배운 구조대로 다시 정리해줘."
예: "방금 들은 강의 내용으로 복습 퀴즈를 만들어줘."
실제 활용 예시를 확인해보세요
AI 도구가 강의 내용을 작업에 어떻게 적용하는지,
그리고 필요한 순간에 어느 수업을 다시 보면 되는지 실제 사례로 확인해보세요.
Three.js 강의 내용대로 데모 웹사이트 만들기
강의에서 다룬 1인칭 3D 웹의 흐름을 AI 도구가 함께 확인하고, 실제 동작하는 데모 결과물까지 이어서 만들어볼 수 있어요.
실제 대화
방금 본 강의 내용대로 데모 웹사이트를 만들어주세요.
만드는 과정
완성된 결과물
Claude Code 강의 설정과 내 설정 비교하기
강사님이 설명한 설정 방식을 AI 도구가 불러와, 현재 내 설정과 비교하고 지금 적용할 만한 부분을 정리해줍니다.
학습한 강의
클로드 코드 완벽 마스터 짐코딩 · 인프런실제 대화
짐코딩님 강의 설정과 지금 제 설정을 비교해주세요.
비교 과정
강의 기반 추천
짐코딩 강사님의 설정 파일 강의를 가져와 핵심을 뽑았어요.
현재 ~/.claude/settings.json에 hooks 5개, 플러그인, editorMode: vim까지 풍부하게 설정돼 있지만, 보안 옵션과 기본 권한 모드는 비어있는 상태예요.
강의가 강조하는 핵심
- 설정 3단계 분리: ~/.claude/settings.json > 프로젝트 settings.json/.local.json > 엔터프라이즈
- 보안: deny로 .env, API 키, *.pem 명시 차단
- 편의: defaultMode: "plan", additionalDirectories로 작업 맥락 확장
지금 바로 적용할 만한 것
- deny로 .env, *.pem 차단
- defaultMode: "plan" 지정
- additionalDirectories로 dotfiles 레포 등록
강의에서 배운 기준으로 코드 리뷰하기
성능 튜닝 강의를 듣고 있다면, AI 도구가 강의에서 배운 페이징 기준을 바탕으로 현재 PR에서 그 기준에 어긋나는 부분을 찾고, 왜 문제가 되는지와 수정 방향을 함께 설명합니다.
어느 수업에서 다룬 내용인지도 함께 남겨, 필요할 때 다시 확인할 수 있어요.
학습한 강의
실제 요청
현재 내가 배우고 있는 Vlad의 고성능 Spring Persistence 기준으로 이 PR을 리뷰해줘.
실제 PR 리뷰
🔴 Critical 1.
리플렉션 키 추출이 keyset 정렬키의 신뢰성을 깸 (상속/DTO에서 깨짐)
근거 파일
- options/QuerydslNoOffsetOptions.java — 기존 getDeclaredField(fieldName) 는 해당 클래스에 직접 선언된 필드만 탐색
- 열린 PR Fix super class의 필드 접근 못하는 이슈 해결 #3 — 상속 필드 버그의 실제 증거
강의 근거 — Vlad Mihalcea, Keyset Pagination : "for the next page you have to pass the last element."
마지막 요소의 키를 정확히 추출하지 못하면 keyset 페이징 자체가 동작하지 않습니다.
@MappedSuperclass(BaseEntity)의 id, DTO Projection, join fetch 결과에서 깨집니다.
제안 (이 PR 반영)
- 리플렉션 fallback이 상위 클래스까지 거슬러 올라가며 필드를 찾도록 findField() 추가
- Function<T,K> keyExtractor 옵션으로 DTO/Projection에서도 키를 명시적으로 추출
- 오타 getFiledValue → getFieldValue 수정 (기존 메서드는 @Deprecated 위임으로 하위호환 유지)
실제 리뷰 코멘트는 GitHub PR에서 확인할 수 있습니다.
인프런 MCP는 이런 내용을 가져올 수 있어요
AI 도구는 사용자의 질문과 작업 내용을 보고 필요한 인프런 MCP 도구를 자동으로 사용합니다.
모든 동작은 조회이며, 인프런 계정의 권한 범위 안에서 실행됩니다.
- 강의 검색: 수강 중인 수업 자막에서 질문과 가까운 부분을 찾습니다.
- 수업 콘텐츠 조회: 특정 수업의 요약, 핵심 개념, 강사 표현을 가져옵니다.
- 내 학습 강의 확인: 최근 학습한 강좌와 진도율, 완료한 수업을 불러옵니다.
- 커리큘럼 조회: 강좌의 섹션, 수업 목록, 각 수업 링크를 확인합니다.
어떻게 연결하나요?
사용하는 AI 도구에 따라 연결 방법을 선택할 수 있어요.
자세한 화면별 안내는 인프런 MCP 안내 페이지 에서 확인할 수 있습니다.
Claude Code, Codex, Cursor 등 CLI 클라이언트
터미널에서 설치 스크립트를 실행하면 Inflearn MCP가 자동으로 등록됩니다.
curl -fsSL https://inf.run/mcp | sh
Windows PowerShell
irm https://inf.run/mcp.ps1 | iex
Claude
Claude 앱에서 설정 > 사용자 지정 > 커넥터로 이동한 뒤 커스텀 커넥터 추가를 눌러주세요.
이름은 Inflearn, URL은 아래 주소를 입력하고 인프런 계정으로 로그인하면 됩니다.
https://mcp.inflearn.com/mcp
ChatGPT
ChatGPT에서 설정 > 앱 > 고급 설정으로 이동해 개발자 모드를 켠 뒤 앱 만들기에서 Inflearn MCP를 등록할 수 있어요.
이름은 Inflearn, 인증은 OAuth, MCP 서버 URL은 아래 주소를 입력해주세요.
https://mcp.inflearn.com/mcp
ChatGPT 앱 설정은 Plus, Pro, Business 플랜에서 노출됩니다.
모두가 궁금할 만한 QnA
Q. 프로젝트의 코드를 가져가나요?
A. 인프런 MCP는 학습 중인 강의정보를 사용하시는 AI에 전달하기만 할 뿐, 작업중인 그 어떤 정보도 가져가진 않습니다.
Q. 추가 비용이 발생하나요?
A. 현재의 인프런 MCP 오픈 베타 버전은 인프런의 모든 유저가 사용할 수 있습니다.
Q. 결제하지 않은 강의의 콘텐츠도 가져올 수 있나요?
A. 인프런 MCP는 인프런 계정의 권한 범위 안에서만 동작합니다.
본인이 수강 중인 강의의 콘텐츠만 가져올 수 있어요.
Q. 어떤 AI 도구에서 사용할 수 있나요?
A. Claude, Claude Code, Codex, Cursor, ChatGPT 등 MCP를 지원하는 도구에서 사용할 수 있습니다.
도구별 지원 방식은 다를 수 있어요.
Q. ChatGPT에서도 학습 모드나 슬래시 명령을 쓸 수 있나요?
A. 현재 ChatGPT는 MCP의 Tools만 지원하고 Prompts, 즉 슬래시 명령은 정식 지원하지 않아요.
/learn_with_instructor, /concept_deep_dive, /quiz_me, /study_roadmap 같은 학습 모드는 Claude, Claude Code, Cursor 등 MCP Prompts를 지원하는 클라이언트에서 사용할 수 있습니다.
Q. AI 도구가 제 n8n, GitHub, 로컬 PC도 자동으로 바꾸나요?
A. 인프런 MCP 자체는 수강 중인 강의 내용을 조회하는 기능입니다.
n8n, GitHub, 로컬 PC처럼 외부 작업 환경을 변경하려면 해당 도구에 대한 별도 연결과 사용자의 권한 승인이 필요합니다.
Q. AI 도구가 참고한 강의 위치도 확인할 수 있나요?
A. 네. 관련 수업이나 커리큘럼 링크를 함께 확인할 수 있어요.
막힌 부분을 다시 보고 싶을 때 가까운 강의 위치로 이어갈 수 있습니다.
Q. 연결을 해제하려면 어떻게 하나요?
A. Claude는 설정 > 커넥터 > Inflearn > 연결 해제, ChatGPT는 설정 > 앱 > Inflearn > 제거를 눌러주세요.
인프런 OAuth로 연결된 앱 관리 페이지에서도 권한을 회수할 수 있습니다.
Q. OAuth 로그인 화면이 열리지 않아요.
A. 브라우저의 팝업 차단을 해제하거나, 사용 중인 인프런 계정이 활성화 상태인지 확인해 주세요.
MCP URL은 끝에 슬래시 없이 https://mcp.inflearn.com/mcp 그대로 입력해야 합니다.
맺음말
이번 MCP를 기획하면서 자주 떠올린 경험이 있습니다.
앤트로픽이 Claude 디자인을 내놓은 뒤로, 저도 발표나 강연을 준비할 때 자주 썼는데요.
장표 만드는 일이 훨씬 쉬워진 건 분명한데, 요즘은 다시 키노트로 직접 장표를 만드는 걸 고민하고 있습니다.
예전에는 키노트로 한 장씩 만들면서 발표할 순서와 하고 싶은 말도 함께 정리됐습니다.
그런데 AI로 장표는 빨리 만들었지만, 발표할 순서와 하고 싶은 말은 따로 정리해야 했습니다.
발표만 그런 건 아닌 것 같습니다.
AI 도구로 일도, 과제도 더 빨리 끝낼 수 있게 됐지만, 그만큼 배우고 있다는 느낌은 줄었습니다.
그래서 일을 더 잘하면서도, 그 과정에서 나도 함께 성장하려면 어떻게 해야 할지 고민하게 되었습니다.
그러다 고등학교를 중퇴하고 OpenAI Sora 팀 연구원이 된 Gabriel Petersson의 인터뷰를 봤습니다.
그는 하고 싶은 것부터 시작하고 필요한 것을 그때그때 배우는 하향식 학습을 이야기했습니다.
하고 싶은 일을 먼저 시작하더라도, 그 일을 해 나가는 동안 계속 배울 수 있어야 한다는 생각이 들었습니다.
인프런은 그동안 먼저 배우고 나서 해보는 방식을 주로 도왔습니다.
이번에는 하고 싶은 일을 먼저 시작하고, 필요한 순간마다 배우는 방식도 돕고 싶었습니다.
인프런 MCP는 그 고민에서 시작했습니다.
지금 당장 하고 싶은 일이 있다면 전문가의 지식과 경험을 바탕으로 바로 시작할 수 있습니다.
강의를 처음부터 끝까지 다 듣기 전에도, 하고 싶은 일을 먼저 시작할 수 있습니다.
막히는 순간에는 인프런 MCP를 연결한 AI 도구가 관련 수업을 찾아주고, 그 내용을 다시 보며 이어갈 수 있습니다.
이번 인프런 MCP도 유저분들과 함께 만들어 가고 싶습니다.
아직 모든 도구와 환경에서 완벽하지는 않을 거예요.
어떤 작업에서는 잘 맞았는지, 어떤 부분에서는 아쉬웠는지 알려주세요.
그 의견을 보며 인프런 MCP를 계속 다듬겠습니다.
고맙습니다.
인프런 드림
