Servidor MCP de preguntas secuenciales

Un servidor especializado que permite a los LLM (Grandes Modelos de Lenguaje) recopilar información específica mediante preguntas secuenciales. Este proyecto implementa el estándar MCP (Protocolo de Control de Modelos) para una integración fluida con los clientes LLM.

Estado del proyecto

🎉 Versión 1.0.0 lanzada 🎉

El servidor MCP de preguntas secuenciales ya está completo y listo para su implementación en producción. Todas las funciones planificadas se han implementado, probado y documentado.

Related MCP server: Vibe-Coder MCP Server

Características

• Motor de preguntas secuenciales : genera preguntas de seguimiento contextualmente apropiadas basadas en respuestas anteriores

• Compatibilidad con el protocolo MCP : implementación completa de la especificación MCP para la integración con LLM

• API robusta : API RESTful con validación integral y manejo de errores

• Integración de bases de datos vectoriales : almacenamiento y recuperación eficientes de patrones de preguntas

• Monitoreo integral : métricas de rendimiento y observabilidad con Prometheus y Grafana

• Implementación lista para producción : configuración de implementación de Kubernetes con soporte para múltiples entornos

• Alta disponibilidad : escalador automático de pods horizontales y presupuesto de interrupción de pods para confiabilidad de producción

• Seguridad : Políticas de red para restringir el tráfico y proteger la aplicación

Documentación

• Referencia de API

• Arquitectura

• Ejemplos de uso

• Guía de implementación

• Manual de operaciones

• Prueba de carga

• Verificación de la implementación

• Plan de Despliegue Final

• Notas de la versión

Empezando

Prerrequisitos

• Python 3.10+

• Docker y Docker Compose (para desarrollo local)

• Clúster de Kubernetes (para implementación de producción)

• PostgreSQL 15.4+

• Acceso a una instancia de Qdrant

Inicio rápido

La forma más fácil de comenzar es utilizar nuestro script de inicialización:

Este script hará lo siguiente:

1. Comprueba si Docker se está ejecutando

2. Inicie todos los contenedores necesarios con Docker Compose

3. Ejecutar migraciones de bases de datos automáticamente

4. Proporcionar información sobre cómo acceder a la aplicación

La aplicación estará disponible en http://localhost:8001

Desarrollo local

1. Clonar el repositorio

   git clone https://github.com/your-organization/sequential-questioning.git cd sequential-questioning

2. Instalar dependencias

   pip install -e ".[dev]"

3. Configurar variables de entorno

   cp .env.example .env # Edit .env file with your configuration

4. Ejecutar el servidor de desarrollo

   uvicorn app.main:app --reload

Implementación de Docker

Configuración de la base de datos

Si está iniciando la aplicación manualmente, no olvide ejecutar las migraciones de la base de datos:

Implementación de Kubernetes

1. Entorno de desarrollo

   kubectl apply -k k8s/overlays/dev

2. Entorno de ensayo

   kubectl apply -k k8s/overlays/staging

3. Entorno de producción

   kubectl apply -k k8s/overlays/prod

Consulte el plan de implementación final y el manual de ejecución operativa para obtener instrucciones detalladas.

Escucha

Acceda a los paneles de control de Prometheus y Grafana para realizar la monitorización:

Canalización de CI/CD

Canalización de CI/CD automatizada con GitHub Actions:

• Integración continua: análisis de errores, verificación de tipos y pruebas

• Implementación continua: implementaciones automatizadas para desarrollo, ensayo y producción

• Verificación de implementación: controles automatizados posteriores a la implementación

Pruebas

Ejecute el conjunto de pruebas:

Ejecutar pruebas de rendimiento:

Solución de problemas

Tablas de base de datos no creadas

Si la aplicación se está ejecutando pero las tablas de la base de datos no existen:

1. Asegúrese de que el contenedor de la base de datos se esté ejecutando

2. Ejecute las migraciones de base de datos manualmente:

   export DATABASE_URL="postgresql://postgres:postgres@localhost:5432/postgres" bash scripts/run_migrations.sh

Compatibilidad de versiones de Pydantic

Si encuentra el error pydantic.errors.PydanticImportError: BaseSettings has been moved to the pydantic-settings package , asegúrese de lo siguiente:

1. El paquete pydantic-settings está incluido en sus dependencias

2. Estás importando BaseSettings desde pydantic_settings en lugar de hacerlo directamente desde pydantic

Este proyecto utiliza Pydantic v2.x que movió BaseSettings a un paquete separado.

Contribuyendo

¡Agradecemos sus contribuciones! Consulte las normas en CONTRIBUTING.md .

Licencia

Licencia MIT

Contacto

Para obtener ayuda o realizar consultas, comuníquese con support@example.com