Бот поддержки клиентов на базе искусственного интеллекта — сервер MCP

Сервер протокола контекста модели (MCP), который обеспечивает поддержку клиентов на базе искусственного интеллекта с использованием интеграции Cursor AI и Glama.ai.

Функции

• Извлечение контекста в реальном времени из Glama.ai

• Генерация ответов на основе искусственного интеллекта с помощью Cursor AI

• Поддержка пакетной обработки

• Приоритетная очередь

• Ограничение скорости

• Отслеживание взаимодействия пользователя

• Мониторинг здоровья

• Соответствие протоколу MCP

Related MCP server: MCP Boilerplate

Предпосылки

• Питон 3.8+

• База данных PostgreSQL

• API-ключ Glama.ai

• API-ключ курсора AI

Установка

1. Клонируйте репозиторий:

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

2. Создайте и активируйте виртуальную среду:

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

3. Установите зависимости:

pip install -r requirements.txt

4. Создайте файл .env на основе .env.example :

cp .env.example .env

5. Настройте файл .env , используя свои учетные данные:

# 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. Настройте базу данных:

# Create the database
createdb customer_support_bot

# Run migrations (if using Alembic)
alembic upgrade head

Запуск сервера

Запустите сервер:

python app.py

Сервер будет доступен по адресу http://localhost:8000

Конечные точки API

1. Корневая конечная точка

GET /

Возвращает основную информацию о сервере.

2. Версия МКП

GET /mcp/version

Возвращает поддерживаемые версии протокола MCP.

3. Возможности

GET /mcp/capabilities

Возвращает возможности сервера и поддерживаемые функции.

4. Обработка запроса

POST /mcp/process

Обрабатывайте один запрос с учетом контекста.

Пример запроса:

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. Пакетная обработка

POST /mcp/batch

Обработка нескольких запросов в одном запросе.

Пример запроса:

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. Проверка здоровья

GET /mcp/health

Проверьте работоспособность сервера и статус обслуживания.

Ограничение скорости

Сервер реализует ограничение скорости со следующими значениями по умолчанию:

• 100 запросов за 60 секунд

• Информация об ограничении скорости включена в конечную точку проверки работоспособности.

• Ответы о превышении лимита скорости включают время сброса

Обработка ошибок

Сервер возвращает структурированные ответы об ошибках в следующем формате:

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

Распространенные коды ошибок:

• RATE_LIMIT_EXCEEDED : превышен лимит скорости

• UNSUPPORTED_MCP_VERSION : Неподдерживаемая версия MCP

• PROCESSING_ERROR : Ошибка обработки запроса

• CONTEXT_FETCH_ERROR : Ошибка извлечения контекста из Glama.ai

• BATCH_PROCESSING_ERROR : Ошибка обработки пакетного запроса

Разработка

Структура проекта

.
├── 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

Добавление новых функций

1. Обновите mcp_config.py , добавив новые параметры конфигурации.

2. При необходимости добавьте новые модели в models.py

3. Создайте новые конечные точки в app.py

4. Обновите конечную точку возможностей для отражения новых функций

Безопасность

• Все конечные точки MCP требуют аутентификации через заголовок X-MCP-Auth

• Ограничение скорости реализовано для предотвращения злоупотреблений

• Учетные данные базы данных должны храниться в безопасности

• Ключи API никогда не следует передавать в систему контроля версий.

Мониторинг

Сервер предоставляет конечные точки проверки работоспособности для мониторинга:

• Статус обслуживания

• Использование лимита скорости

• Подключенные услуги

• Время обработки

Внося вклад

1. Форк репозитория

2. Создать ветку функций

3. Зафиксируйте ваши изменения

4. Нажмите на ветку

5. Создать запрос на извлечение

Значок подтверждения

Лицензия

Данный проект лицензирован по лицензии MIT — подробности см. в файле LICENSE .

Поддерживать

Для получения поддержки создайте проблему в репозитории или свяжитесь с командой разработчиков.