Bot de atención al cliente con IA - Servidor MCP

Un servidor de Protocolo de Contexto de Modelo (MCP) que brinda soporte al cliente impulsado por IA mediante la integración de Cursor AI y Glama.ai.

Características

Obtención de contexto en tiempo real desde Glama.ai
Generación de respuestas impulsada por IA con Cursor AI
Soporte de procesamiento por lotes
Cola de prioridad
Limitación de velocidad
Seguimiento de la interacción del usuario
Vigilancia de la salud
Cumplimiento del protocolo MCP

Prerrequisitos

Python 3.8+
Base de datos PostgreSQL
Clave API de Glama.ai
Clave API de Cursor AI

Instalación

Clonar el repositorio:

git clone <repository-url>
cd <repository-name>

Crear y activar un entorno virtual:

python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

Instalar dependencias:

pip install -r requirements.txt

Cree un archivo .env basado en .env.example :

cp .env.example .env

Configure su archivo .env con sus credenciales:

# API Keys
GLAMA_API_KEY=your_glama_api_key_here
CURSOR_API_KEY=your_cursor_api_key_here

# Database
DATABASE_URL=postgresql://user:password@localhost/customer_support_bot

# API URLs
GLAMA_API_URL=https://api.glama.ai/v1

# Security
SECRET_KEY=your_secret_key_here

# MCP Server Configuration
SERVER_NAME="AI Customer Support Bot"
SERVER_VERSION="1.0.0"
API_PREFIX="/mcp"
MAX_CONTEXT_RESULTS=5

# Rate Limiting
RATE_LIMIT_REQUESTS=100
RATE_LIMIT_PERIOD=60

# Logging
LOG_LEVEL=INFO

Configurar la base de datos:

# Create the database
createdb customer_support_bot

# Run migrations (if using Alembic)
alembic upgrade head

Ejecución del servidor

Iniciar el servidor:

python app.py

El servidor estará disponible en http://localhost:8000

Puntos finales de API

1. Punto final raíz

GET /

Devuelve información básica del servidor.

2. Versión MCP

GET /mcp/version

Devuelve las versiones del protocolo MCP compatibles.

3. Capacidades

GET /mcp/capabilities

Devuelve las capacidades del servidor y las funciones compatibles.

4. Solicitud de proceso

POST /mcp/process

Procesar una sola consulta con contexto.

Ejemplo de solicitud:

curl -X POST http://localhost:8000/mcp/process \
  -H "Content-Type: application/json" \
  -H "X-MCP-Auth: your-auth-token" \
  -H "X-MCP-Version: 1.0" \
  -d '{
    "query": "How do I reset my password?",
    "priority": "high",
    "mcp_version": "1.0"
  }'

5. Procesamiento por lotes

POST /mcp/batch

Procesar múltiples consultas en una sola solicitud.

Ejemplo de solicitud:

curl -X POST http://localhost:8000/mcp/batch \
  -H "Content-Type: application/json" \
  -H "X-MCP-Auth: your-auth-token" \
  -H "X-MCP-Version: 1.0" \
  -d '{
    "queries": [
      "How do I reset my password?",
      "What are your business hours?",
      "How do I contact support?"
    ],
    "mcp_version": "1.0"
  }'

6. Chequeo de salud

GET /mcp/health

Verifique la salud del servidor y el estado del servicio.

Limitación de velocidad

El servidor implementa la limitación de velocidad con los siguientes valores predeterminados:

100 solicitudes cada 60 segundos
La información del límite de velocidad se incluye en el punto final de verificación de estado
Las respuestas de límite de velocidad excedido incluyen tiempo de reinicio

Manejo de errores

El servidor devuelve respuestas de error estructuradas en el siguiente formato:

{
  "code": "ERROR_CODE",
  "message": "Error description",
  "details": {
    "timestamp": "2024-02-14T12:00:00Z",
    "additional_info": "value"
  }
}

Códigos de error comunes:

RATE_LIMIT_EXCEEDED : Límite de velocidad excedido
UNSUPPORTED_MCP_VERSION : Versión de MCP no compatible
PROCESSING_ERROR : Error al procesar la solicitud
CONTEXT_FETCH_ERROR : Error al obtener el contexto de Glama.ai
BATCH_PROCESSING_ERROR : Error al procesar la solicitud por lotes

Desarrollo

Estructura del proyecto

.
├── app.py              # Main application file
├── database.py         # Database configuration
├── middleware.py       # Middleware (rate limiting, validation)
├── models.py          # Database models
├── mcp_config.py      # MCP-specific configuration
├── requirements.txt   # Python dependencies
└── .env              # Environment variables

Añadiendo nuevas funciones

Actualice mcp_config.py con nuevas opciones de configuración
Agregue nuevos modelos en models.py si es necesario
Crear nuevos puntos finales en app.py
Actualizar las capacidades del punto final para reflejar las nuevas funciones

Seguridad

Todos los puntos finales de MCP requieren autenticación a través del encabezado X-MCP-Auth
Se implementa una limitación de velocidad para evitar el abuso.
Las credenciales de la base de datos deben mantenerse seguras
Las claves API nunca deben comprometerse con el control de versiones

Escucha

El servidor proporciona puntos finales de verificación de estado para supervisar:

Estado del servicio
Uso del límite de velocidad
Servicios conectados
Tiempos de procesamiento

Contribuyendo

Bifurcar el repositorio
Crear una rama de características
Confirme sus cambios
Empujar hacia la rama
Crear una solicitud de extracción

Licencia

[Su licencia aquí]

Apoyo

Para obtener ayuda, comuníquese con [Su información de contacto]

AI Customer Support Bot - MCP Server

Integrations