Apsity MCP를 일주일 써봤다 — keyword_search·app_lookup으로 자연어 시장 리서치 8가지

2026년 5월 · 귀찮은개발자 EP.22

EP.21에서 Apsity에 MCP 서버를 붙였다. 도구는 4개. keyword_search, app_lookup, list_supported_countries, keyword_search_history. 만들 때만 해도 "이게 진짜 쓸까?" 의심했다. 일주일 써봤다.

결론부터 말한다. 의외로 많이 쓴다. 4개 도구뿐인데도, 시장 발굴부터 진입 판단까지 한 대화 안에서 흐름이 만들어진다. 키워드 검색이 한 줄, 그 결과의 Top 5를 까보는 게 또 한 줄, 그걸 다른 시장과 비교하는 게 한 줄. 대시보드는 시각적으로 데이터를 훑을 때, MCP는 빠르게 묻고 답받을 때 — 두 채널이 자연스럽게 나눠진다.

이 글에서는 일주일 동안 실제로 던졌던 자연어 질문 8개를 정리한다. Discovery, 멀티 리전, 딥 분석, 추적 경쟁사, 신규 앱 발굴, 메타 패턴, 검색 히스토리, 20개국 일괄 스캔. 각 사례마다 어떤 도구가 어떻게 호출되고 어떤 답이 나오는지 화면째로 붙였다.

1. "새 앱 이름 충돌 + 노출 가능성 검증"

새 앱 출시 직전, 이름 정할 때 가장 가벼우면서 자주 던지는 질문이다. "이 이름 써도 되나, 같은 이름 쓰는 앱 있나, 검색했을 때 노출 잘 될까". 실제 출시 후에는 바꾸기 어려운 결정이라 미리 검증해두는 게 안전하다.

호출은 keyword_search 1번. Claude가 응답의 name 필드를 패턴 매칭해서 정확 일치/유사 항목을 추려준다. 정확 일치 0개면 사용 가능, 유사 항목이 있으면 부제 차별화 가이드까지 같이 던진다 — "Foco Pro 가능, 단 기존 Foco 2개와 같이 노출되니 부제는 'Deep Focus Timer' 같은 검색량 있는 키워드 결합".

한 줄 평. 출시 후 바꾸기 어려운 결정에서 채팅 한 줄로 검증이 끝난다. 가벼운 질문이지만 영향이 큰 케이스.

2. "budget tracker 3개국 비교 → 진입 시장 1개 골라줘"

같은 키워드라도 시장마다 다르다. 미국·일본·한국 셋을 비교하는 데서 끝나면 정보일 뿐이다. "1인 인디 입장에서 어디 진입할지"까지 가야 결정에 쓰인다. 그래서 비교만 시키지 않고 추천 + 이유까지 한 번에 요청한다.

호출은 keyword_search 3번 (us, jp, kr). 응답을 받은 Claude가 Top 5 평균 리뷰, 주력 모델, 인디 진입 가능성을 매트릭스로 만들고 — JP는 은행 API 비용, KR은 토스·뱅크샐러드 흡수 — US를 1순위로 추천하면서 "envelope + AI 자동 분류" 같은 구체 컨셉까지 같이 던진다.

한 줄 평. 의사결정에 쓰는 분석은 비교 + 추천이 같이 와야 한다. MCP가 데이터를 뽑고 LLM이 판단을 더하는 분업이 가장 자연스럽다.

3. "경쟁앱 description 비교 → 내 앱 누락 키워드"

운영 중인 앱 ASO 작업의 핵심 질문. Top 3 경쟁앱 description에서 공통으로 등장하는 키워드 중 내 앱이 못 쓰고 있는 게 뭔지 — 이게 검색 노출 차이를 만든다. 손으로 하면 한 시간 걸리는 작업이다.

도구 두 개 연쇄. keyword_search로 Top 3 추출 후 app_lookup × 3으로 description을 다 받는다. Claude가 명사·동사 키워드 빈도를 카운트하고 3/3 공통, 2/3 공통을 분리. 그 위에서 내 앱 description과 매칭해서 누락된 키워드만 추려낸다 — streak, daily, motivation.

한 줄 평. ASO에서 가장 자주 묻는 질문 중 하나가 채팅 한 줄로 끝난다. 누락 키워드가 나오면 description 1단락만 다시 쓰면 된다.

4. "focus 추적 경쟁사 5개 → 위협도 평가 + 다음 액션"

Apsity 추적 기능의 핵심이 isTracked 플래그다. 그 플래그로 5개 경쟁사를 추리는 데서 끝나면 단순 모니터링이다. 한 단계 더 가서 위협도 평가 + 인디 입장에서 다음 액션까지 응답에 넣어달라고 던진다.

호출은 keyword_search 한 번. Claude가 isTracked 항목을 추려서 별점·리뷰·가격을 종합 평가하고, 위협도 등급을 색상 뱃지로 매긴다. 그 위에서 "Forest는 정면 충돌 X(312K 리뷰)", "Focus Keeper와는 무료+Pomodoro 모델 같음 → 차별점 한 축에 집중" 같은 액션이 나온다.

한 줄 평. 경쟁사 분석은 "지금 어디 있나"보다 "그래서 뭐 할까"가 중요하다. 두 단계가 한 응답에 같이 오는 게 채팅 채널의 진짜 강점이다.

5. "신규 출시 1주차 베이스라인 만들어줘"

새 앱 출시 후 가장 불안한 게 1주차 지표다. "이 정도면 정상인가, 망한 건가?" 판단하려면 같은 카테고리에서 최근 출시한 앱들이 어땠는지 비교 데이터가 있어야 한다. 그게 베이스라인이고, MCP가 가장 잘 만드는 결과물이다.

도구 두 개 연쇄. keyword_search + app_lookup으로 30일 내 출시 신규 5개를 추리고, 1주차 시점의 리뷰/순위/별점을 평균화. "1주차 평균 124 리뷰, Top 50 진입율 60%, 별점 평균 4.4" 같은 베이스라인이 나온다. 거기서 운영 가이드까지 — "100 리뷰 미만이면 부제 즉시 수정, 별점 4.3 이하 떨어지면 진입 후 이탈".

한 줄 평. 출시 직후엔 비교 대상이 절실하다. 베이스라인이 있어야 "지금 잘 가고 있는지" 알 수 있고, MCP가 그 베이스라인을 한 응답으로 만들어준다.

6. "productivity Top 10 → 내 앱 메타 설계 가이드"

Top 10의 부제·언어·보조 카테고리 패턴을 추출하는 건 시장 표준을 보는 작업이다. 거기서 멈추지 않고 "내 다음 앱의 메타 설계 가이드"로 변환하면 발견에서 끝나지 않고 그날 바로 쓸 수 있는 산출물이 된다.

keyword_search 1회 + app_lookup 10회. Claude가 description 첫 문장, genres, languages, 가격 모델을 일괄 수집하고 — "동사+명사 부제, 22개 언어 평균, Lifestyle 보조, Free+IAP 70%" — 그 패턴을 그대로 내 앱 설계 체크리스트로 변환한다.

한 줄 평. 사람이 손으로 하면 한 시간이고, 메타에 빠진 항목이 생길 수 있다. 챗에서는 분석과 설계 가이드가 한 응답에 같이 와서 그날 바로 마켓플레이스 연결 화면 채울 수 있다.

7. "검색 히스토리 → 다음 주 리서치 플랜"

keyword_search_history는 지나온 발자국을 보여준다. 발자국만 보여주면 회고일 뿐이다. 거기서 "안 본 영역 + 다음 주 우선순위 키워드 5개"까지 응답에 묶어달라고 던지면, 회고가 다음 주 작업 큐로 바뀐다.

호출은 keyword_search_history limit 30. Claude가 클러스터별로 묶고, 미국 편중·인접 키워드 미검색 같은 갭을 찾아 P1·P2·P3 우선순위로 5개 키워드를 던져준다 — screen time, journal, deep work, 영국 시장 habit tracker, 동아시아 pomodoro.

한 줄 평. 사람은 자기가 안 본 영역을 알기 어렵다. 히스토리 데이터에서 사각지대가 보이면 다음 주 작업 큐가 자동으로 채워진다. 매주 월요일 1번 던지는 질문으로 자리잡았다.

8. "habit tracker 20개국 → 1순위 진입 시장 + 현지화 전략"

마지막 사례. list_supported_countries로 지원국 20개를 받아서 한 키워드로 일괄 스캔하는 게 시작점이다. 그 매트릭스에서 한 발 더 — "1순위 진입 시장 1개 + 현지화 전략 3가지"까지 같이 받으면 글로벌 진입 결정이 한 응답에서 끝난다.

도구 두 개. list_supported_countries 1회 + keyword_search 20회. 시장별 Top 5 평균 리뷰·가격·로컬 언어 비율로 4개 밴드를 만들고, EMPTY 밴드에서 모바일 인구·진입 장벽이 가장 좋은 베트남을 1순위로 추천. 거기서 끝나지 않고 음력 캘린더 통합, MoMo·ZaloPay 결제, Zalo 우선 공유 같은 구체 현지화 항목까지 정리된다.

한 줄 평. 글로벌 진입 의사결정은 보통 며칠 걸리는 작업이다. STARTER 일일 한도(100회) 중 21회 소진하지만, 한 달에 한두 번 던지면 그 대답이 다음 한 달 로드맵을 정한다.

4개 도구로 충분한 이유

일주일 써보고 정리해보면, 4개 도구가 적다고 느껴지지 않았다. 이유는 단순하다. 시장 리서치는 두 질문의 반복이다. "어떤 앱이 떠 있는가"(keyword_search)와 "이 앱이 정확히 뭘 하는가"(app_lookup). 이 두 개가 핵심이고 나머지는 보조다.

오히려 도구가 적은 게 LLM과 잘 맞는다. 도구가 많으면 Claude가 어떤 도구를 호출할지 결정하는 비용이 커진다. 4개는 외워서 쓸 수 있는 수다. 사용자도 한 번 익히면 도구 이름을 정확히 부르며 쓰게 된다. "keyword_search로 미국·일본 비교 후 Top 5에 app_lookup 호출해줘" 같은 식.

그리고 LLM이 도구를 조합하는 능력이 생각보다 좋다. 5번 사례(신규 앱 발굴)와 6번 사례(메타 패턴)는 둘 다 keyword_search + app_lookup 조합인데, 같은 도구로 다른 분석을 끌어낸다. 도구는 입력이고 분석은 LLM이 만든다. 그게 명확히 분리되니 도구는 단순한 게 좋다.

MCP가 유용한 진짜 이유

MCP가 유용한 이유는 데이터 조회 속도가 아니다. iTunes API는 원래도 빠르다. 진짜로 다른 건 결정과 조회가 동시에 일어난다는 것이다.

"지금 뭘 봐야 하지?"라는 결정과, "그 화면 열기"라는 조회. 평소엔 두 단계인데, 채팅창에서는 한 단계다. "meditation 미국 Top 50"이라고 입력하는 순간 결정과 조회가 같이 일어난다. 그래서 평소에 안 보던 데이터를 자주 보게 된다.

그리고 답이 채팅 히스토리에 누적된다. 대시보드는 시각적 탐색에 강하고 — 표·차트·정렬을 한 화면에서 자유롭게 — 채팅은 빠른 질의·답변에 강하다. 두 채널이 같이 있을 때 가장 자연스럽다. 큰 그림을 그릴 때는 대시보드, 핀포인트 질문을 던질 때는 채팅.

마지막으로, 이건 만들어보고 알았다. MCP의 가치는 "Claude한테 데이터를 넘기는 게 아니라, 사람이 데이터에 접근하는 비용을 낮추는 것"이다. AI가 일을 대신해주는 게 아니라, 내가 일을 하기 쉽게 만들어준다.

다음 편에서

이번 편은 "물어볼 수 있는 것" 카탈로그였다. 다음 EP.23에서는 한 단계 더 들어간다. 갭 분석, 아이디어 검증, 신규 앱 진입 가능성 판단 같은 — 4개 도구를 어떻게 조합해서 의사결정 워크플로우로 만드는지 deep dive.

그리고 그 뒤 편들에서는 다른 MCP와 조합하는 시나리오를 다룬다. Notion·Slack·Email MCP와 같이 쓰면 "이번 주 신규 경쟁앱 정리해서 Notion에 페이지 만들고 Slack에 알림 보내줘"가 한 줄이 된다. 그게 이 도구가 진짜로 가는 방향이다.

자주 묻는 질문

관련 글