FastMCP_RecSys
这是一个基于 CLIP 且带有 MCP 的时尚推荐器。
小样
用户上传服装图片 → YOLO 检测服装 → CLIP 编码 → 推荐类似服装
文件夹结构
/project-root
│
├── /backend
│ ├── Dockerfile
│ ├── /app
│ │ ├── server.py # FastAPI app code
│ │ ├── /routes
│ │ │ └── clothing_routes.py
│ │ ├── /controllers
│ │ │ └── clothing_controller.py
│ │ │ └──clothing_tagging.py
│ │ │ └── tag_extractor.py # Pending: define core CLIP functionality
│ │ ├── schemas/
│ │ │ └── clothing_schemas.py
│ │ ├── config/
│ │ │ └── tag_list_en.py $ Tool for mapping: https://jsoncrack.com/editor
│ │ │ └── database.py
│ │ │ └── settings.py
│ │ │ └── api_keys.py
│ │ └── requirements.txt
│ └── .env
│
├── /fastmcp
│ └── app
│ └── server.py
│
├── /frontend
│ ├── Dockerfile
│ ├── package.json
│ ├── package-lock.json
│ ├── /public
│ │ └── index.html
│ ├── /src
│ │ ├── /components
│ │ │ ├── ImageUpload.jsx
│ │ │ ├── DetectedTags.jsx
│ │ │ └── Recommendations.jsx
│ │ ├── /utils
│ │ │ └── api.js
│ │ ├── App.js # Main React component
│ │ ├── index.js
│ │ ├── index.css
│ │ ├── tailwind.config.js
│ │ ├── postcss.config.js
│ │ └── .env
│ ├── .gitignore
│ ├── docker-compose.yml
│ └── README.md
└────── requirements.txt
快速入门指南
步骤 1：克隆 GitHub 项目
第 2 步：设置 Python 环境
python -m venv venv
source venv/bin/activate # On macOS or Linux
venv\Scripts\activate # On Windows步骤3：安装依赖项
pip install -r requirements.txt步骤 4：启动 FastAPI 服务器（后端）
uvicorn backend.app.server:app --reload一旦服务器运行并且数据库连接，您应该在控制台中看到以下消息：
Database connected
INFO: Application startup complete.步骤5：安装依赖项
数据库连接信息：应用程序启动完成。
npm install步骤 6：启动开发服务器（前端）
npm start一旦运行，服务器就会记录确认并在浏览器中打开应用程序： http://localhost:3000/
📌 UI 示例组件
图片上传
提交按钮
显示服装标签+推荐
目前已完成的工作：
FastAPI 服务器已启动并运行（4 月 24 日）
数据库连接已建立（4 月 24 日）
后端架构已正常运行（4 月 24 日）
上传图片的基本前端 UI（4 月 25 日）
下一步：
评估 CLIP 对样本服装图像的标记准确率
微调标记系统以获得更好的推荐
使用实时用户数据测试后端集成
设置模型性能监控
前端演示
This server cannot be installed
Resources
Looking for Admin?
Admins can modify the Dockerfile, update the server description, and track usage metrics. If you are the server author, to access the admin panel.