AI 기능 개요~

AoT는 MCP(Model Context Protocol) 기반 AI 에이전트를 통해 온실·재배 시설의 환경을 관찰·진단·제어합니다. AI는 시스템을 보조하는 역할로, 장비를 움직이는 동작은 사용자 승인 후 실행됩니다(설정만 바꾸는 편집은 예외 — 아래 시퀀스 절 참고).

시작하기: 스위치가 두 개입니다~

AI를 쓰려면 서로 다른 자리의 스위치 두 개를 켜야 합니다. 하나로 합치지 않은 이유가 있습니다.

순서는 설정에서 사용 → AI 페이지에서 모델(에이전트) 등록 → 작동 시작입니다.

• 모델을 하나도 등록하지 않으면 작동을 시작할 수 없습니다. 물어볼 모델이 없는데 백그라운드 작업만 돌면 매 주기 로그에 오류만 쌓입니다. 작동 스위치는 활성 에이전트가 하나 이상일 때만 눌립니다.
• 마지막 모델을 비활성화하거나 삭제하면 작동도 함께 멈춥니다. 나중에 모델을 다시 살려도 자율 작동은 저절로 재개되지 않습니다 — AI 페이지에서 다시 켜 주세요.
• 작동을 꺼도 채팅·조언 요청은 그대로 됩니다. 모델을 막 등록하고 시험해 보는 단계에서 스위치를 켤 필요가 없도록 한 것입니다.

AI 시스템 구조~

AoT의 AI는 두 가지 경로로 도구를 사용합니다.

• 인앱 AI 어시스턴트 — 대시보드의 채팅 어시스턴트. 단일 에이전트 루프가 전체 도구 카탈로그를 보고 스스로 도구를 선택·실행합니다. 상태를 바꾸는 동작(장치 제어, 엔티티 생성·수정·삭제 등)은 채팅의 승인 카드로 사용자 확인을 받은 뒤 실행됩니다.
• 외부 MCP 서버 — aot/aot_mcp_server.py (표준 MCP 프로토콜, stdio/HTTP). Claude Desktop 같은 외부 MCP 클라이언트가 AoT 도구를 직접 호출할 수 있게 노출합니다.

사용자 채팅 ─────────────┐            외부 MCP 클라이언트(Claude Desktop 등)
                         ↓                          ↓
              인앱 에이전트 루프          aot_mcp_server.py (stdio/HTTP)
                         └──────────┬───────────────┘
                                    ↓
                    도구 레지스트리 (tool_registry.py, 단일 소스)
                                    ↓
                        AoT 시스템 (Daemon / InfluxDB / SQLite)

두 경로 모두 같은 도구 레지스트리(aot/ai/services/tool_registry.py)에서 도구를 가져오므로 목록이 서로 어긋나지 않습니다.

MCP 도구 목록~

외부 MCP 서버와 내부 mcp_aot 엔진이 노출하는 도구입니다. 읽기 도구와 설정 편집 도구는 즉시 실행되고, 제어·일정·활성화 도구는 승인 게이트를 거칩니다 — 인앱 어시스턴트에서는 채팅의 승인 카드로, 외부 MCP 서버에서는 대기열(pending_approval + respond_to_confirmation)로 처리됩니다(자세한 내용은 아래 "MCP 서버 실행" 참고).

관찰·조회 (읽기 — 즉시 실행)~

기록·작업~

제어 (사용자 승인 필요)~

인앱 어시스턴트에서는 위 제어·add_schedule 호출이 승인 카드로 확인을 받은 뒤 실행됩니다. 외부 MCP 서버로 직접 호출할 때도 동일하게 승인을 거칩니다 — 최초 호출은 실행되지 않고 pending_approval(대기 중인 confirmation_id)로 응답하며, 사용자가 그 confirmation_id를 채팅에서 명시적으로 승인/거부해야 respond_to_confirmation 호출(또는 웹 승인 페이지 클릭)로 처리되고, 그 뒤 같은 인자에 _confirmation_id를 붙여 재호출해야 실제로 실행됩니다. 자세한 흐름은 아래 "MCP 서버 실행"을 참고하세요.

시퀀스 (설정 편집은 승인 불필요)~

시퀀스는 여러 출력 장치를 정해진 순서로 돌리는 기능으로, 밸브가 차례로 열리고 펌프가 전 구간을 도는 관수가 대표적인 형태입니다. 아래 도구로 시퀀스를 읽고 구성합니다.

시퀀스 설정 편집은 승인 없이 바로 반영됩니다. 위 세 도구와 create_sequence_function·modify_function_options 는 설정만 바꿀 뿐 어떤 장비도 움직이지 않습니다 — 편집한 내용이 실제로 도는 시점은 activate_function 을 지나야 하고, 그 활성화는 계속 승인 대상입니다. 대신 이미 활성 상태인 시퀀스의 시간표를 고치면 승인 없이 다음 실행 시각이 바뀝니다. 알고 받아들인 절충입니다(2026-08-07).

get_function_detail은 시퀀스의 스텝 목록과 함께 weekly_plan을 돌려줍니다 — 요일별로 실제 몇 시부터 몇 시까지 무엇이 도는지를 벽시계 시각으로 해결한 결과입니다. 변경한 뒤에는 요청을 되풀이하지 말고 이걸 읽어서 확인하세요.

쓰기 전에 알아둘 것 두 가지입니다.

• 같은 슬롯에 넣은 장치는 동시에 작동하고, 슬롯 하나는 지속시간을 공유합니다. "이 밸브 두 개를 같이 40분" 이 이렇게 표현됩니다.
• 요일마다 어떤 스텝이 돌지, 그룹과 지속시간을 따로 덮어쓸 수 있습니다. 그래서 시퀀스 하나가 목요일 저녁 관수와 금요일 새벽 관수를 함께 담습니다. 요일이 다르다고 시퀀스를 새로 만들지 마세요.

modify_function_options는 시퀀스(및 모든 트리거)에 통하지 않습니다 — 트리거의 설정은 custom_options가 아니라 DB 컬럼입니다. 호출하면 위 도구를 안내하며 거부합니다.

호출 상태 (call_state)~

tools/call 응답에는 항상 call_state 가 함께 실립니다. 도구마다 다른 status 어휘(modified·created·deleted·configured·success …)를 몰라도 이 호출이 실제로 돌았는지 한 키로 판정할 수 있습니다.

기존 status 값은 그대로 둡니다 — 이미 그 값으로 분기하는 코드와 배포된 설정이 있어서, 통일하는 대신 축을 하나 더 두었습니다.

인앱 어시스턴트 확장 도구~

인앱 AI 어시스턴트는 위 MCP 카탈로그 외에 엔티티 조립·자동화·지식까지 다루는 확장 도구를 추가로 사용합니다. 장비를 움직이거나 함수를 활성화·삭제하는 도구는 승인이 필요합니다.

• 입력/출력 관리: list_device_types, get_device_type_options, create_input·modify_input·delete_input, create_output·modify_output·delete_output, get_device_measurements
• 함수(자동화): get_function_list, get_function_detail, create_function, create_sequence_function, modify_function_options(트리거에는 통하지 않음 — 위 시퀀스 절 참고), activate_function·deactivate_function·delete_function, 그리고 시퀀스 도구 configure_sequence_day·modify_sequence_step·modify_sequence_schedule
• 일정 원장: search_schedule, edit_schedule, delete_schedule
• 지도(GIS): list_geo_maps, get_device_location, set_device_location, delete_geo_shape, list_unbound_slots(장치가 없는 자리), rebind_device(한 장치의 지도 자리 전부를 다른 장치로)
• GIS 입력(지도 레이어): list_gis_inputs, create_gis_input·modify_gis_input·delete_gis_input, activate_gis_input(VWorld/Google/OpenWeather 등 지도 레이어 제공자 관리)
• 설비/시설 조회: get_facility_capacity(시설 냉난방 용량·체적·환기·관수 설계 요약), get_map_equipment(지도에 그린 설비의 구역별 관수 설계 요약, 스프링클러/점적 구분), get_map_equipment_detail(개별 스프링클러 위치·간격·반경, 배관별 상세 — 요약으로 부족할 때만)
• 공지 게시판: create_notice·modify_notice·delete_notice
• AI 에이전트 관리: list_ai_agents, list_ai_entries, create_ai_agent·modify_ai_agent·delete_ai_agent
• 지식 라이브러리: knowledge_search, knowledge_shelve, list_library_source_types, smartfarmkorea_lookup, configure_library_source
• 진단·기타: analyze_system_failure, get_local_time, get_tool_detail, read_manual, get_detailed_manifest, ask_user

도구의 단일 정본은 aot/ai/services/tool_registry.py입니다. 도구가 추가·변경되면 이 문서보다 그 파일이 우선합니다.

장치별 AI 판단 포함 여부~

설정 -> 입력 / 설정 -> 출력의 각 장치 설정 모달에는 AI 판단 포함(Include in AI Judgment) 토글이 있습니다.

• 켜짐(기본값): 해당 입력/출력이 AI 판단·제어 도구(공간 트리, 장치 조회, 센서·제어 도구 등)에 노출됩니다.
• 꺼짐: 해당 장치는 위 도구들의 조회·제어 대상에서 제외됩니다. 민감한 장치나 AI가 다루면 안 되는 장치를 개별적으로 숨길 때 사용하세요.

신규 입력/출력은 기본적으로 켜진 상태(is_ai_enabled=True)로 생성됩니다.

안전·승인 모델~

상태를 바꾸지 않는 읽기 도구는 즉시 실행됩니다. 상태를 바꾸는 도구는 어느 경로로 호출되든 승인 게이트를 거칩니다.

• 승인 필요(변이·물리 제어): 장치 제어(operate_device, set_output_state, schedule_device_control), 입력/출력/함수/공지/AI 에이전트/GIS 입력의 생성·수정·삭제, 지도 배치 변경(set_device_location, delete_geo_shape), 장치 교체(rebind_device), add_schedule·add_schedule_batch, configure_library_source 등.
• 승인 불필요(저위험 기록): create_note, knowledge_shelve — 되돌릴 수 있는 개인 메모/미확인 지식으로 즉시 저장되며, 확정 전까지 권위 없는 정보로 취급됩니다.

승인이 필요한 동작은 즉시 적용되지 않습니다. 인앱 어시스턴트에서는 채팅에 승인 카드로 제시되어 사용자가 승인해야 실제로 실행됩니다. 외부 MCP 서버에서는 pending_approval 응답(대기열)으로 나가고, 사용자가 그 confirmation_id를 명시적으로 승인/거부해야 처리됩니다 — 어느 경로든 거부하면 아무 변경도 일어나지 않습니다.

웹 승인 페이지(AI → MCP 서버 목록 → AI 요청 및 조언)에서 승인하면 서버가 그 자리에서 실행합니다. 사람이 승인한 뒤 다시 AI 에게 알려줘야 실행되던 왕복을 없앤 것으로, 실행은 승인 화면에 표시된 인자 그대로만 이루어집니다. 이후 AI 가 같은 confirmation_id 로 재호출하면 재실행 없이 그때의 결과가 돌아옵니다. 밸브·펌프처럼 되돌릴 수 없는 물리 제어만 승인 화면에서 한 번 더 확인을 받습니다.

지식 라이브러리 (Knowledge Library)~

AI -> 라이브러리(/ai/library) 페이지에서 AI 답변의 근거가 되는 컨텍스트 소스를 등록합니다. 문서(PDF·텍스트), 웹 URL, REST API, 내부 쿼리를 소스로 추가할 수 있습니다.

지식은 어디서 오는가~

라이브러리에는 네 부류가 들어 있고, AI 는 각각을 다르게 인용합니다.

AI 는 라이브러리에 직접 쓸 수 있습니다. 무언가를 조사하면 요약을 저장해 두어 다음 질문이 처음부터 다시 조사하지 않게 합니다. 그렇게 들어온 항목은 항상 미확인으로 시작하고, 인용될 때 그 사실이 함께 밝혀집니다 — 모델이 잊더라도 서버가 고지 문구를 붙입니다.

AI 가 쓴 것을 검토하기~

AI-Curated Knowledge Review 섹션에 AI 자신의 메모가 모입니다. 원문 링크를 열어 확인한 뒤 확인·수정·폐기하세요. '확인'이 곧 미확인 상태에서 벗어나는 승격입니다. 원문 주소가 없는 항목은 확인할 방법이 없으므로 링크도 뜨지 않고 미확인으로 남습니다.

검토된 지식만(기본 꺼짐)을 켜면 AI 가 자기가 쓴 미검토 메모를 인용하지 못합니다. 권위·사용자 지식은 영향을 받지 않습니다.

열람하고 직접 넣기~

지식 항목 섹션은 AI 가 인용할 수 있는 전부를 보여줍니다. 검색하고, 태그나 출처로 거르고, 낡은 것은 치우세요(치우기는 행을 남깁니다 — AI 손이 닿지 않게 할 뿐입니다).

지식 추가는 이미 알고 있는 것을 AI 턴이나 소스 등록 없이 바로 적는 자리입니다. 여기 적은 것은 확인된 것으로 취급합니다. 사용자가 출처이기 때문입니다.

지식 다이제스트 파이프라인~

문서·웹 URL처럼 긴 산문형 소스는 등록 시 한 번만 전처리됩니다.

1. 소스를 여러 청크(chunk)로 분할합니다.
2. 각 청크를 LLM으로 요약(digest) + 키워드 추출하여 ai_knowledge_chunk 테이블에 캐시합니다.
3. 질의 시점에는 LLM 호출 없이 DB 조회 + 결정론적 검색만 수행합니다 → 답변이 빠르고 비용이 낮습니다.

스코프는 시설이 아니라 태그입니다~

대신 태그가 스코프 역할을 합니다 — 무, 북쪽구획, 교량-a 처럼 실제로 관리하는 대상을 자유롭게 적습니다. AoT 는 농업 전용이 아니므로 정해진 어휘가 없습니다. 질의를 알맞은 주제로 좁히는 것이 태그입니다.

지역을 가리지 않는 내장 소스~

내장 소스 대부분은 한국 공공데이터(RDA·농사로·NCPMS·스마트팜코리아)이고 각각 해당 기관의 API 키가 필요합니다. 그 밖의 지역에서는 다음 둘로 시작할 수 있습니다 — 키가 필요 없고 어디서나 됩니다.

Open-Meteo 는 특히 AoT 의 날씨 도구가 닿지 않는 자리를 메웁니다. get_weather 는 이 설치에 꽂힌 기상 센서만 읽고, get_weather_forecast 는 한국 기상청 전용 입니다 — 센서가 없거나 한국 밖이면 이것이 유일한 기상 근거이고, 토양값과 ET₀ 는 센서 유무와 무관하게 여기서만 나옵니다.

나머지는 반대 방향으로 채웁니다 — 자기 문서·웹 페이지·REST API, 그리고 AI 가 일하면서 조사해 비치하는 것들입니다.

자료 출처 표시~

내장 전역 소스 둘은 CC BY 4.0 자료입니다. 이 라이선스는 자료를 보여 주는 자리에 출처를 밝히도록 요구하므로, AoT 는 두 곳에서 밝힙니다.

• AI 라이브러리 화면 — 소스 목록 아래 "자료 출처" 줄. 켜 둔 소스만 실립니다.
• AI 답변 — 조회 응답이 출처 문구를 함께 실어 보내므로, AI 가 그 값을 인용할 때 출처도 함께 적습니다.

표기 문구는 소스 설정(톱니)의 출처 칸에서 고칠 수 있습니다. 비워 두면 내장 기본값이 쓰입니다.

MCP 서버 실행~

외부 MCP 클라이언트용 표준 MCP 서버입니다. 앱 시작 시 자동으로 warm-start되며, 수동 실행도 가능합니다.

# stdio 모드 (기본) — 같은 machine 의 로컬 클라이언트
python3 /opt/AoT/aot/aot_mcp_server.py

# HTTP 모드 — 원격 클라이언트 (기본 포트 5700)
python3 /opt/AoT/aot/aot_mcp_server.py --http --port 5700

HTTP 모드는 두 가지를 함께 제공합니다.

표준 클라이언트는 URL 과 API 키만 있으면 됩니다 — 중계 스크립트가 필요 없습니다.

claude mcp add --transport http aot https://<호스트>/aotmcp/mcp \
  --header "X-API-KEY: <base64 API 키>"

GET /mcp 는 405 를 돌려줍니다. 서버→클라이언트 SSE 스트림은 제공하지 않습니다 (waitress 를 4스레드로 돌리는 서버라 접속 하나가 스레드를 붙잡으면 도구 호출이 밀립니다). 스펙이 허용하는 동작이며, 서버발 알림이 필요해지면 그때 여는 자리입니다.

REST 를 남겨두는 이유는 일반 요금제의 ChatGPT Custom GPT 가 MCP 서버를 직접 등록할 수 없고 OpenAPI Actions 로만 붙기 때문입니다.

ChatGPT Custom GPT 연결~

위 REST 세 경로(/mcp/info, /mcp/tools/list, /mcp/tools/call)를 OpenAPI Action으로 등록합니다. Custom GPT 생성·Actions 기능은 ChatGPT 유료 요금제(Plus/Team/Enterprise/Pro)에서만 됩니다 — 무료 계정은 이 경로 자체를 쓸 수 없습니다.

1. API 키 발급 — 설정 > 사용자에서 본인 계정의 API 키를 새로 만듭니다 (이름을 "ChatGPT"처럼 구분되게 붙여 두면 나중에 이 연결만 따로 폐기하기 편합니다). 조회만 시킬 계획이면 발급 시 스코프를 readonly로 선택하세요 — 쓰기 도구 호출 자체가 서버에서 거부되어, Custom GPT 설정 실수로 장치를 잘못 건드릴 위험이 원천 차단됩니다. 여러 사람이 쓴다면 각자 이름으로 따로 발급하세요 — 감사 로그에 누가 호출했는지 남고, 유출됐을 때 그 키 하나만 폐기하면 됩니다.
2. HTTP 모드가 켜져 있고 외부에서 닿는지 확인 — 서버가 --http --port 5700으로 떠 있어야 하고, ChatGPT 가 그 포트(또는 리버스 프록시 경로)에 접속할 수 있어야 합니다. 인증 없이 아래를 먼저 열어 확인하세요(버전·도구 수만 나옵니다):

   curl https://<호스트>:5700/mcp/info
   

3. 새 GPT 만들기: ChatGPT에서 탐색(Explore GPTs) → 만들기(Create) → 구성(Configure) 탭으로 들어갑니다. 이름·설명을 원하는 대로 채우고, 지침(Instructions)에는 최소한 아래 내용을 넣으세요 — 그대로 복사해도 되고, 농장·현장에 맞게 다듬어도 됩니다:

당신은 이 AoT 시스템의 상태를 조회하고, 자문하고, 필요하면 장치 제어
요청을 등록하는 도우미입니다.

- listTools 를 습관적으로 호출하지 마세요. 도구 전체 목록은 응답이 커서
  대화 용량을 많이 잡아먹습니다. 처음 한 번만 불러 도구 이름과 인자를
  파악하고, 이후에는 필요한 도구만 바로 호출하세요.
- 좁은 도구를 먼저 쓰세요. 장치 하나·구역 하나를 물으면 전체 요약형
  도구보다 그 대상만 짚는 도구를 먼저 씁니다.
- callTool 을 부를 때 arguments 는 항상 JSON 오브젝트를 **문자열로
  인코딩**해서 넣으세요. 예: {"zone_name": "1포장"} 이 아니라
  "{\"zone_name\": \"1포장\"}". 인자가 없으면 "{}".
- 모든 도구 응답에는 call_state 가 들어 있습니다. 이 값으로만
  성공/실패를 판단하세요(도구별 status 값은 제각각입니다):
    executed / already_executed → 실행됨, 결과를 그대로 전달
    pending_approval            → 아직 미실행, 사람의 승인 대기 안내
    approval_rejected           → 거부됨, 실행하지 말고 자문으로 전환
    approval_expired            → 승인 대기 만료, 다시 요청
    refused / failed            → 거부·오류, 사유를 그대로 전달
- 상태를 바꾸는 요청이 pending_approval 로 돌아오면, 직접 재시도하지
  말고 사용자에게 웹 승인 화면에서 승인하라고 안내하세요.
- 답변은 전문 용어 없이 알기 쉽게 요약해서 답하세요.

1. 액션(Actions) 추가: 같은 화면 아래 액션 → 새 액션 만들기에서 아래 OpenAPI 스키마를 붙여넣습니다(<호스트>를 실제 주소로 바꾸세요):

openapi: 3.1.0
info:
  title: AoT MCP
  version: "1.0.0"
servers:
  - url: https://<호스트>:5700
paths:
  /mcp/tools/list:
    get:
      operationId: listTools
      summary: 사용 가능한 도구 목록과 각 도구의 인자 스키마를 받는다.
      responses:
        "200": { description: OK }
  /mcp/tools/call:
    post:
      operationId: callTool
      summary: 도구 하나를 이름과 인자로 호출한다.
      requestBody:
        required: true
        content:
          application/json:
            schema:
              type: object
              required: [name]
              properties:
                name:
                  type: string
                  description: listTools 가 돌려준 도구 이름
                arguments:
                  type: string
                  description: >-
                    도구 인자를 JSON 오브젝트로 직렬화한 문자열.
                    예 "{\"zone_name\": \"3포장\"}". 인자가 없으면 "{}".
      responses:
        "200": { description: OK }

1. 인증 등록: Authentication → API Key → Auth Type Custom → Header name X-API-KEY → 값에 1번에서 발급한 API 키(base64)를 넣습니다.
2. ⚠️ arguments는 반드시 문자열(string)로 선언할 것 — object 로 두지 마세요. 도구가 100종 넘게 있어 인자 스키마를 OpenAPI 에 전부 선언할 수 없습니다. arguments를 자유형 object 로 두면 ChatGPT Actions 가 값을 채우지 못하고 그 키를 통째로 빠뜨립니다(실사례 2026-08-09: list_devices_in_area 호출이 area_name은 필수인데 요청 바디에 arguments 키 자체가 없어 실패했습니다). 위 스키마처럼 문자열로 선언했다면 이미 안전하고, 3번의 Instructions 예시도 같은 이유로 그 규칙을 반복합니다.
3. 저장하고 확인: 공개 범위는 나만 보기(Only me)로 두는 것을 권장합니다. 대화창에서 "지금 상태 브리핑해줘" 처럼 물어봐서 도구 호출과 응답이 오면 정상입니다.
4. 상태를 바꾸는 도구는 이 경로에서도 즉시 실행되지 않습니다. 최초 호출은 pending_approval + confirmation_id를 반환합니다 — ChatGPT 는 그 값을 사람에게 보여주고, 사람이 웹 승인 화면에서 승인한 뒤 같은 인자에 _confirmation_id를 채워 같은 도구를 다시 호출해야 실제로 실행됩니다. Custom GPT 안에서 자동 재승인은 없습니다. 승인 화면은 두 곳에서 볼 수 있습니다 — 평소에는 스케줄러 페이지(/scheduler)를 그대로 쓰면 됩니다 (맨 위 "승인 대기 중인 제어 요청"). 감사 로그·조언 이력까지 함께 보려면 전용 페이지(/api/v1/mcp/review_page, 메뉴: AI → MCP 서버 목록 → AI 요청 및 조언)로 갑니다 — 승인 목록 자체는 같습니다.

연결이 안 될 때

이 페이지가 다루는 지도 관련 버그 수정(get_weather 이름 조회가 항상 같은 도형으로 떨어지던 것, get_spatial_tree 필터 무동작, 구역이 계층 조회에서 사라지던 것)은 AoT 앱 v26.08.8 이상부터 적용됩니다. 연결 직후 get_system_update_status 도구를 한 번 호출해 설치 버전을 확인하세요 — 그보다 낮은 버전이면 포장·구역 이름으로 묻는 질문에서 예전처럼 엉뚱한 응답이 나올 수 있습니다.

Claude Desktop 연결~

claude_desktop_config.json에 추가합니다:

{
  "mcpServers": {
    "aot": {
      "command": "python3",
      "args": ["/opt/AoT/aot/aot_mcp_server.py"]
    }
  }
}

상태를 바꾸는 도구 호출은 이 서버에서도 곧장 실행되지 않습니다(aot/ai/services/mcp_safety_gate.py). 최초 호출은 pending_approval + confirmation_id로 응답하고, 사용자가 그 대화(또는 스케줄러 페이지 /scheduler, 감사 로그까지 보려면 /api/v1/mcp/review_page)에서 명시적으로 승인/거부해야 respond_to_confirmation 호출로 처리됩니다. 승인 후 같은 인자에 _confirmation_id를 붙여 재호출해야 실제로 실행됩니다 — 호출한 AI가 스스로 승인 여부를 판단하거나 대신 답할 수 없습니다. AOT_MCP_WRITE_ENABLED=0이면 쓰기 도구 자체가 조언 전용으로 거부됩니다. 유효시간은 두 구간으로 나뉩니다 — 사람이 승인할 때까지 기본 15분(AOT_MCP_CONFIRM_TTL_SEC), 승인 이후 실행할 때까지 승인 시점부터 다시 기본 5분(AOT_MCP_APPROVED_TTL_SEC). 그래도 제어 도구가 노출되는 서버이므로 신뢰할 수 있는 클라이언트에만 연결하세요.

관련 페이지~

• 환경 제어 자동화
• 스케줄러
• AI 가이드 (전체)