集成 MCP 的银行聊天机器人

一个复杂的银行聊天机器人应用程序，使用 Azure OpenAI 和模型上下文协议 (MCP) 实现安全高效的消息处理。

特征

• 人工智能银行助手：使用 Azure OpenAI 为银行查询提供智能响应

• 模型上下文协议（MCP） ：实现安全消息通信协议

• 实时聊天界面：现代、响应式的用户界面，可实现无缝的用户交互

• 全面的日志记录：用于监控和调试的详细日志系统

• 银行信息集成：动态显示银行详细信息和服务

• Markdown 支持：响应的富文本格式

Related MCP server: AWS SecurityHub MCP Server

项目结构

.
├── app.py                  # Main Flask application
├── mcp_server.py          # MCP server implementation
├── mcp_client.py          # MCP client implementation
├── requirements.txt       # Python dependencies
├── .env                   # Environment variables
├── templates/             # HTML templates
│   └── index.html        # Chat interface
└── logs/                 # Log files
    ├── client_messages.log
    ├── mcp_client.log
    └── mcp_server.log

先决条件

• Python 3.8 或更高版本

• Azure OpenAI API 访问

• 所需的 Python 包（请参阅 requirements.txt）

安装

1. 克隆存储库：

   git clone <repository-url>
   cd banking-chatbot

2. 创建并激活虚拟环境：

   python -m venv venv
   source venv/bin/activate  # On Windows: venv\Scripts\activate

3. 安装依赖项：

   pip install -r requirements.txt

4. 使用您的凭证创建一个.env文件：

   ENDPOINT_URL=your_azure_endpoint
   AZURE_OPENAI_API_KEY=your_api_key
   DEPLOYMENT_NAME=your_deployment_name

用法

1. 启动 MCP 服务器：

   python mcp_server.py

2. 在新的终端中，启动 Flask 应用程序：

   python app.py

3. 访问聊天机器人界面http://localhost:5000

MCP 协议

模型上下文协议 (MCP) 用于处理聊天机器人与服务器之间的消息通信。它提供：

• 安全消息传输

• 消息队列和可靠性

• 详细日志记录

• 实时消息处理

消息类型

• 聊天消息：用户查询和 AI 响应

• 系统消息：管理和控制消息

日志记录

应用程序在logs目录中维护详细日志：

• client_messages.log ：聊天消息历史记录

• mcp_client.log ：客户端连接和操作日志

• mcp_server.log ：服务器操作日志

银行信息

该聊天机器人配置了全面的银行信息，包括：

• 营业时间

• 分支机构

• 可用服务

• 联系信息

• 支持渠道

发展

添加新功能

1. 更新app.py中的BANK_INFO字典以获取新的银行信息

2. 修改SYSTEM_MESSAGE以更新 AI 行为

3. 在mcp_client.py中添加新的消息处理程序以获得附加功能

测试

运行测试客户端来验证 MCP 功能：

python test_client.py

清除测试日志：

python clear_logs.py

安全

• API 密钥和敏感信息存储在.env中

• MCP 提供安全的消息传输

• 实现输入验证和错误处理

贡献

1. 分叉存储库

2. 创建功能分支

3. 提交你的更改

4. 推送到分支

5. 创建拉取请求

执照

该项目根据 MIT 许可证获得许可 - 有关详细信息，请参阅 LICENSE 文件。