Skip to main content
Glama

Office Supplies Inventory NANDA Service

办公用品库存 NANDA 服务采用 MCP 服务器 + NANDA 注册表 + NANDA 主机客户端

使用模型上下文协议 (MCP) 服务器代码创建 NANDA 服务,提供办公用品库存信息。该服务允许 AI 助手使用 MCP 标准查询和检索办公用品信息。您将使用云托管服务器和基于 Web 的 NANDA 主机客户端。无需安装本地服务器。

您可以使用相同的框架为任何标准库存部署面向消费者的 Web 应用程序。

概述

该项目使用 MCP 服务器代码实现了 NANDA 服务,该服务通过 CSV 文件提供办公室库存数据。它提供的工具可帮助 AI 助手执行以下操作:

  • 获取库存中所有可用物品的列表
  • 按名称检索特定项目的详细信息

先决条件

  • Python 3.9 或更高版本
  • requirements.txt中列出的依赖项

此存储库中的文件

  • officesupply.py :主服务器实现
  • inventory.csv :包含办公用品库存数据的 CSV 文件
  • build.sh :设置环境的脚本
  • run.sh :运行服务器的脚本
  • requirements.txt :Python 依赖项列表

快速入门

本地设置

  1. 克隆此存储库:
    git clone https://github.com/aidecentralized/nanda-servers.git cd office-supplies-shop-server
  2. 选择以下环境设置选项之一:
选项 A:使用 Python venv
  1. 创建 Python 虚拟环境:
    python -m venv venv
  2. 激活虚拟环境:
    • 在 Linux/macOS 上:
      source venv/bin/activate
    • 在 Windows 上:
      venv\Scripts\activate
  3. 安装依赖项:
    pip install -r requirements.txt
选项 B:使用 Conda
  1. 创建一个新的 conda 环境:
    conda create --name inventory_env python=3.11
  2. 激活 conda 环境:
    conda activate inventory_env
  3. 安装依赖项:
    pip install -r requirements.txt

本地运行服务器进行测试

使用上述任一选项设置环境后:

  1. 运行服务器:
    python officesupply.py
  2. 服务器将位于: http://localhost:8080

使用 MCP Inspector 进行测试

  1. 安装 MCP 检查器:
    npx @modelcontextprotocol/inspector
  2. 在浏览器中打开检查器提供的 URL
  3. 使用 SSE 传输类型进行连接
  4. 输入服务器 URL,末尾带上/sse (例如, http://localhost:8080/sse
  5. 测试可用的工具:
    • get_items :列出库存中的所有物品名称
    • get_item_info :检索有关特定项目的详细信息

CSV数据格式

服务器期望inventory.csv文件至少包含以下列:

  • item_name :库存物品的名称

get_item_info返回的项目详细信息中将包含其他列。

在此范围内,您可以根据需要编辑 CSV 文件,并且 MCP 服务器也适用于您的 CSV 文件。

部署

准备云部署

  1. 确保您的存储库包括:
    • 所有代码文件
    • requirements.txt
    • build.shrun.sh脚本
  2. 设置shell脚本的可执行权限:
    chmod +x build.sh run.sh
    对于 Windows,运行
    wsl chmod +x build.sh run.sh

创建 AWS 账户

部署到 AWS AppRunner

  1. 创建 AWS 账户
  2. 添加您的信用卡进行结算
  3. 转到 AWS AppRunner( https://console.aws.amazon.com/apprunner
  4. 登录(如果您尚未登录)
  5. 进入 App Runner 仪表盘后,您会在页面右上角附近看到一个蓝色的“创建服务”按钮。点击它。
  6. 从源代码存储库创建新服务
  7. 配置服务:
    • Python 3.11 运行时
    • 构建命令: ./build.sh
    • 运行命令: ./run.sh
    • 端口:8080
  8. 部署并等待完成
  9. 使用 MCP Inspector 测试公共端点

在 NANDA 注册中心注册

  1. 前往NANDA 注册处
  2. 登录或创建帐户
  3. 点击“注册新服务器”
  4. 填写详细信息:
    • 服务器名称
    • 描述
    • 公共端点 URL(不带/sse
    • 标签和类别
  5. 注册您的服务器

在基于浏览器的客户端 NANDA Host 中的使用

  1. 访问nanda.mit.edu
  2. 前往 NANDA 主机
  3. 添加您的 Anthropic API 密钥
  4. 在注册表中找到您的 MCP 服务器
  5. 将其添加到您的主机
  6. 通过询问使用服务器功能的问题进行测试

故障排除

  • 确保您的 CSV 文件格式正确
  • 部署之前在本地测试服务器
  • 在注册之前,请验证您的公共端点是否与 MCP Inspector 兼容
  • 如果部署失败,请检查 AWS 上的日志

其他资源

观看此视频教程,了解如何设置和使用 MCP 服务器:

致谢

基于NANDA 服务器存储库。请关注 ProjectNanda,网址: https://nanda.mit.edu

-
security - not tested
F
license - not found
-
quality - not tested

remote-capable server

The server can be hosted and run remotely because it primarily relies on remote services or has no dependency on the local environment.

MCP 服务器允许 AI 助手从 CSV 文件查询和检索有关办公用品库存的信息。

  1. 概述
    1. 先决条件
      1. 此存储库中的文件
        1. 快速入门
          1. 本地设置
          2. 本地运行服务器进行测试
          3. 使用 MCP Inspector 进行测试
        2. CSV数据格式
          1. 部署
            1. 准备云部署
            2. 创建 AWS 账户
            3. 部署到 AWS AppRunner
            4. 在 NANDA 注册中心注册
          2. 在基于浏览器的客户端 NANDA Host 中的使用
            1. 故障排除
              1. 其他资源
                1. 致谢

                  Related MCP Servers

                  • A
                    security
                    A
                    license
                    A
                    quality
                    An MCP server implementation that provides tools for retrieving and processing documentation through vector search, enabling AI assistants to augment their responses with relevant documentation context
                    Last updated -
                    7
                    30
                    211
                    TypeScript
                    MIT License
                  • A
                    security
                    A
                    license
                    A
                    quality
                    An open-source MCP server that connects to various data sources (SQL databases, CSV, Parquet files), allowing AI models to execute SQL queries and generate data visualizations for analytics and business intelligence.
                    Last updated -
                    10
                    53
                    Python
                    MIT License
                    • Linux
                    • Apple
                  • A
                    security
                    F
                    license
                    A
                    quality
                    A powerful MCP server that enables AI assistants to interact with Microsoft Graph API for managing Outlook emails, Calendar events, OneDrive files, and Contacts through natural language commands.
                    Last updated -
                    20
                    8
                    Python
                    • Apple
                  • -
                    security
                    F
                    license
                    -
                    quality
                    A MCP Server that gives AI assistants the ability to remember information about users across conversations using vector search technology.
                    Last updated -

                  View all related MCP servers

                  MCP directory API

                  We provide all the information about MCP servers via our MCP API.

                  curl -X GET 'https://glama.ai/api/mcp/v1/servers/neeraj-jhawar/my_first_mcp'

                  If you have feedback or need assistance with the MCP directory API, please join our Discord server