dart-notes-mcp

DART 전자공시 재무제표 주석(footnotes) 정밀검색 MCP. 회계사가 주석을 작성할 때 "다른 회사는 이 회계이슈를 주석에 어떻게 썼나" 를 시장(코스피/코스닥/코넥스/비상장)·업종(KSIC)별로, 정확히 찾기 위한 도구.

왜 직접 만들었나 (DART API의 한계)

• DART Open API에는 공시 본문(주석) 내용을 검색하는 엔드포인트가 없다.

공시검색(list.json)은 회사·날짜·보고서명 같은 메타데이터만 검색한다.

• 주석 본문은 오직 공시원문 `document.xml`(ZIP, EUC-KR) 안의 회사별 HTML에만 있다.
• 그래서 이 MCP는 원문 다운로드 → 주석을 섹션으로 분해 → 토픽 정밀매칭 을 직접 수행한다.

정밀도가 핵심 (단순 키워드 검색과 다른 점)

DART/일반검색은 "전환사채 취득"을 치면 전환사채·취득 키워드가 우연히 같이 있는 주석까지 전부 나온다. 이 MCP는 토픽별 규칙으로 노이즈를 차단한다:

→ 노이즈를 낼 바엔 0건 반환(precision 우선). 매칭마다 reasons로 왜 잡혔는지 표시.

내장 토픽(11종):

• supplier_finance(공급자금융약정), convertible_bond_holder(전환사채 취득자),

convertible_bond(발행자), related_party(특수관계자), lease(리스), contingency(우발부채)

• revenue_recognition(수익인식 IFRS15), goodwill_impairment(영업권 손상),

defined_benefit(확정급여/보험수리적), ecl(기대신용손실), share_based_payment(주식기준보상)

자유어도 가능(전 토큰 AND + intent 라우팅). 반복 이슈는 src/dart_notes_mcp/topics.py에 규칙 한 줄 추가 시 정밀도가 가장 높다(예: 영업권 손상 = 영업권 AND 손상신호 2그룹 요구로 '손상' 보편어 노이즈 차단).

아키텍처 (하이브리드)

• 메타 캐시(1회): 상장사 시장구분(corp_cls)·업종(induty_code→KSIC명)을 SQLite에 캐시

→ 시장×업종 필터는 런타임 API 호출 0.

• 전문 인덱스(v2, 권장): 사업연도별 전체 사업보고서를 1회 받아 주석 섹션을 SQLite+FTS5(trigram)

로 인덱싱(index_build). 검색 = FTS 후보 좁힘 → 동일 토픽규칙으로 정밀필터. API 호출 0 · ~200ms · 전수 커버. (정밀도는 온디맨드와 동일, 속도·완전성만 향상)

• 온디맨드 폴백: 미인덱싱 연도·특정 회사 지정 시 원문을 즉시 받아 검색.
• search_company_notes는 해당 연도가 인덱싱돼 있으면 자동으로 인덱스 사용.

인덱스 빌드

python -m dart_notes_mcp.index_build --year 2024            # FY2024 전체(열거→fetch→적재)
python -m dart_notes_mcp.index_build --year 2024 --enumerate-only   # 건수만

실측: FY2024 사업보고서 3,276개사, 주석 텍스트 ~0.4 GB(인덱스 포함 ~1 GB 미만), 1회 빌드 ~25–30분(10병렬)·API ~3,300콜(일 한도 20,000 내). 연도 인자만 바꿔 과거연도 확장.

설치 & 설정

cd C:\Users\kyhh0\dart-notes-mcp
python -m pip install -e .

1) 인증키: .env.example → .env 복사 후 DART_API_KEY=<40자 키> 입력.

2) 메타 캐시 구축(1회, 상장사 ~2,800개·수분):

python -m dart_notes_mcp.build_meta          # 전체
python -m dart_notes_mcp.build_meta --limit 300   # 빠른 테스트

3) MCP 등록 (Claude Code / Desktop claude_desktop_config.json):

{
  "mcpServers": {
    "dart-notes": {
      "command": "python",
      "args": ["-m", "dart_notes_mcp.server"],
      "cwd": "C:\\Users\\kyhh0\\dart-notes-mcp"
    }
  }
}

MCP 도구

예시

• "코스피 반도체 업종에서 공급자금융약정 2024 주석 보여줘"

→ search_company_notes(topic="공급자금융약정", market=["코스피"], industry_name="반도체", year=2024)

• "전환사채 취득자 회계처리 사례 (발행자·우연출현 제외)"

→ search_company_notes(topic="전환사채 취득자 회계처리", year=2024)

라이브 검증 결과 (2024 사업보고서, 실측)

공급자금융약정으로 대형 제조·유통사 검증 — 실제 공시는 medium/high, 정책 보일러플레이트는 low ⚠ 로 정확히 분리:

파서는 삼성전자(64섹션)·이마트(주석-prefix 포맷)·현대제철(86섹션) 등 서로 다른 HTML 포맷에서 모두 정상 섹션 분해. 실전에서 발견한 함정(마지막 노트의 본문 흡수, 144Hz→44h 오탐, 정책노트 일반언급)은 모두 차단·테스트에 고정.

한계 (정직한 고지)

• 비상장(E) 은 전수 enumeration이 비현실적 → companies=[회사명] 지정 시 on-demand 조회.

(메타 캐시는 상장사 기준. 비상장 업종필터는 v1 미지원)

• 주석 HTML은 회사·연도·감사인별 편차가 커, 드물게 섹션 분해가 빗나갈 수 있음

(번호 연속성 게이트로 완화). 결론·조서 인용 전 DART 원문 대사 권장.

• 연결(CFS)·별도(OFS) 주석을 모두 보존(수치가 다를 수 있어 임의 dedup 안 함).
• year는 사업연도(귀속). 공급자금융약정은 2024 최초적용.

테스트 (네트워크/키 불필요)

python tests\test_core.py            # 파서 + 정밀매칭(양성/함정음성)
python tests\test_search_offline.py  # 검색 파이프라인(FakeClient)

보안 (Codex GPT-5.5 리뷰 반영)

• 인증키 비커밋: DART_API_KEY는 .env에만(.gitignore로 *.env 차단). 코드 하드코딩 없음.
• 키 누출 방지: httpx 예외 문자열에 요청 URL(=키)이 포함될 수 있어, 오류는 상태코드/타입명만 노출.
• ZIP 폭탄 방어: 공시원문 ZIP의 응답크기·엔트리수·비압축 총량 상한 검증.
• 경로 검증: 캐시 파일명(rcept_no)은 14자리 숫자만 허용 + 디렉터리 이탈 차단.
• 입력 검증: year(1999~2027)·max_companies(1~50 클램프, 음수 슬라이스 우회 차단)·시장 화이트리스트.
• 프롬프트 인젝션 방어: 반환되는 DART 공시 본문은 신뢰불가 데이터임을 content_safety로 명시.
• XXE/엔티티 폭탄: corpCode XML 파싱에 defusedxml(설치 시) 적용. 리다이렉트 추적 비활성화.

향후(권고): 보고서 조회 결과 캐시, bounded concurrency, 토픽 규칙 추가 확장.

데이터 출처 / 라이선스

• 공시 데이터: 금융감독원 OPEN DART(opendart.fss.or.kr) — 본 도구는 비공식 클라이언트.
• 업종 매핑(data/ksic/): 통계청 한국표준산업분류(KSIC) 기반, FinanceData/KSIC.
• 본 도구 코드: MIT License (LICENSE).
• ⚠ 인증키(DART_API_KEY)는 .env에만 두며 저장소에 커밋하지 않는다(.gitignore).