Bot de atención al cliente con IA - Servidor MCP

Un servidor de Protocolo de Contexto de Modelo (MCP) que brinda soporte al cliente impulsado por IA mediante la integración de Cursor AI y Glama.ai.

Características

• Obtención de contexto en tiempo real desde Glama.ai

• Generación de respuestas impulsada por IA con Cursor AI

• Soporte de procesamiento por lotes

• Cola de prioridad

• Limitación de velocidad

• Seguimiento de la interacción del usuario

• Vigilancia de la salud

• Cumplimiento del protocolo MCP

Related MCP server: MCP Starter

Prerrequisitos

• Python 3.8+

• Base de datos PostgreSQL

• Clave API de Glama.ai

• Clave API de Cursor AI

Instalación

1. Clonar el repositorio:

git clone <repository-url>
cd <repository-name>

2. Crear y activar un entorno virtual:

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

3. Instalar dependencias:

pip install -r requirements.txt

4. Cree un archivo .env basado en .env.example :

cp .env.example .env

5. Configure su archivo .env con sus credenciales:

# API Keys
GLAMA_API_KEY=your_glama_api_key_here
CURSOR_API_KEY=your_cursor_api_key_here

# Database
DATABASE_URL=postgresql://user:password@localhost/customer_support_bot

# API URLs
GLAMA_API_URL=https://api.glama.ai/v1

# Security
SECRET_KEY=your_secret_key_here

# MCP Server Configuration
SERVER_NAME="AI Customer Support Bot"
SERVER_VERSION="1.0.0"
API_PREFIX="/mcp"
MAX_CONTEXT_RESULTS=5

# Rate Limiting
RATE_LIMIT_REQUESTS=100
RATE_LIMIT_PERIOD=60

# Logging
LOG_LEVEL=INFO

6. Configurar la base de datos:

# Create the database
createdb customer_support_bot

# Run migrations (if using Alembic)
alembic upgrade head

Ejecución del servidor

Iniciar el servidor:

python app.py

El servidor estará disponible en http://localhost:8000

Puntos finales de API

1. Punto final raíz

GET /

Devuelve información básica del servidor.

2. Versión MCP

GET /mcp/version

Devuelve las versiones del protocolo MCP compatibles.

3. Capacidades

GET /mcp/capabilities

Devuelve las capacidades del servidor y las funciones compatibles.

4. Solicitud de proceso

POST /mcp/process

Procesar una sola consulta con contexto.

Ejemplo de solicitud:

curl -X POST http://localhost:8000/mcp/process \
  -H "Content-Type: application/json" \
  -H "X-MCP-Auth: your-auth-token" \
  -H "X-MCP-Version: 1.0" \
  -d '{
    "query": "How do I reset my password?",
    "priority": "high",
    "mcp_version": "1.0"
  }'

5. Procesamiento por lotes

POST /mcp/batch

Procesar múltiples consultas en una sola solicitud.

Ejemplo de solicitud:

curl -X POST http://localhost:8000/mcp/batch \
  -H "Content-Type: application/json" \
  -H "X-MCP-Auth: your-auth-token" \
  -H "X-MCP-Version: 1.0" \
  -d '{
    "queries": [
      "How do I reset my password?",
      "What are your business hours?",
      "How do I contact support?"
    ],
    "mcp_version": "1.0"
  }'

6. Chequeo de salud

GET /mcp/health

Verifique la salud del servidor y el estado del servicio.

Limitación de velocidad

El servidor implementa la limitación de velocidad con los siguientes valores predeterminados:

• 100 solicitudes cada 60 segundos

• La información del límite de velocidad se incluye en el punto final de verificación de estado

• Las respuestas de límite de velocidad excedido incluyen tiempo de reinicio

Manejo de errores

El servidor devuelve respuestas de error estructuradas en el siguiente formato:

{
  "code": "ERROR_CODE",
  "message": "Error description",
  "details": {
    "timestamp": "2024-02-14T12:00:00Z",
    "additional_info": "value"
  }
}

Códigos de error comunes:

• RATE_LIMIT_EXCEEDED : Límite de velocidad excedido

• UNSUPPORTED_MCP_VERSION : Versión de MCP no compatible

• PROCESSING_ERROR : Error al procesar la solicitud

• CONTEXT_FETCH_ERROR : Error al obtener el contexto de Glama.ai

• BATCH_PROCESSING_ERROR : Error al procesar la solicitud por lotes

Desarrollo

Estructura del proyecto

.
├── app.py              # Main application file
├── database.py         # Database configuration
├── middleware.py       # Middleware (rate limiting, validation)
├── models.py          # Database models
├── mcp_config.py      # MCP-specific configuration
├── requirements.txt   # Python dependencies
└── .env              # Environment variables

Añadiendo nuevas funciones

1. Actualice mcp_config.py con nuevas opciones de configuración

2. Agregue nuevos modelos en models.py si es necesario

3. Crear nuevos puntos finales en app.py

4. Actualizar las capacidades del punto final para reflejar las nuevas funciones

Seguridad

• Todos los puntos finales de MCP requieren autenticación a través del encabezado X-MCP-Auth

• Se implementa una limitación de velocidad para evitar el abuso.

• Las credenciales de la base de datos deben mantenerse seguras

• Las claves API nunca deben comprometerse con el control de versiones

Escucha

El servidor proporciona puntos finales de verificación de estado para supervisar:

• Estado del servicio

• Uso del límite de velocidad

• Servicios conectados

• Tiempos de procesamiento

Contribuyendo

1. Bifurcar el repositorio

2. Crear una rama de características

3. Confirme sus cambios

4. Empujar hacia la rama

5. Crear una solicitud de extracción

Insignia de verificación

Licencia

Este proyecto está licenciado bajo la licencia MIT: consulte el archivo de LICENCIA para obtener más detalles.

Apoyo

Para obtener ayuda, cree un problema en el repositorio o comuníquese con el equipo de desarrollo.