Skip to main content
Glama

Servidor de análisis de chat de MCP

Un servidor de Protocolo de Contexto de Modelo (MCP) que permite el análisis semántico de conversaciones de chat mediante incrustaciones vectoriales y grafos de conocimiento. Este servidor proporciona herramientas para analizar datos de chat, realizar búsquedas semánticas, extraer conceptos y analizar patrones de conversación.

Características principales

  • 🔍 Búsqueda semántica : Encuentra mensajes y conversaciones relevantes usando similitud vectorial

  • 🕸️ Gráfico de conocimiento : navegue por las relaciones entre mensajes, conceptos y temas

  • 📊 Análisis de conversaciones : analiza patrones, métricas y dinámicas de conversaciones

  • 🔄 Importación flexible : Compatibilidad con varios formatos de exportación de chat

  • 🚀 Integración con MCP : Fácil integración con Claude y otros sistemas compatibles con MCP

Related MCP server: OpenRouter MCP Multimodal Server

Inicio rápido

# Install the package pip install mcp-chat-analysis-server # Set up configuration cp config.example.yml config.yml # Edit config.yml with your database settings # Run the server python -m mcp_chat_analysis.server

Integración MCP

Añade a tu claude_desktop_config.json :

{ "mcpServers": { "chat-analysis": { "command": "python", "args": ["-m", "mcp_chat_analysis.server"], "env": { "QDRANT_URL": "http://localhost:6333", "NEO4J_URL": "bolt://localhost:7687", "NEO4J_USER": "neo4j", "NEO4J_PASSWORD": "your-password" } } } }

Herramientas disponibles

importar_conversaciones

Importar y analizar conversaciones de chat

{ "source_path": "/path/to/export.zip", "format": "openai_native" # or html, markdown, json }

búsqueda semántica

Buscar conversaciones por similitud semántica

{ "query": "machine learning applications", "limit": 10, "min_score": 0.7 }

analizar_métricas

Analizar métricas de conversación

{ "conversation_id": "conv-123", "metrics": [ "message_frequency", "response_times", "topic_diversity" ] }

extraer_conceptos

Extraer y analizar conceptos

{ "conversation_id": "conv-123", "min_relevance": 0.5, "max_concepts": 10 }

Arquitectura

Consulte ARCHITECTURE.md para obtener diagramas detallados y documentación de:

  • Componentes e interacciones del sistema

  • Flujo de datos y canalización de procesamiento

  • Esquema de almacenamiento y operaciones vectoriales

  • Mecanismo de integración de herramientas

Prerrequisitos

  • Python 3.8+

  • Base de datos Neo4j para el almacenamiento de gráficos de conocimiento

  • Base de datos vectorial Qdrant para búsqueda semántica

  • transformadores de oraciones para incrustaciones

Instalación

  1. Instalar el paquete:

pip install mcp-chat-analysis-server
  1. Configurar bases de datos:

# Using Docker (recommended) docker compose up -d
  1. Configurar el servidor:

cp .env.example .env # Edit .env with your settings

Desarrollo

  1. Clonar el repositorio:

git clone https://github.com/rebots-online/mcp-chat-analysis-server.git cd mcp-chat-analysis-server
  1. Instalar dependencias de desarrollo:

pip install -e ".[dev]"
  1. Ejecutar pruebas:

pytest tests/

Contribuyendo

  1. Bifurcar el repositorio

  2. Crear una rama de características

  3. Enviar una solicitud de extracción

Consulte CONTRIBUTING.md para obtener pautas.

Licencia

Licencia MIT: consulte el archivo LICENCIA para obtener más detalles.

Proyectos relacionados

Apoyo

-
security - not tested
A
license - permissive license
-
quality - not tested

Latest Blog Posts

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/rebots-online/mcp-chat-analysis-server'

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