de en es ja ko ru zh

MCP Customer Support AI

Name: MCP Customer Support AI
Author: ashwani-yadav83602

by ashwani-yadav83602

Overview Schema Source Related Servers Discussions Admin

TypeScript

Remote

MCP Customer Support AI

Node.js、TypeScript、MongoDB、LLM で作られた、本番向けの Model Context Protocol (MCP) プロジェクトです。

このプロジェクトは、AIアプリケーションが MCP ツールを通じて外部システムと構造化・安全・スケーラブルな方法で連携できる仕組みを示しています。

このプロジェクトは、基本的なMCPサーバーとツールから始まり、本番運用型のAIカスタマーサポートシステムへと段階的に構築されています。

🚀 プロジェクト概要

このプロジェクトの目標は、ユーザーのリクエストを理解し、MCP ツールを使って実際のビジネス操作を実行できる、AI 搭載のカスタマーサポートアシスタントを構築することです。

例

ユーザーは次のように質問できます:

「最新の注文を確認して、遅延している場合はサポートチケットを作成してください。」

AI は次のアクションが必要だと判断できます:

顧客を検索する。
顧客の注文を取得する。
遅延している注文を特定する。
サポートチケットを作成する。

AI はデータベースに直接アクセスしません。

その代わりに、MCP ツールを通じてアプリケーションとやりとりします。

                         User
                           │
                           ▼
                      AI / LLM
                           │
                           ▼
                      MCP Client
                           │
                           ▼
                    ┌─────────────┐
                    │ MCP Server  │
                    └──────┬──────┘
                           │
              ┌────────────┼────────────┐
              ▼            ▼            ▼
       Customer Tool   Order Tool   Ticket Tool
              │            │            │
              └────────────┼────────────┘
                           ▼
                       Services
                           │
                           ▼
                        MongoDB

🎯 プロジェクトの目的

このプロジェクトでは、以下を実演します:

MCP サーバー開発
MCP ツール作成
MCP クライアント通信
AI ツール呼び出し
TypeScript アーキテクチャ
MongoDB 統合
サービスレイヤーアーキテクチャ
入力検証
エラーハンドリング
認証と認可
ロギングと監視
監査ログ
本番向けMCP アーキテクチャ
AI エージェントワークフロー

🛠️ 技術スタック

Related MCP server: support-agent-mcp

バックエンド

Node.js
TypeScript
MCP SDK
Zod
MongoDB
Mongoose

AI

LLM 統合
ツール呼び出し
AI エージェントワークフロー

開発

MCP Inspector
Git
GitHub
npm

予定されている本番インフラ

Docker
Redis
認証
レート制限
ロギング
監視
CI/CD

📁 プロジェクト構造

mcp-customer-support/
│
├── src/
│   │
│   ├── index.ts
│   │
│   ├── tools/
│   │   ├── customer.tools.ts
│   │   ├── order.tools.ts
│   │   └── ticket.tools.ts
│   │
│   ├── services/
│   │   ├── customer.service.ts
│   │   ├── order.service.ts
│   │   └── ticket.service.ts
│   │
│   ├── models/
│   │   ├── customer.model.ts
│   │   ├── order.model.ts
│   │   └── ticket.model.ts
│   │
│   ├── db/
│   │   └── database.ts
│   │
│   ├── middleware/
│   │   └── auth.ts
│   │
│   └── utils/
│       ├── logger.ts
│       └── errors.ts
│
├── tests/
│
├── .env.example
├── .gitignore
├── package.json
├── package-lock.json
├── tsconfig.json
└── README.md

🏗️ 開発フェーズ

このプロジェクトは、各フェーズで重要な MCP 概念や本番運用の概念をできるように、意図的に段階に分かれています。

Phase 1 — MCP サーバーの基礎

目的

基本的な MCP サーバーを作成し、最初のツールを公開します。

実装内容

Node.js プロジェクト
TypeScript 構成
MCP SDK
MCP サーバー
STDIO トランスポート
Zod による入力検証
最初の MCP ツール
MCP Inspector 統合

最初のツール

find_customer

入力

{
  "email": "ashwani@example.com"
}

出力

{
  "id": "customer_123",
  "name": "Ashwani Yadav",
  "email": "ashwani@example.com"
}

アーキテクチャ

MCP Inspector
      │
      ▼
MCP Client
      │
      │ STDIO
      ▼
MCP Server
      │
      ▼
find_customer()
      │
      ▼
Dummy Data

ステータス

完了 ✅

Phase 2 — 複数の MCP ツール

目的

実際のカスタマーサポート業務を表す複数のツールを作成します。

ツール

find_customer
get_customer_orders
create_support_ticket

例

find_customer

find_customer(email)

get_customer_orders

get_customer_orders(customerId)

create_support_ticket

create_support_ticket(
    customerId,
    orderId,
    issue
)

想定されるアーキテクチャ

                    MCP Server
                        │
        ┌───────────────┼───────────────┐
        ▼               ▼               ▼
find_customer()   get_orders()   create_ticket()

ステータス

予定 🚧

Phase 3 — MongoDB 統合

目的

ダミーデータを実際の永続データに置き換えます。

データベース

MongoDB

コレクション

customers
orders
support_tickets

アーキテクチャ

MCP Tool
   │
   ▼
Service Layer
   │
   ▼
Mongoose
   │
   ▼
MongoDB

例

find_customer()
      │
      ▼
customer.service.ts
      │
      ▼
Customer Model
      │
      ▼
MongoDB

利点

永続データ
適切なデータベースクエリ
インデックス
スキーマ検証
スケーラブルなデータアクセス

予定インデックス

customers.email

これにより、データセットが成長しても、メールアドレスによる顧客検索の効率が維持されます。

ステータス

予定 🚧

Phase 4 — サービスレイヤーとクリーンアーキテクチャ

目的

MCP ツールをビジネスロジックから分離します。

MCP ツールの中に直接データベースロジックを置くのではなく:

Tool
 ↓
Service
 ↓
Database

例

customer.tools.ts
        │
        ▼
customer.service.ts
        │
        ▼
customer.model.ts
        │
        ▼
MongoDB

なぜ？

これにより得られるもの:

関心の分離
テスト容易性
再利用性
保守性
REST/GraphQL/内部サービスへの移行の容易さ

20

予定 🚧

Phase 5 — MCP クライアント

目的

MCP サーバーに接続する専用の MCP クライアントを構築します。

┌──────────────┐
│ MCP Client   │
└──────┬───────┘
       │
       ▼
┌──────────────┐
│ MCP Server   │
└──────────────┘

クライアントは次のことができます:

ツールの発見

listTools()

ツールの実行

callTool()

例:

callTool(
    "find_customer",
    {
        email: "ashwani@example.com"
    }
)

ステータス

予定 🚧

Phase 6 — LLM 統合

目的

MCP クライアントに従って LLM を接続します。

アーキテクチャは次:

User
 │
 ▼
LLM
 │
 ▼
MCP Client
 │
 ▼
MCP Server
 │
 ▼
Tools
 │
 ▼
MongoDB

LLM はユーザーのリクエストに基いて、どのツールを呼び出すかを決定します。

例

ユーザー:

Check my latest order.

AI:

I need the customer's orders.

ツール:

get_customer_orders()

ツールが注文データを返します。

その後、AI は自然言語の応答を生成します。

ステータス

予定 🚧

Phase 7 — AI エージェント・ワークフロー

目的

LLM がマルチステップのワークフローを実行できるようにします。

リクエストの例:

Check my latest order and create a support
ticket if it is delayed.

AI ワークフロー:

             User Request
                   │
                   ▼
                 LLM
                   │
                   ▼
           find_customer()
                   │
                   ▼
        get_customer_orders()
                   │
                   ▼
           Analyze orders
                   │
                   ▼
        Is order delayed?
              /          \
            Yes           No
             │             │
             ▼             ▼
 create_support_ticket   Response
             │
             ▼
          Response

これにより、単にツールを露出することと、ツールのオーケストレーションが可能な AI エージェントを構築することの違いを明確に実証できます。

ステータス

予定 🚧

Phase 8 — 認証と認可

目的

MCP 操作を安全に保護します。

認証は次のことを検証します:

ユーザーは誰ですか?

認可は次を検証します:

ユーザーに許可された操作は何ですか?

権限の例:

customer.read
order.read
ticket.create
ticket.update
admin.refund

例:

Customer
 ├── find_customer       ✅
 ├── get_orders          ✅
 ├── create_ticket       ✅
 └── refund_order        ❌

Admin
 ├── find_customer       ✅
 ├── get_orders          ✅
 ├── create_ticket       ✅
 └── refund_order        ✅

ステータス

予定 🚧

Phase 9 — エラーハンドリング

目的

ツール間で一貫したエラーハンドリングを作成します。

例:

CustomerNotFoundError
OrderNotFoundError
UnauthorizedError
ValidationError
DatabaseError
ToolExecutionError

MCP ツールの応答は障害を明確に伝えます。

例:

{
  "isError": true,
  "message": "Customer not found"
}

ステータス

予定 🚧

Phase 10 — ロギングと可視性

目的

本番環境での MCP 操作を追跡します。

各ツール実行は次の情報を提供する必要があります:

Request ID
User ID
Tool name
Arguments
Execution time
Status
Error
Timestamp

例:

INFO Tool Execution

tool: get_customer_orders
customerId: customer_123
duration: 85ms
status: success

監視の目標

ツールのスケンス
エラー率
データベースの遅延
AI 応答遅延
ツール使用頻度
失敗したツール呼び出し

ステータス

予定 🚧

Phase 11 — レート制限

目的

MCP サーバーを過剰なまたは悪性のあるリクエストから保護します。

可能な戦略:

User
 │
 ▼
Rate Limiter
 │
 ├── Allowed ──→ MCP Tool
 │
 └── Blocked ──→ Rate Limit Error

分散レート制限のために Redis を導入できます。

例:

100 requests / minute / user

ステータス

予定 🚧

Phase 12 — 監査ログ

目的

AI 駆動の機密操作を記録します。

例:

User:
customer_123

AI requested:
create_support_ticket

Order:
order_123

Action:
Support ticket created

Timestamp:
2026-08-23T10:30:00Z

AI エージェントがビジネスデータを変更する操作を実行できる場合、特に重要です。

ステータス

予定 🚧

Phase 13 — テスト

単体テスト

対象:

サービス
検証
ビジネスロジック
エラーハンドリング

結合テスト

対象:

MCP Tool
   ↓
Service
   ↓
MongoDB

MCP テスト

対象:

MCP Client
   ↓
MCP Server
   ↓
Tool

例

find_customer
    ↓
valid email
    ↓
customer returned

および:

find_customer
    ↓
invalid email
    ↓
validation error

ステータス

予定 🚧

Phase 14 — Docker 化

目的

アプリケーションをコンテナ化します。

Docker
│
├── MCP Server
│
├── MongoDB
│
└── Redis

本番アーキテクチャの例:

                 ┌─────────────┐
                 │   AI App    │
                 └──────┬──────┘
                        │
                        ▼
                 ┌─────────────┐
                 │ MCP Server  │
                 └──────┬──────┘
                        │
             ┌──────────┼──────────┐
             ▼          ▼          ▼
          MongoDB     Redis      Logs

ステータス

予定 🚧

Phase 15 — CI/CD

目的

テストとデプロイを自動化します。

パイプライン:

Developer
    │
    ▼
Git Push
    │
    ▼
GitHub Actions
    │
    ├── Install dependencies
    ├── Lint
    ├── Type check
    ├── Run tests
    ├── Build
    └── Deploy

ステータス

予定 🚧

🔐 環境変数

.env を GitHub にコミットしないでください。

開発には次を使用:

.env

例:

MONGODB_URI=mongodb://localhost:27017/mcp-support
OPENAI_API_KEY=your_api_key
JWT_SECRET=your_secret

提供:

.env.example

その代わり:

MONGODB_URI=
OPENAI_API_KEY=
JWT_SECRET=

🧪 開発

依存関係のインストール:

npm install

開発サーバーを実行:

npm run dev

ビルド:

npm run build

本番ビルドを実行:

npm start

🔍 MCP Inspector

MCP Inspector は、開発中に MCP サーバーをテストし、利用可能なツールを検査するために使用します。

例:

npx @modelcontextprotocol/inspector npx tsx src/index.ts

Inspector では、次のことができます:

MCP サーバーに接続
ツールを発見
ツール・スキーマを検査
ツールを実行
応答を検査
MCP 通信をデバッグ

🧠 実証される MCP 概念

このプロジェクトでデモする MCP の概念:

MCP サーバー

MCP クライアントに機能を提供します。

MCP クライアント

MCP サーバーに接続し、そBebeの機能を呼び出します。

ツール

AI システムに公開される実行可能な操作。

例:

find_customer
get_customer_orders
create_support_ticket

リソース

MCP クライアントに公開できる読み取り専用のコンテキストデータ。

将来のリソースの候補:

customer://customer_123
order://order_123

プロンプト

MCP を通じて公開できる、再利用可能なプロンプトテンプレートおよびワークフローです。

将来の例:

customer_support_resolution

🏆 本番アーキテクチャ

最終的なアーキテクチャは次のように予定されています:

                         ┌───────────────┐
                         │     User      │
                         └───────┬───────┘
                                 │
                                 ▼
                         ┌───────────────┐
                         │    LLM / AI   │
                         └───────┬───────┘
                                 │
                                 ▼
                         ┌───────────────┐
                         │  MCP Client   │
                         └───────┬───────┘
                                 │
                                 ▼
                    ┌────────────────────────┐
                    │       MCP Server       │
                    │                        │
                    │ Authentication         │
                    │ Authorization          │
                    │ Validation             │
                    │ Rate Limiting          │
                    │ Logging                │
                    └───────────┬────────────┘
                                │
               ┌────────────────┼────────────────┐
               ▼                ▼                ▼
        Customer Tool      Order Tool       Ticket Tool
               │                │                │
               └────────────────┼────────────────┘
                                ▼
                         Service Layer
                                │
                ┌───────────────┼───────────────┐
                ▼               ▼               ▼
             MongoDB          Redis          Logging

📌 現在の進捗

Phase	内容/機能	ステータス
1	MCP サーバーの基礎	✅ 完了
2	複数の MCP ツール	🚧 予定
3	MongoDB 統合	🚧 予定
4	サービスレイヤー	🚧 予定
5	MCP クライアント	🚧 予定
6	LLM 統合	🚧 予定
7	AI エージェントワークフロー	🚧 予定
8	認証と認可	🚧 予定
9	エラーハンドリング	🚧 予定
10	ロギングと監視	🚧 予定
11	レート制限	🚧 予定
12	監査ログ	🚧 予定
13	テスト	🚧 予定
14	Docker 化	🚧 予定
15	CI/CD	🚧 予定

💡 将来の会話例

すべてのフェーズが完了すると、次のような会話ができるようになります:

ユーザー

最新の注文がまだ届いていません。確認してサポートチケットを作成してもらえますか?

1. Find customer
2. Retrieve orders
3. Identify delayed order
4. Create support ticket
5. Return ticket information

AI の応答

ご注文 ORD-123 は遅延しています。サポートチケット TICKET-456 を作成しました。

🎓 面接で取り上げるトピック

このプロジェクトは、以下の知識をデモするために使用できます:

Model Context Protocol
AI エージェント
LLM ツール呼び出し
ファンクション呼び出し
MCP サーバー
MCP クライアント
ツールの発見
ツールの実行
TypeScript
Node.js
MongoDB
Mongoose
クリーンアーキテクチャ
サービスレイヤー・アーキテクチャ
認証
認可
RBAC
レート制限
Redis
ロギング
監視
Docker
CI/CD
GitHub Actions
テスト
スケール可能なバックエンド・アーキテクチャ

📈 将来の改善

潜在的条の将来の拡張:

複数の MCP サーバー
支払い MCP ツール
メール MCP ツール
CRM 統合
Slack 統合
GitHub 統合
ベクトルデータベース
RAG
セマンティック検索
本ループ承認（人間参加）
ツール権限ポリシー
ツール実行トレーシング
分散 MCP デプロイ
Kubernetes への展開

👤開発哲学

本プロジェクトは以下の原則に従います:

関心の分離
強い型付け
入力検証
セキュアなシークレット管理
テスト可能なビジネスロジック
注意のいくのツール実行
最小権限のツールアクセス
スケーラブルなアーキテクチャ
明確な MCP 境界

📜 ライセンス

本プロジェクトは、学習・実験・MCP/AIエンジニアリング概念のデモンストレーションを目的としています。

公開する前に、文ためのオープンソースライセンスを追加してください。

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityStale

ResponsivenessNo recent community issues

Resources

Related MCP Connectors

Chat Thing
ai.chatthing
Build and manage AI-native customer support agents from Claude or any MCP client.
Customer Support Autonomous Agents AI & Machine Learning
2
https://app.chatthing.ai/mcp
Flowra
io.github.flowradev
MCP server for your apps' tools and custom tools, plus hosted AI agents and approval-gated workflows
Agent Orchestration Autonomous Agents
11
https://mcp.flowra.dev/mcp
LiveContext
ai.livecontext
Build and run AI workflows, agents, data tables and 1000+ API integrations from any MCP client.
Agent Orchestration App Automation Data Platforms
1
https://livecontext.ai/mcp
Cralo
ai.cralo
Pay-per-use tool marketplace for AI agents. Search, price-check, and call APIs via MCP.
Agent Orchestration Developer Tools
1
https://mcp.cralo.ai/mcp

Related MCP Servers

Customer Support MCP Server
Customer Support CRM Communication
ekluvtech
A
license
Not graded
quality
D
maintenance
Enables AI-powered customer support with real-time access to CRM, ticketing, and communication tools via MCP, supporting context-aware conversations and automated actions.
Updated 8 months ago (2026-02-28 11:19 UTC)
Apache 2.0
support-agent-mcp
Customer Support RAG Systems
Kartz82
A
license
Not graded
quality
D
maintenance
Exposes order status lookup and knowledge base search tools from the Support Agent AI over MCP, enabling MCP clients to handle customer support queries with grounded, citation-backed answers.
Updated 3 months ago (2026-08-11 19:40 UTC)
1
MIT
7dayrag
RAG Systems Search Customer Support
HamdanProfessional
F
license
Not graded
quality
C
maintenance
Provides MCP tools for hybrid knowledge base search, grounded Q&A with citations, agent execution, and ticket/account lookups.
Updated 2 months ago (2026-08-24 23:48 UTC)
-
ai-support-agent
Customer Support RAG Systems
HassanYousafzai
F
license
Not graded
quality
C
maintenance
Enables AI assistants to handle customer support by looking up order status, semantically searching knowledge bases, and creating support tickets through MCP tools, with grounded answers and automated evaluations.
Updated 2 months ago (2026-09-03 05:14 UTC)
-