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.

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

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:

./scripts/initialize_app.sh

Este script hará lo siguiente:

Comprueba si Docker se está ejecutando
Inicie todos los contenedores necesarios con Docker Compose
Ejecutar migraciones de bases de datos automáticamente
Proporcionar información sobre cómo acceder a la aplicación

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

Desarrollo local

Clonar el repositorio
git clone https://github.com/your-organization/sequential-questioning.git cd sequential-questioning
Instalar dependencias
pip install -e ".[dev]"
Configurar variables de entorno
cp .env.example .env # Edit .env file with your configuration
Ejecutar el servidor de desarrollo
uvicorn app.main:app --reload

Implementación de Docker

docker-compose up -d

Configuración de la base de datos

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

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

Implementación de Kubernetes

Entorno de desarrollo
kubectl apply -k k8s/overlays/dev
Entorno de ensayo
kubectl apply -k k8s/overlays/staging
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:

kubectl port-forward -n monitoring svc/prometheus 9090:9090
kubectl port-forward -n monitoring svc/grafana 3000:3000

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:

pytest

Ejecutar pruebas de rendimiento:

python -m tests.performance.test_sequential_questioning_load

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:

Asegúrese de que el contenedor de la base de datos se esté ejecutando
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:

El paquete pydantic-settings está incluido en sus dependencias
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

Sequential Questioning MCP Server

Integrations