Servidor MCP de interrogatorio LSPD
Un servidor de simulación de interrogatorio policial basado en el Protocolo de Contexto Modelo (MCP) impulsado por OpenAI.
📌 Características principales
- Integración MCP :
- Construido con el SDK del protocolo de contexto de modelo
- Compatibilidad con transporte HTTP
- Gestión dinámica de recursos (perfil del oficial, conducta del interrogatorio)
- Integración con OpenAI :
- Utiliza el modelo GPT-3.5-turbo
- Genera estrategias de interrogación dinámicas
- Simula respuestas sospechosas
- Crea flujos de diálogo realistas
- Componentes principales :
- Gestión de perfiles de agentes de policía
- Mecánica de interrogatorio inteligente
- Simulación de comportamiento sospechoso
- Integración de tipos de delito y pruebas
🚀 Instalación
pnpm install
# Required environment variables
cp .env.example .env
# Start server
pnpm start
⚙️ Configuración
Archivo .env :
OPENAI_API_KEY=your_api_key_here
Parámetros configurables en config.ts :
- Selección de modelos de IA
- Cantidad máxima de tokens
- Parámetro de temperatura (nivel de creatividad)
Puntos finales de API
Perfil del oficial
GET /profile/:badgeNumber
curl http://localhost:3000/profile/1234
Iniciar interrogatorio
POST /interrogations/{suspectId}
{
"suspectName": "John Doe",
"pressureLevel": 75,
"crime": "Armed robbery",
"evidence": ["Fingerprint", "Security camera footage"]
}
Respuesta sospechosa
POST /interrogations/{suspectId}/respond
{
"suspectName": "John Doe",
"officerStatement": "Your fingerprints were found at the crime scene!",
"guilt": 85,
"personality": "cowardly",
"previousResponses": ["I'm innocent!"]
}
🔍 Ejemplo de uso
# Get officer profile
curl http://localhost:3000/profile/1234
# Start interrogation
curl -X POST http://localhost:3000/interrogations/suspect_01 \
-H "Content-Type: application/json" \
-d '{
"suspectName": "John Doe",
"pressureLevel": 80,
"crime": "Drug trafficking",
"evidence": ["Search records", "Confidential witness statement"]
}'
✅ Validación de datos
Todos los puntos finales incluyen una sólida verificación y validación de tipos mediante la biblioteca Zod:
- Nivel de presión: 0-100 (obligatorio)
- Nombre del sospechoso: formato de cadena
- Evidencia: matriz de cadenas (opcional)
🔒 Seguridad
- Datos confidenciales (clave API de OpenAI) gestionados a través de variables de entorno
- Aplicación de HTTPS en producción
- Manejo seguro de entradas con validación de solicitudes
🤝 Contribución
- Bifurcar el repositorio
- Crear nueva rama (
feat/my-feature o fix/issue-number ) - Confirme sus cambios
- Empujar hacia la rama
- Abrir una solicitud de extracción
📜 Licencia
Distribuido bajo la licencia MIT.