Dart Search

한국 금융감독원 전자공시시스템(DART) Open API를 MCP 서버와 CLI로 사용할 수 있게 해주는 도구입니다.

공시 검색, 기업 개황, 재무제표, 재무지표, 지분공시, 정기보고서 주요정보, 주요사항보고서, 증권신고서, 원문 ZIP, XBRL ZIP 다운로드를 지원합니다.

구성 (지금까지 개발된 것)

세 가지 기능 축으로 이루어져 있습니다:

1. DART 조회·수집 — 공시 검색, 기업 개황, 재무제표/지표, 지분·정기·주요사항·증권 보고서, 원문/XBRL 다운로드. MCP 도구 18개 + CLI 명령 25개로 제공(아래 "MCP 도구", "CLI 사용법"). 대량 수집·감사서류 추출은 CLI 전용(collect-disclosures, bulk-audit-documents).
2. 감사 구조화 추출 + KAM 태깅 파이프라인 — 수집한 감사보고서 XML을 질의 가능한 데이터로 변환:
   • extract-audit-facts — 감사인·감사의견(적정/한정/부적정/의견거절)·계속기업·KAM 원문을 audit_facts.jsonl로 추출
   • tag-kam — KAM 원문을 고정 태소노미로 LLM 태깅(OpenAI 호환 엔드포인트, 키 불필요) → kam_tags.jsonl
   • merge-kam-tags — 둘을 rcept_no로 join → audit_facts.enriched.jsonl (아래 "감사 구조화 추출 + KAM(핵심감사사항) LLM 태깅")
3. TEMIS 연동 — 감사 사실을 TEMIS DartTopicCase JSON으로 내보내기(temis-topic-cases, extract-audit-facts --emit-topic-cases). 이 저장소는 OpenDART 수집·파싱·변환을 전담하고, TEMIS는 산출 JSON을 소비만 합니다(아래 "TEMIS 연동").

전체 파이프라인: collect-disclosures → bulk-audit-documents → extract-audit-facts → tag-kam → merge-kam-tags → (temis-topic-cases). 모든 기능은 Claude Code 등 특정 하네스에 종속되지 않습니다 — 셸/cron에서 dart CLI로, 또는 dart serve(MCP 서버)로 아무 MCP 클라이언트에서 사용할 수 있습니다.

빠른 시작

1. DART Open API 키를 발급합니다.

   • https://opendart.fss.or.kr/intro/main.do

2. 환경 변수를 설정합니다.

export DART_API_KEY="your_api_key_here"

.env 파일에 넣어서 관리해도 됩니다(dotenv를 자동으로 읽습니다). 다만 .env는 절대 커밋하지 마세요 — 이 저장소의 .gitignore는 이미 .env, .env.*를 제외하고 있습니다. API 키는 로그·에러 메시지·요청 URL에서 리댁션(<redacted>) 처리되며(dart_search_mcp/redact.py), 커밋에는 .env를 포함하지 않습니다.

3. 의존성을 설치합니다.

uv sync

4. 로컬 상태를 점검합니다.

uv run dart diagnostics

정상적으로 로드되면 Python 버전, 패키지 상태, API 키 설정 여부, MCP 도구 수, CLI 명령 수가 출력됩니다. API 키 값은 출력하지 않습니다.

MCP 서버 실행

uv run dart serve

또는 호환 엔트리포인트로 직접 실행할 수 있습니다.

uv run python server.py

MCP 클라이언트 설정 예시

Claude Desktop 등 MCP 클라이언트에는 이 저장소의 절대 경로를 넣어 연결합니다.

{
  "mcpServers": {
    "dart-search": {
      "command": "uv",
      "args": ["run", "python", "/absolute/path/to/dart-search-mcp/server.py"],
      "env": {
        "DART_API_KEY": "your_api_key_here"
      }
    }
  }
}

CLI 사용법

uv run dart search 삼성전자
uv run dart company 00126380
uv run dart disclosures --corp 삼성전자 --from 20240101 --to 20241231 --type A
uv run dart financial 00126380 2024
uv run dart financial-full 00126380 2024 --fs CFS
uv run dart indicators 00126380 2024 --class M210000
uv run dart multi-financial 00126380,00164779 2024
uv run dart shareholders 00126380
uv run dart periodic 00126380 2024 배당
uv run dart event 00126380 유상증자결정
uv run dart securities 00126380 지분증권

전체 CLI 명령 목록은 docs/cli.md에 생성되어 있습니다.

XBRL 사용법

XBRL 재무제표 원본 ZIP은 download-xbrl 명령 또는 MCP 도구 download_xbrl로 내려받습니다.

uv run dart download-xbrl 00126380 2024 --report 11011 -o ./downloads

보고서 코드는 다음 값을 사용합니다.

• 11011: 사업보고서
• 11012: 반기보고서
• 11013: 1분기보고서
• 11014: 3분기보고서

접수번호를 알고 있으면 MCP 도구에서는 rcept_no를 직접 지정할 수 있습니다. 접수번호를 모르면 corp_code, bsns_year, reprt_code로 정기공시 목록에서 자동 조회합니다.

XBRL 표준계정과목체계는 다음처럼 조회합니다.

uv run dart taxonomy BS1

지원 양식은 BS1, BS2, BS3, IS1, IS2, IS3, IS4, CIS1, CIS2, CIS3, CIS4, DC1, DC2입니다.

MCP 도구

현재 MCP 서버는 18개 도구를 제공합니다.

• 공시/기업: search_disclosures, search_corp_code, get_company_info
• 재무: get_financial_statements, get_financial_statements_full, get_multi_company_financials
• 지표: get_financial_indicators, get_multi_company_indicators
• 지분공시: get_major_shareholders_report, get_executive_stock_report
• 보고서 주요정보: get_periodic_report, get_major_event_report, get_securities_report
• 다운로드/XBRL: download_document, download_xbrl, get_xbrl_taxonomy
• 감사서류 추출: extract_audit_documents (아래 "대량 공시 수집과 감사서류 추출" 참고)
• TEMIS 내보내기: export_temis_topic_cases (opt-in, 아래 "TEMIS 연동" 참고)

전체 MCP 도구 목록은 docs/tools.md에 생성되어 있습니다.

대량 공시 수집과 감사서류 추출

전자공시 원문(ZIP)에서 감사보고서/연결감사보고서 XML을 대량으로 뽑아내는 3단계 CLI 흐름입니다. 전체 흐름은 OpenDART list.json(공시목록)과 document.xml(원문 ZIP) API만 사용합니다 — DART 뷰어 HTML을 스크래핑하지 않습니다.

Step A: 공시 목록 수집 (dart collect-disclosures)

uv run dart collect-disclosures --from 20240101 --to 20241231 -o manifest.json

• 기본 대상(--targets 생략 시)은 공시유형 F(외부감사) 중 report_name에 "감사보고서"가 포함된 건(부분일치이므로 "연결감사보고서"도 함께 포함) + 공시유형 A(정기공시) 중 report_name에 "사업보고서"가 포함된 건입니다. 다른 조합은 --targets "F:감사보고서,A:사업보고서" 형식(PBLNTF_TY:키워드를 쉼표로 구분)으로 지정합니다.
• OpenDART는 corp_code 없는 list.json 조회에 검색기간 3개월 제한(status 100)을 강제합니다. --from/--to 구간은 자동으로 3 달력월(calendar month) 이하의 연속된 창으로 나눠 순회하므로(고정 일수가 아니라 달력월 단위라, 11~2월에 시작하는 창에서도 실제 3개월을 넘지 않습니다), 몇 년치 구간을 한 번에 넘겨도 안전합니다.
• 각 (대상, 창) 조합마다 전체 페이지를 순회합니다. 페이지 조회가 예외로 실패하거나 예외 없이 오류가 "반환"되는 경우 모두 --max-retries(기본 4)까지 재시도하며, 그래도 실패한 페이지는 매니페스트의 failed_pages에 남고 전체 실행은 중단되지 않습니다.
• rcept_no 기준으로 전체 창/대상에 걸쳐 중복을 제거하고, report_name으로 연결감사보고서/감사보고서/사업보고서/기타로 분류합니다(counts_by_category).
• --exclude-corrections를 주면 [기재정정]/[첨부추가] 정정 공시를 제외합니다.
• --resume을 주면 체크포인트(<output>.checkpoint.json, output 파일과 같은 디렉터리)를 이어서 사용해 이미 완료된 (대상, 창, 페이지)는 다시 조회하지 않습니다. --resume 없이 실행하면 기존 체크포인트를 버리고 새로 시작합니다. 체크포인트에 기록된 이전 실행의 bgn_de/end_de/targets가 이번 호출과 다르면 오류로 중단합니다(다른 기간의 진행 상황이 섞이는 것을 방지).

출력 매니페스트(manifest.json)에는 records[](레코드별 category/report_name/rcept_no/rcept_dt/corp_code/corp_name 등), counts_by_category, total_records, windows, targets, failed_pages, generated_at이 담깁니다. 이 매니페스트가 Step C의 입력입니다.

Step B: 단일 필링 감사서류 추출 (dart audit-documents)

uv run dart audit-documents --rcept-no <14자리 접수번호> -o outdir --include both

• 지정한 필링의 원문 ZIP(document.xml)을 내려받아 감사보고서(ACODE 00760)/연결감사보고서(ACODE 00761) XML 엔트리를 분류한 뒤 (dart_search_mcp/document_zip.py) outdir/<rcept_no>/에 추출하고, 같은 디렉터리에 manifest.json을 씁니다.
• --rcept-no 대신 --code <corp_code> --year <bsns_year> 또는 --corp <회사명> --year <bsns_year>로 접수번호를 자동 조회할 수도 있습니다(--corp는 정확히 하나의 회사로 해석되어야 하며, 모호하거나 매치가 없으면 OpenDART를 호출하지 않고 오류를 반환합니다).
• --include는 audit(감사보고서만), consolidated(연결감사보고서만), both(기본값) 중 하나입니다.
• --require-consolidated를 주면 연결감사보고서가 없을 때 오류로 처리하고 아무 파일도 쓰지 않습니다. 옵션이 없는 기본값에서는 없음을 매니페스트에만 기록하는 정상 결과입니다.
• 실패 시(입력 검증, 회사명 해석 실패, 접수번호 미해결, 다운로드 오류, 손상된 ZIP, --require-consolidated인데 연결감사보고서가 없음) 0이 아닌 종료 코드를 반환하며 출력 디렉터리는 전혀 만들지 않습니다(부분 파일 없음).
• 동일한 기능이 MCP 도구 extract_audit_documents로도 제공됩니다.

Step C: 매니페스트 전체 일괄 추출 (dart bulk-audit-documents)

uv run dart bulk-audit-documents --manifest manifest.json -o outdir

• Step A의 매니페스트(records[].rcept_no 사용) 또는 접수번호 문자열 배열 JSON(--rcept-json) 중 정확히 하나를 입력으로 받아, 필링마다 Step B와 동일한 추출을 반복합니다. 대량(bulk) 처리는 이 CLI 명령을 통해서만 제공합니다 — 필링 한 건만 추출할 때는 계속 audit-documents를 사용하세요.
• 필링 한 건에서 발생하는 어떤 오류/예외든(손상·암호화된 ZIP 포함) 그 필링만 실패로 기록하고 전체 실행을 중단시키지 않습니다.
• 필링별 결과는 다음 4가지 상태 중 하나로 기록됩니다.
  • succeeded: 요청한 문서(--include)를 모두 찾아 추출함
  • skipped_no_audit: 감사보고서를 요청했지만 이 필링의 ZIP에 별도 감사 보고서 엔트리가 없음 (오류 아님 — 아래 "ZIP 구조 현실" 참고)
  • skipped_no_consolidated: 연결감사보고서를 요청(--include consolidated/both 또는 --require-consolidated)했지만 없음
  • failed: 그 밖의 모든 오류(다운로드 실패, 손상된 ZIP 등)
• --limit N으로 처리 대상을 앞에서부터 N건으로 제한합니다. --resume을 주면 체크포인트(<output>/bulk-manifest.json.checkpoint.json)를 이어서 사용해 이미 succeeded인 필링은 재처리하지 않습니다(failed/skipped_*/ 미처리 필링은 재시도). --manifest 입력에는 --exclude-corrections도 적용됩니다(--rcept-json 입력에는 적용되지 않습니다).
• 결과는 <output>/bulk-manifest.json에 results[](필링별 rcept_no/status/output_path/message)와 counts_by_status로 남습니다.

ZIP 구조 현실

• 감사보고서/연결감사보고서 단독(공시유형 F) 필링의 ZIP은 엔트리 하나 (<rcept_no>_00760.xml 또는 _00761.xml)만 있습니다.
• 사업보고서(공시유형 A) 필링의 ZIP은 본문 엔트리(<rcept_no>.xml)만 있을 수도 있고, 별도의 _00760.xml/_00761.xml 감사보고서 엔트리가 함께 포함될 수도 있습니다. 별도 엔트리가 없으면 감사보고서 내용은 본문 XML에 인라인으로 포함되어 있으며, 이 저장소는 그 인라인 내용을 추출하지 않습니다 — 이 경우는 오류가 아니라 skipped_no_audit(Step C) 또는 "없음"(Step B 매니페스트)으로 정상 기록됩니다.

정직성 노트 (이 저장소가 하지 않는 것)

• DART 뷰어 HTML을 스크래핑하지 않습니다 — OpenDART list.json/ document.xml API만 사용합니다.
• 대량(bulk) 수집/추출(collect-disclosures, bulk-audit-documents)은 CLI 전용입니다 — 장시간 실행되는 블로킹 MCP 도구는 두지 않습니다. 단일 항목 조회/추출은 계속 search_disclosures/extract_audit_documents MCP 도구를 사용합니다.
• 이 저장소는 temis DB에 아무것도 쓰지 않습니다. manifest.json/ bulk-manifest.json은 로컬 파일일 뿐이며, temis로의 import는(있다면) temis 쪽에서 별도로 진행하는 작업입니다(이 저장소는 구현하지 않으며 완료를 주장하지 않습니다).

감사 구조화 추출 + KAM(핵심감사사항) LLM 태깅

로컬 감사보고서 XML에서 감사의견/계속기업 불확실성/핵심감사사항(KAM) 원문 등 구조화 사실을 대량으로 뽑아내고(①), 그 KAM 원문을 LLM으로 고정 태소노미에 따라 배치 태깅한 뒤(②), 두 산출물을 join하는 3단계 CLI 흐름입니다. 입력은 위 "대량 공시 수집과 감사서류 추출"의 Step C(dart bulk-audit-documents) 산출물(docs-dir)입니다.

① dart extract-audit-facts: 구조화 감사 사실 추출

uv run dart extract-audit-facts --manifest manifest.json --docs-dir outdir \
  -o audit_facts.jsonl

• Step 1(dart collect-disclosures) 매니페스트의 각 필링에 대해 docs-dir/<rcept_no>/의 로컬 감사 XML(연결감사 _00761 > 감사 _00760 > 사업보고서 임베드 순으로 하나 선택)을 순수 파서로 파싱해, 1행/1공시 JSONL(audit_facts.jsonl)과 요약 JSON을 만듭니다. 각 행에는 corp_code, audit_opinion, going_concern, kam_present, kam_raw(핵심감사사항 원문), kam_tags(이 단계에서는 항상 []) 등이 담깁니다.
• rcept 한 건에서 발생하는 어떤 오류(XML 없음 포함)도 그 rcept만 실패로 기록하고 전체 실행을 중단시키지 않습니다. --resume으로 이어서 처리할 수 있고, 크래시 후 resume해도 JSONL 자가복구로 중복행이 생기지 않습니다.
• --corp-cls, --limit으로 대상 범위를 좁힐 수 있고, --emit-topic-cases PATH를 주면 같은 실행 안에서 temis DartTopicCase JSON도 함께 생성합니다(아래 "temis 연계 주의" 참고).

② dart tag-kam: KAM 원문 LLM 배치 태깅

uv run dart tag-kam --facts audit_facts.jsonl -o kam_tags.jsonl

audit_facts.jsonl에서 kam_present=true이고 kam_raw가 있는 행만 골라, OpenAI 호환 엔드포인트로 핵심감사사항 원문을 고정 태소노미(통제 어휘)에 따라 배치 태깅하고, 사이드카 kam_tags.jsonl({rcept_no, tags, dropped, kam_hash, model, base_url, tagged_at})을 만듭니다. audit_facts.jsonl 자체는 이 단계에서 전혀 수정하지 않습니다.

OpenAI 호환 엔드포인트 설정 — 기본값은 API 키가 필요 없는 사내 엔드포인트입니다.

설정	플래그	환경 변수	기본값
base URL	--base-url	KAM_LLM_BASE_URL	http://192.168.0.4:10532/v1
모델	--model	KAM_LLM_MODEL	gpt-5.4-mini

우선순위는 명시 플래그 > 환경 변수 > 위 기본값 순이며, API 키를 요구하지 않습니다(요청 헤더에 인증 토큰을 싣지 않습니다). 엔드포인트가 떠 있지 않으면(연결 거부/타임아웃) rcept 한 건만 실패로 기록하고 전체 실행은 계속되며, 응답 본문 전체나 실제 엔드포인트 URL을 로그/에러 메시지에 그대로 덤프하지 않습니다.

고정 태소노미 — LLM은 dart_search_mcp/kam_taxonomy.py의 통제 어휘 목록에서만 태깅할 수 있습니다. 목록 밖 태그나 오탈자는 코드가 폐기하고 dropped로 따로 집계합니다(성공을 과장하지 않습니다). 해당하는 태그가 없으면 tags: []입니다.

캐시·resume·dry-run:

• content-hash 캐시(model+base_url+kam_raw 기준)로 같은 입력을 다시 호출하지 않습니다. --cache PATH로 경로를 지정할 수 있습니다.
• --resume을 주면 체크포인트를 이어서 사용해 이미 태깅된 rcept를 건너뜁니다(크래시 후 resume에도 중복행 0). --resume 없이 실행하면 항상 새로 시작합니다.
• --dry-run은 엔드포인트를 전혀 호출하지 않고 대상 건수와 태소노미 목록만 출력합니다(요금이 발생하지 않습니다).
• --concurrency N으로 동시 태깅 워커 수(캐시 미스만 해당)를 제한합니다.

③ dart merge-kam-tags: kam_tags를 audit_facts에 join

uv run dart merge-kam-tags --facts audit_facts.jsonl --tags kam_tags.jsonl \
  -o audit_facts.enriched.jsonl

②의 사이드카 kam_tags.jsonl(rcept_no -> tags)을 ①의 audit_facts.jsonl에 rcept_no 기준으로 join해, kam_tags 컬럼이 채워진 새 파일 (audit_facts.enriched.jsonl)을 만듭니다.

• 입력 audit_facts.jsonl은 수정하지 않습니다(읽기 전용으로만 열립니다 — 원본은 항상 그대로 남습니다). kam_tags.jsonl에 매칭되는 rcept_no가 없는 행은 ①의 kam_tags: []를 그대로 유지합니다. kam_tags 외 나머지 필드는 전혀 바뀌지 않습니다.
• 시계/네트워크를 전혀 쓰지 않는 순수 함수라 결정론적입니다 — 같은 두 입력 파일이면 항상 같은 출력 바이트를 만듭니다. 출력은 tmp+Path.replace로 원자적으로 씁니다(부분 파일이 남지 않습니다).
• kam_tags.jsonl에 같은 rcept_no가 여러 줄 있으면(예: 여러 번의 tag-kam 실행을 합친 파일) 가장 나중 줄의 값이 우선합니다. 손상된(파싱 불가) 줄은 그 줄만 방어적으로 건너뛰고 전체 실행을 중단하지 않습니다.
• 실행 후 stdout에 facts 행수, 매칭(매칭)/미매칭(미매칭) 건수를 요약으로 출력합니다.

temis 연계 주의

DartTopicCase(위 "TEMIS 연동" 섹션의 5단계 산출물)는 이 3단계 흐름과는 별도의, 손실이 있는(lossy) 투영입니다 — going_concern, kam_tags 등 이 흐름이 만드는 풍부한 필드 다수를 DartTopicCase가 그대로 전파하지 않습니다. kam_tags의 원천 데이터는 어디까지나 audit_facts.jsonl/kam_tags.jsonl(그리고 이 둘을 합친 audit_facts.enriched.jsonl)이며, dart temis-topic-cases/ export_temis_topic_cases가 만드는 DartTopicCase JSON이 아닙니다. kam_tags를 DartTopicCase에 반영하는 작업은 후속 작업입니다 — 이 저장소는 아직 구현하지 않으며 완료를 주장하지 않습니다.

TEMIS 연동: 안전한 내보내기 흐름

이 저장소는 OpenDART 호출·파싱·변환을 전담하는 adapter/exporter입니다. temis는 OpenDART를 직접 호출하지 않고, 이 저장소가 만든 JSON 파일을 소비합니다. export는 항상 회사 1건 단위 산출물이며(5단계), temis가 이를 소비하는 방식은 현재의 파일 직접 읽기 모드와 향후의 DB import 모드 두 단계로 나뉩니다(6단계). 전체 흐름은 다음과 같습니다.

1. API 키 설정 — 위 "빠른 시작"의 DART_API_KEY를 설정합니다. .env를 사용하더라도 커밋하지 않습니다.

2. 회사명 → corp_code 조회

   uv run dart search 삼성전자
   

   MCP 도구로는 search_corp_code를 사용합니다. 검색 결과가 여러 건이면(모호) corp_code를 직접 지정해야 합니다.

3. corp_code로 공시 검색

   uv run dart disclosures --corp 삼성전자 --from 20240101 --to 20241231 --type A
   

   corp_code가 검색의 canonical key입니다. 회사명은 항상 2단계의 resolver를 거쳐 corp_code로 해석된 뒤에만 OpenDART list.json 조회에 쓰이며, 회사명 자체를 OpenDART 파라미터로 직접 보내지 않습니다.

4. 감사보고서 사실(회계감사인) 확인

   uv run dart periodic 00126380 2024 회계감사인
   

   이 항목은 아래 5단계에서 get_audit_report_structured가 구조화된 필드(감사인, 감사의견, 핵심감사사항 등)로 추출하는 것과 동일한 데이터입니다.

5. TEMIS 토픽 케이스 내보내기

   uv run dart temis-topic-cases 2024 --corp 삼성전자 --report 11011 \
     -o /absolute/path/to/dart_topic_cases.json
   

   또는 MCP 도구 export_temis_topic_cases(bsns_year, output_path, corp_code/corp_name, reprt_code, extra_keywords)를 사용합니다.

   ⚠️ output_path는 실행할 때마다 항상 덮어씁니다(overwrite) — 기존 파일에 append하지 않습니다. corp_code/corp_name이 둘 다 없거나, 회사명이 여러 회사와 매치되거나(모호), 해석되지 않거나(미해결), DART API 오류가 발생하면 출력 파일은 전혀 건드리지 않습니다(기존 파일이 있어도 그대로 남습니다). 출력은 temis DartTopicCase 스키마와 호환되는 JSON 배열입니다.

6. temis에 연결 — 5단계의 산출물은 항상 회사 1건 단위입니다(실행할 때마다 output_path를 통째로 덮어씀). temis가 이 파일을 소비하는 방식은 다음 두 단계로 나뉩니다.

   현재(파일 기반, 지금 바로 동작): temis 쪽 환경 변수를 설정하면 temis가 DART_TOPIC_CASES_PATH가 가리키는 파일을 직접 읽습니다.

   DART_TOPIC_CASES_PATH=/absolute/path/to/dart_topic_cases.json
   DART_TOPIC_SEARCH_ENABLED=true
   

   ⚠️ 이 모드에서는 파일 하나에 회사 1건만 담깁니다 — temis가 파일을 그대로 읽기 때문에, 다른 회사의 export로 같은 경로를 재실행하면 이전 회사 데이터는 사라집니다. 여러 회사를 동시에 다루려면 아래 "목표" 모드가 필요합니다.

   목표(DB import, temis 쪽에서 별도로 진행 중): temis는 각 회사별 export 산출물을 자신의 DB로 가져오는(import) case_id upsert 방식을 준비하고 있습니다. case_id는 corp_code와 rcept_no를 포함해 전역 고유·결정적으로 계산되므로(dart_search_mcp/temis_export.py), 회사가 달라도 값이 절대 충돌하지 않아 DB upsert 키로 쓸 수 있습니다. 이 모드가 갖춰지면 DART_TOPIC_CASES_PATH는 temis가 매 요청마다 읽는 런타임 파일이 아니라 import 배치의 입력(ingestion input) 파일이 되어, 여러 회사의 export를 누적할 수 있습니다. 이 DB import 작업은 temis 쪽에서 별도로 진행 중인 작업입니다 — 이 저장소는 구현하지 않으며 완료를 주장하지 않습니다. 여기서는 방향만 명시합니다.

   어느 모드든 temis는 별도의 OpenDART adapter가 필요 없습니다. 이 저장소가 OpenDART 수집·파싱·DartTopicCase 변환을 전담하며, temis는 이 저장소가 dart temis-topic-cases 명령(또는 export_temis_topic_cases MCP 도구)으로 만든 JSON 파일을 읽거나 import하기만 합니다. 향후 temis 쪽에 정기 자동 갱신용 런타임 job scheduler를 추가하는 경우에도, 그 스케줄러는 OpenDART를 직접 호출하지 않고 이 저장소의 export 명령/도구를 호출해 JSON 파일을 재생성하는 방식이어야 합니다 — OpenDART 호출/파싱 로직 자체는 계속 이 저장소에만 있어야 합니다.

보안 참고사항

• API 키는 DART_API_KEY 환경 변수(또는 커밋하지 않는 .env)로만 전달합니다.
• 이 README와 저장소의 모든 문서·evidence 파일은 실제 키 값 대신 <redacted> 같은 placeholder만 사용합니다 — 실제 키나 실제 키가 포함된 요청 URL을 문서화하지 마세요.
• API 키는 로그·에러 메시지·요청 URL에서 redact되며(dart_search_mcp/redact.py), 커밋에 .env를 포함하지 않습니다.

개발 및 검증

문서를 현재 CLI/MCP 표면에서 다시 생성합니다.

uv run python scripts/generate_docs.py

문서 drift를 포함한 로컬 QA를 실행합니다.

uv run python scripts/qa.py

개별 테스트만 실행하려면 다음 명령을 사용합니다.

uv run python -m unittest discover -v