며칠 전 jojoldu님의 백엔드 인턴 공고 스레드에서 흥미로운 글을 봤습니다.
이력서에서 중요한 것은 프로젝트의 크기가 아니라, 왜 그 프로젝트를 시작했는지, 왜 그런 선택이 필요했는지, 문제를 어떻게 풀었는지를 보여주는 것이라는 내용이었습니다.
실제 운영 경험이 없다면 없는 결과를 꾸밀 필요는 없습니다. 대신 프로젝트를 진행하면서 기울인 노력, 고민, 대안을 검토한 과정이 구체적으로 드러나야 한다는 이야기였습니다.
마침 이어지는 글에서 인프런 MCP를 활용한 이력서 검토 프롬프트 예시에 언급된 강의 제미니 강사님의 「10,000장의 이력서를 본 기술이사의 이력서 가이드」 가 제 수강 목록에 있었기 때문에 인프런 MCP가 무엇인지, Claude, Codex, Cursor, ChatGPT 같은 AI 도구와 어떻게 연결하는지, 그리고 연결된 MCP를 실제 이력서 검토에 어떻게 활용했는지 정리해보았습니다.
인프런 MCP란
MCP는 Model Context Protocol의 약자입니다.
쉽게 말하면 AI 도구가 외부 서비스의 데이터나 기능을 사용할 수 있게 해주는 연결 방식입니다. 인프런 MCP는 이 구조를 이용해서 Claude, Codex, ChatGPT, Cursor 같은 AI 도구가 내가 수강 중인 인프런 강의 내용을 참고할 수 있게 해줍니다.
인프런 MCP 공식 페이지에서는 인프런 MCP를 "학습 + 실무 AI 파트너"로 소개하고 있습니다. MCP Connector를 등록하면 AI가 수강 중인 강의 내용을 검색하고, 그 내용을 바탕으로 학습 질문에 답하거나 실무 작업을 도와주는 방식입니다.
기존에는 강의를 보고 난 뒤 실제 작업에 적용하려면, 강의 내용을 다시 찾아보고 AI에게 배경을 길게 설명해야 했지만 인프런 MCP를 활용하면 AI가 내가 수강 중인 강의를 작업 기준으로 삼을 수 있습니다.
예를 들어, AI에게 그냥 "이력서 검토해줘"라고 하면 일반적인 피드백이 나오지만 "내가 수강한 이력서 강의 기준으로 검토해줘"라고 요청하면 리뷰의 기준이 생겨 더 나은 결과물로 만들 수 있게 됩니다.
인프런 MCP가 제공하는 도구
공식 페이지 기준으로 인프런 MCP는 네 가지 조회 도구를 제공합니다.
- search_lectures: 수강 중인 유닛 자막을 검색해 질문과 가까운 내용을 찾습니다.
- get_lecture_content: 특정 유닛의 요약, 핵심 개념, 강사 표현을 가져옵니다.
- list_my_recent_learnings: 최근 학습한 강좌와 진도율, 완료한 유닛을 확인합니다.
- get_curriculum: 강좌의 섹션과 유닛 목록, 각 유닛 링크를 확인합니다.
인프런 MCP가 내 로컬 파일을 마음대로 수정하거나, 유료 강의 전체를 외부에 공개하거나, 결제하지 않은 강의 내용을 가져오는 기능은 아닙니다. OAuth로 로그인한 인프런 계정의 권한 범위 안에서 내가 수강 중인 강의 정보를 조회하는 방식입니다.
AI 도구별 연결 방법
Claude Code, Codex, Cursor 같은 CLI 클라이언트
Claude Code, Codex, Cursor처럼 CLI 기반으로 MCP를 사용하는 도구는 설치 스크립트 한 줄로 등록할 수 있습니다.
macOS 또는 Linux에서는 터미널에서 다음 명령어를 실행합니다.
curl -fsSL https://inf.run/mcp | sh
Windows PowerShell에서는 다음 명령어를 사용합니다.
irm https://inf.run/mcp.ps1 | iex
Claude 앱
설정 -> Connectors -> Add custom connector -> Add -> 인프런 계정 OAuth 로그인
입력값
이름: Inflearn
URL: https://mcp.inflearn.com/mcp
ChatGPT | Codex 앱
설정 -> 플러그인 -> mcp 탭 -> 저장 -> 인프런 OAuth 로그인
입력값
유형 선택 : 스트리밍 가능한 HTTP
이름: Inflearn
URL: https://mcp.inflearn.com/mcp
사용한 프롬프트
첨부한 이력서를 인프런 MCP로 조회할 수 있는
제미니 강사님의 「10,000장의 이력서를 본 기술이사의 이력서 가이드」
내용을 기준으로 깊이 있게 검토해줘.
희망 조직:
[희망 조직 또는 직무]
지원 공고:
[지원하려는 공고 URL]
검토 절차:
1. 먼저 강의 전체 커리큘럼을 확인해줘.
2. 검색 결과나 요약만 사용하지 말고, 이력서와 관련된 유닛의 내용을 조회해줘.
3. 이력서에서 새로운 문제가 발견되면 관련 유닛도 추가로 조회해줘.
이번 공고에 맞춰 특히 확인할 내용:
1. 실무 경력 유무, 학교 프로젝트, 사이드 프로젝트를 임의로 감점 요소로 보지 마.
2. 대표 프로젝트를 최소 하나 골라 아래 내용을 확인해줘.
- 프로젝트를 시작한 이유
- 본인이 맡은 역할과 실제 기여 범위
- 가장 어려웠던 문제와 문제를 정의한 과정
- 검토했던 해결 방향과 최종 선택 이유
- 시행착오와 개선 과정
- 결과를 확인한 방법
3. 성능 최적화, 자동화, AI 활용 경험은 실제 근거가 있을 때만 평가해줘.
4. 희망 조직과 각 경험의 관계를 직접 연결, 부분 연결, 근거 없음으로 구분해줘.
5. 성장 방향과 현재 하고 있는 노력이 이력서에서 구체적으로 드러나는지 확인해줘.
6. 이력서의 주요 주장마다 다음을 제시해줘.
- 사전 인터뷰에서 나올 수 있는 꼬리질문
- 직무 인터뷰에서 더 깊게 확인할 질문
- 아키텍처로 설명해야 할 구성 요소
- 답변하려면 추가로 확인해야 할 정보
사용하며
처음 작성한 이력서를 검토받을 때는 PDF 파일을 첨부한 후 검토를 요청했습니다.
매번 수정하고 다시 검토받을 때마다 이력서를 첨부해야 했고, AI 도구가 PDF 파일을 다시 읽고 이력서 내용을 파악하는 과정도 반복됐습니다. 이 과정이 시간이 오래 걸리고 번거롭다고 느꼈습니다.
그래서 이력서 폴더를 생성한 뒤, 제 이력서를 Markdown으로 변환해 .md 파일로 저장하고 새 프로젝트로 열었습니다.
이후 위 프롬프트를 작성할 때 PDF를 다시 첨부하는 대신 Markdown 파일을 읽도록 했습니다.
매번 pdf 첨부하는 과정이 줄었고 이력서를 읽는 속도도 빨라졌습니다.
한 단계 나아가 피드백 받는 결과물을 보고 원하는 부분을 마크다운에 반영을 요청하면 이력서 수정에도 시간을 줄일 수 있게 됩니다.
제가 처음 검토 요청했을 때 받은 점수는 78점 입니다. (￣▽￣*)ゞ
현재까지 다듬은 버전으로는 89점을 받을 수 있게 되었습니다. 조금 더 정진해야겠습니다.