集成 MCP 的银行聊天机器人
一个复杂的银行聊天机器人应用程序，使用 Azure OpenAI 和模型上下文协议 (MCP) 实现安全高效的消息处理。
特征
- 人工智能银行助手：使用 Azure OpenAI 为银行查询提供智能响应
- 模型上下文协议（MCP） ：实现安全消息通信协议
- 实时聊天界面：现代、响应式的用户界面，可实现无缝的用户交互
- 全面的日志记录：用于监控和调试的详细日志系统
- 银行信息集成：动态显示银行详细信息和服务
- Markdown 支持：响应的富文本格式
项目结构
.
├── app.py # Main Flask application
├── mcp_server.py # MCP server implementation
├── mcp_client.py # MCP client implementation
├── requirements.txt # Python dependencies
├── .env # Environment variables
├── templates/ # HTML templates
│ └── index.html # Chat interface
└── logs/ # Log files
├── client_messages.log
├── mcp_client.log
└── mcp_server.log
先决条件
- Python 3.8 或更高版本
- Azure OpenAI API 访问
- 所需的 Python 包（请参阅 requirements.txt）
安装
- 克隆存储库：
git clone <repository-url>
cd banking-chatbot
- 创建并激活虚拟环境：
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
- 安装依赖项：
pip install -r requirements.txt
- 使用您的凭证创建一个
.env文件：ENDPOINT_URL=your_azure_endpoint
AZURE_OPENAI_API_KEY=your_api_key
DEPLOYMENT_NAME=your_deployment_name
用法
- 启动 MCP 服务器：
- 在新的终端中，启动 Flask 应用程序：
- 访问聊天机器人界面
http://localhost:5000
MCP 协议
模型上下文协议 (MCP) 用于处理聊天机器人与服务器之间的消息通信。它提供：
- 安全消息传输
- 消息队列和可靠性
- 详细日志记录
- 实时消息处理
消息类型
- 聊天消息：用户查询和 AI 响应
- 系统消息：管理和控制消息
日志记录
应用程序在logs目录中维护详细日志：
client_messages.log ：聊天消息历史记录mcp_client.log ：客户端连接和操作日志mcp_server.log ：服务器操作日志
银行信息
该聊天机器人配置了全面的银行信息，包括：
发展
添加新功能
- 更新
app.py中的BANK_INFO字典以获取新的银行信息 - 修改
SYSTEM_MESSAGE以更新 AI 行为 - 在
mcp_client.py中添加新的消息处理程序以获得附加功能
测试
运行测试客户端来验证 MCP 功能：
清除测试日志：
安全
- API 密钥和敏感信息存储在
.env中 - MCP 提供安全的消息传输
- 实现输入验证和错误处理
贡献
- 分叉存储库
- 创建功能分支
- 提交你的更改
- 推送到分支
- 创建拉取请求
执照
该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。