Skip to main content
Glama
enesjakozh
attarmau

FastMCP_RecSys

by attarmau
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

Sistema de registro FastMCP

Este es un recomendador de moda basado en CLIP con MCP.

Bosquejo

Un usuario carga una imagen de ropa → YOLO detecta la ropa → CLIP codifica → Recomienda algo similar

Estructura de carpetas

/project-root
│
├── /backend
│   ├── Dockerfile            
│   ├── /app
│   │   ├── server.py                    # FastAPI app code
│   │   ├── /routes
│   │   │   └── clothing_routes.py
│   │   ├── /controllers
│   │   │   └── clothing_controller.py
│   │   │   └──clothing_tagging.py
│   │   │   └── tag_extractor.py         # Pending: define core CLIP functionality
│   │   ├── schemas/
│   │   │   └── clothing_schemas.py
│   │   ├── config/
│   │   │   └── tag_list_en.py           $ Tool for mapping: https://jsoncrack.com/editor
│   │   │   └── database.py       
│   │   │   └── settings.py       
│   │   │   └── api_keys.py     
│   │   └── requirements.txt      
│   └── .env                      
│                      
├── /fastmcp
│   └── app
│       └── server.py  
│
├── /frontend 
│   ├── Dockerfile        
│   ├── package.json              
│   ├── package-lock.json         
│   ├── /public
│   │   └── index.html            
│   ├── /src
│   │   ├── /components            
│   │   │   ├── ImageUpload.jsx    
│   │   │   ├── DetectedTags.jsx   
│   │   │   └── Recommendations.jsx 
│   │   ├── /utils
│   │   │   └── api.js             
│   │   ├── App.js                    # Main React component
│   │   ├── index.js
│   │   ├── index.css            
│   │   ├── tailwind.config.js        
│   │   ├── postcss.config.js        
│   │   └── .env                      
│   ├── .gitignore                    
│   ├── docker-compose.yml            
│   └── README.md                    
└────── requirements.txt

Guía de inicio rápido

Paso 1: Clonar el proyecto de GitHub

Paso 2: Configurar el entorno de Python

python -m venv venv
source venv/bin/activate  # On macOS or Linux
venv\Scripts\activate     # On Windows

Paso 3: Instalar dependencias

pip install -r requirements.txt

Paso 4: Iniciar el servidor FastAPI (backend)

uvicorn backend.app.server:app --reload

Una vez que el servidor esté en ejecución y la base de datos esté conectada, debería ver el siguiente mensaje en la consola:

Database connected
INFO:     Application startup complete.

Paso 5: Instalar dependencias

Base de datos conectada INFO: Inicio de la aplicación completo.

npm install

Paso 6: Iniciar el servidor de desarrollo (Frontend)

npm start

Una vez en ejecución, el servidor registra una confirmación y abre la aplicación en su navegador: http://localhost:3000/

📌 Componentes de muestra para la interfaz de usuario

  1. Carga de imágenes

  2. Botón de envío

  3. Mostrar etiquetas de ropa + recomendaciones

Lo que se ha completado hasta ahora:

  1. El servidor FastAPI está en funcionamiento (24 de abril)

  2. La conexión a la base de datos está configurada (24 de abril)

  3. La arquitectura backend es funcional (24 abr.)

  4. Interfaz de usuario básica para cargar imágenes (25 de abril)

Próximo paso:

  1. Evaluar la precisión del etiquetado de CLIP en imágenes de ropa de muestra

  2. Ajuste el sistema de etiquetado para obtener mejores recomendaciones

  3. Pruebe la integración del backend con datos de usuario en tiempo real

  4. Configurar la monitorización del rendimiento del modelo

  5. Demostración de front-end

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

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers