ベルグハインイベントAPIとMCP実装

プロジェクト構造

berghain-api/
├── app/                    # Aplicación principal FastAPI
│   ├── api/                # Rutas de la API
│   ├── core/               # Configuración y componentes centrales
│   ├── db/                 # Capa de acceso a datos (DynamoDB)
│   └── main.py             # Punto de entrada de la aplicación y FastMCP server
├── scripts/                # Scripts para creación de tabla y carga de datos en DynamoDB
│   ├── create_table.py
│   └── load_data.py
├── events/                 # Directorio para los JSON extraídos de Firecrawl
├── Dockerfile              # Dockerfile para despliegue
├── requirements.txt        # Dependencias del proyecto (para uv)
└── README.md               # Este archivo

Related MCP server: Eventbrite MCP Server

要件

• Python 3.10以上

• uv (依存関係管理と仮想環境用)

• AWS アカウント (DynamoDB および App Runner 用)

• Firecrawl APIキー

施設

1. このリポジトリをクローンします:

   git clone <repository-url>
   cd berghain-api

2. uvを使用して仮想環境を作成し、アクティブ化します。

   uv venv
   source .venv/bin/activate  # En Linux/macOS
   # .venv\\Scripts\\activate    # En Windows

3. uvを使用して依存関係をインストールします。

   uv pip install -r requirements.txt

詳細なプロセス

1. Firecrawlによるデータ抽出

• Firecrawl MCP をカーソルに設定します。Firecrawl API キーがあることを確認します。カーソル MCP 構成で、以下を追加します。

     "firecrawl-mcp": {
        "command": "npx",
        "args": [
          "-y",
          "firecrawl-mcp"
        ],
        "env": {
          "FIRECRAWL_API_KEY": "fc-YOUR_FIRECRAWL_API_KEY"
        }
      }

• 抽出を実行します。Cursorのエージェント (または同様のツール) を使用して、Firecrawl MCP を呼び出し、 https://www.berghain.berlin/en/program/からイベントを抽出するように要求します。

• **データを保存する:**抽出されたデータは、 events/ディレクトリに JSON ファイルとして保存する必要があります。たとえば、 events/berghain_events_YYYY-MM-DD.json 。

2. DynamoDBへのデータのロード

• DynamoDB にテーブルを作成します。scripts scripts/create_table.pyスクリプトがこれを処理します。実行します（必要に応じてパラメータを調整します）。

  uv run python scripts/create_table.py --table berghain_events --region tu-region-aws
  # Para desarrollo local con DynamoDB Local (ej. docker run -p 8000:8000 amazon/dynamodb-local):
  # uv run python scripts/create_table.py --table berghain_events --region localhost --endpoint-url http://localhost:8000

• テーブルにデータをロードします。scripts scripts/load_data.pyスクリプトは、JSON ファイルからイベントをロードします。

  uv run python scripts/load_data.py --table berghain_events --region tu-region-aws --path events
  # Para desarrollo local:
  # uv run python scripts/load_data.py --table berghain_events --region localhost --endpoint-url http://localhost:8000 --path events

  引数として渡さない場合はapp/core/config.py ( load_data.pyによってインポート) に必要な構成があることを確認してください。

3. FastAPIとMCPサーバーを使用したAPI

• API ロジックはapp/ディレクトリにあり、エンドポイントが定義されています (例: app/api/endpoints/events.py )。

• app/main.pyファイルは、FastAPI アプリケーションと FastMCP サーバーを起動するように構成され、API エンドポイントを AI モデルのツールとして公開します。 app/main.pyのcustom_mapsをチェックして、 GET ルートがRouteType.TOOLにどのようにマップされるかを確認します。

AWS へのデプロイメント

に。 Dockerfile

uvを使用し、 app/main.pyを実行するようにDockerfileが正しく構成されていることを確認します。

b.イメージをビルドして Amazon ECR (Elastic Container Registry) にアップロードする

1. ECR を使用して Docker を認証します。

   aws ecr get-login-password --region tu-region-aws | docker login --username AWS --password-stdin tu-aws-account-id.dkr.ecr.tu-region-aws.amazonaws.com

2. ECR にリポジトリを作成します (存在しない場合)。

   aws ecr create-repository --repository-name berghain-mcp-api --region tu-region-aws

3. Docker イメージをビルドします。

   docker build -t berghain-mcp-api .

4. 画像にタグを付けます:

   docker tag berghain-mcp-api:latest tu-aws-account-id.dkr.ecr.tu-region-aws.amazonaws.com/berghain-mcp-api:latest

5. 画像を ECR にアップロードします。

   docker push tu-aws-account-id.dkr.ecr.tu-region-aws.amazonaws.com/berghain-mcp-api:latest

   tu-region-awsとtu-aws-account-id実際の値に置き換えます。

紀元前Terraform でインフラストラクチャをデプロイする

1. Terraform ファイルを準備します。Terraform構成ファイル (例: main.tf 、 variables.tf 、 outputs.tf ) がディレクトリ (例: terraform/ ) にあることを確認します。これらのファイルでは、ECR イメージが使用する AWS App Runner サービスや DynamoDB テーブル (Terraform でも管理されている場合) などの必要な AWS リソースを定義する必要があります。 Terraform の App Runner 構成では、ECR にアップロードされたイメージを参照する必要があります。

2. Terraform ディレクトリに移動します。

   cd terraform 

3. Terraform を初期化します。

   terraform init

4. Terraform 構成を適用します。

   terraform apply

   計画を確認し、申請を確定します。 Terraform がリソースをプロビジョニングします。

5. **サービス URL を取得します。**適用すると、Terraform によって、App Runner サービス URL を含む定義済みの出力が表示されます。この URL (例: https://<id-servicio>.<region>.awsapprunner.com ) をメモします。

展開したソリューションをテストする

に。ローカルテストスクリプトを調整する ( mcp_local.py )

mcp_local.pyファイルをプロジェクトのルートに設定します。

重要: mcp_local.pyのmcp_server_url変数を、Terraform 出力から取得した URL に更新します。

b.テストを実行

プロジェクトのルート (またはmcp_local.py保存した場所) から:

uv run python mcp_local.py

これにより、PydanticAI エージェントが実行され、デプロイされた MCP に接続してクエリを実行しようとします。

ライセンス

マサチューセッツ工科大学