Servidor MCP del monitor de precios

describir

Este proyecto es un servidor de monitoreo de precios basado en el Protocolo de Contexto de Modelo (MCP). Compare el precio estándar de DB y el precio en tiempo real de Gmarket por código de producto y envíe una notificación a través de Slack cuando el precio baje.

• Estructura de servidor/herramienta/indicador según los estándares MCP

• Automatiza todo el proceso de rastreo, comparación de precios y notificaciones.

• Admite la integración de webhooks de Slack

Related MCP server: BigGo MCP Server

Características principales

1. Búsqueda de precio estándar en DB : Busque el precio estándar en DB usando el código del producto

2. Rastreo de precios en tiempo real de Gmarket : uso de la API Firecrawl

3. Compara precios y calcula tasas de descuento

4. Enviar notificaciones de Slack cuando baje el precio

5. Proporciona una herramienta para automatizar todo el flujo de trabajo.

Estructura de carpetas

price_monitor_mcp/
├── src/
│   └── price_monitor_mcp.py   # MCP 서버 메인 코드
├── mcp_client.py              # MCP 클라이언트 코드
├── README.md                  
└── .env                       # 환경변수

Cómo correr

1. Preparar el entorno virtual e instalar el paquete

conda activate price_monitor_mcp
pip install -r requirements.txt
# 또는 필요한 경우
pip install mcp firecrawl requests python-dotenv psycopg2-binary pydantic

2. Configuración de variables de entorno

Establezca variables de entorno como webhooks de Slack en .env de la siguiente manera.

SLACK_WEBHOOK_URL=https://hooks.slack.com/services/...
DB_HOST=...
DB_PORT=...
DB_NAME=...
DB_USER=...
DB_PASSWORD=...

3. Ejecute el servidor MCP

mcp run src/price_monitor_mcp.py

• O ejecútelo con devtools: mcp dev src/price_monitor_mcp.py

• O active el entorno conda con un script de shell y luego ejecute

Lista de herramientas/indicaciones de MCP

• get_db_price(product_code) : consulta de precio estándar de la base de datos

• crawl_gmarket_price(product_code) : rastreo de precios de Gmarket en tiempo real

• send_slack_alert(message) : Enviar notificación de Slack

• monitor_price_workflow(product_code) : Ejecutar automáticamente todo el proceso (recomendado)

• monitor_price(product_code) : mensaje (para LLM)

Automatizar todo el proceso (recomendado)

Ejemplo de llamada a una herramienta de flujo de trabajo

En las herramientas de desarrollo/cliente de MCP:

• Seleccione la herramienta monitor_price_workflow , ingrese product_code y ejecútela.

• Resultados: Devuelve el precio de la base de datos, el precio más bajo, la diferencia de precio, la tasa de descuento, la notificación de Slack, etc.

Ejemplo de cliente de Python

import asyncio
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client

async def main():
    server_params = StdioServerParameters(
        command="python",
        args=["src/price_monitor_mcp.py"],
    )
    async with stdio_client(server_params) as (read, write):
        async with ClientSession(read, write) as session:
            await session.initialize()
            result = await session.call_tool("monitor_price_workflow", arguments={"product_code": "ULCK25151"})
            print("워크플로우 결과:", result)

if __name__ == "__main__":
    asyncio.run(main())

Prueba de notificaciones de Slack

• Si su webhook de Slack está configurado correctamente, recibirá una notificación automática cuando baje un precio.

• El formato del mensaje se puede modificar libremente en send_slack_alert .

Vinculación LLM (Claude, GPT, etc.)

• Claude, GPT, etc. podrán ejecutar indicaciones/herramientas en lenguaje natural una vez que la conexión al servidor MCP sea oficialmente compatible.

• Actualmente, los resultados se reciben a través del código de cliente MCP y se pegan en LLM para solicitud de resumen/análisis.

Referencias/Documentos

• Documentación oficial del SDK de Python de MCP

• Es necesario configurar Firecrawl, Slack API, DB, etc. para cada entorno.

Contacto/Contribución

• ¡Deje cualquier pregunta, error o solicitud de extensión como problemas!