도구

21만 Stars의 Front-End Checklist, AI Agent 시대에 맞춰 MCP Server로 변신하다

GitHub에서 21만 Stars를 받은 Front-End Checklist가 최근 자기 자신을 MCP Server로 재구성해, AI Agent가 동일한 규칙 세트로 코드 리뷰를 수행할 수 있게 만들었다.

글자 크기

Front-End Checklist는 GitHub에서 오래전부터 알려진 프론트엔드 프로젝트로, 오픈소스 프론트엔드 코드 리뷰 체크리스트로 꾸준히 쓰여왔다. 최근 큰 구조 개편을 통해 이걸 MCP Server로 만들었다. 즉, 같은 규칙을 AI Agent가 바로 호출할 수 있는 구조화된 엔드포인트로 패키징한 셈이다.

이 변화는 짚어볼 만하다. 이 프로젝트가 해결하려는 문제는 명확하다. Lighthouse, axe-core, ESLint, Stylelint가 각자 다른 영역만 담당하기 때문에, a11y / 성능 / SEO / 보안 / i18n / 프라이버시를 모두 커버하려면 직접 접착제 코드를 작성해야 했다. AI Agent 시대에는 Cursor, Claude Code 같은 도구가 코드를 읽을 수는 있지만, 구조화된 체크리스트에는 접근할 수 없다. "best practices를 확인해줘"라고 시키면 "alt를 넣어"라는 답이 돌아올 뿐, "<label>에 for 속성이 빠져있다" 같은 구체적인 지적은 하지 못한다.

아래에서 배경, 사용법, 이번 MCP 전환 작업을 정리한다.

프로젝트 개요

오픈소스 프론트엔드 코드 리뷰 체크리스트 프로젝트로, a11y, 성능, SEO, 보안, 이미지, 프라이버시 같은 영역을 다룬다. 각 규칙마다 우선순위, 설명, 수정 제안이 함께 붙어 있다.

기존에는 세 가지 진입점을 제공했다.

  • 웹사이트: 사이트에 접속해 항목별로 대조
  • GitHub README: 저장소 README에서 체크박스 리스트로 직접 검토
  • 패키지/CLI: npm 패키지나 커맨드라인으로 실행

이번 구조 개편 내용

작성자는 규칙 라이브러리를 MCP Server로 분리했다. MDX를 단일 사실 출처(SSOT)로 두고, pnpm 스크립트로 여러 형태의 결과물을 빌드한다.

  • 정적 웹사이트
  • README 체크박스 리스트
  • MCP Server tool schema (이번에 새로 추가됨)

Agent가 받아보는 건 단순한 markdown 텍스트가 아니라 구조화된 필드를 갖춘 규칙 객체다. 우선순위로 필터링하거나, 규칙 ID로 참조하거나, 에디터에 hook으로 연결해 inline hint를 띄우는 것도 가능하다.

사용 방법

MCP 연결 설정 (Claude Desktop / Cursor 호환):

{
  "mcpServers": {
    "front-end-checklist": {
      "url": "https://mcp.frontendchecklist.io",
      "transport": "streamable-http"
    }
  }
}

설정이 끝나면 Agent에게 list_rules를 호출해 분류를 가져오게 한 뒤, 우선순위로 규칙을 걸러서 규칙 ID가 포함된 수정 제안을 받으면 된다.

장점

  • 단일 도구보다 넓은 커버리지. a11y, 성능, SEO, 보안, i18n, 프라이버시를 한 표에서 다룬다.
  • 규칙마다 수정 동작이 붙어 있어 단순 체크박식에 그치지 않음. 각 규칙에 수정 코드 예시와 검증 방법이 함께 제공된다.
  • MCP 전환 시점이同类 프로젝트보다 앞섬. 대부분의同类 프로젝트보다 한 발 빠르게 규칙을 agent-consumable 형태로 만들었다.

단점

  • 정적인 규칙은 프로젝트 맥락을 이해하지 못함. Next.js 13을 쓰는지, 5년 치 기술 부채가 쌓인 React 앱인지는 모른다.
  • 일부 규칙이 전통적인 HTML 프로젝트 위주라 순수 SPA / 최신 빌드 스택에는 적용 범위가 제한적이다.
  • 전체를 Agent에 넘기면 token 부담이 큼. Agent가 스스로 우선순위를 골라야 하니, user prompt에서 "critical and high-priority first"처럼 명확히 지정해야 한다.
  • 규칙 가중치 커스터마이징은 지원하지 않음.

대상 사용자

이런 경우에 적합하다.

  • 프론트엔드 팀에서 리뷰 기준을 통일하고 싶을 때. 내부 checklist 문서를 따로 작성할 필요가 없어진다.
  • 신규 입사자 / 외부 협력자에 던져줄 입문용 체크리스트가 필요할 때.
  • AI 보조 code review를 도입하면서 구조화된 규칙 소스를 연결하고 싶을 때.

이런 경우에는 맞지 않다.

  • Lighthouse만으로 충분한 소규모 프로젝트
  • 순수 백엔드 / 모바일 프로젝트

마무리

Front-End Checklist의 접근법은 배울 만하다. "사람이 사용하는 지식"과 "Agent가 소비할 수 있는 지식"을 하나의 사실 출처로 묶어낸 것이다. MDX를 SSOT로 두고 pnpm 스크립트로 여러 결과물을 빌드하는 방식은 상당히 엔지니어링적인 해법이다.

팀에서 이미 Claude Code나 Cursor로 리뷰를 돌리고 있다면, MCP server를 PR 파이프라인에 연결해볼 수 있다. 사람 리뷰를 대체하려는 게 아니라, 기계가 먼저 전체 규칙을一遍 돌리고 사람 리뷰의 에너지를 판단이 필요한 부분에 집중시키는 게 목적이다.

참고: Front-End Checklist GitHub

출처: https://github.com/thedaviddias/Front-End-Checklist