Управляемый сервер Model Context Protocol, который предоставляет возможности работы с курсами, партиями, оплатой, лидами и обратными звонками двум независимым AI-чат-приложениям через единый контракт MCP.
Один MCP-сервер, два независимых клиента (учащийся + консультант) — без дублирующихся интеграций
Учётные данные БД, аутентификация, аудит, валидация — всё централизовано на сервере
Записи требуют шлюза подтверждения (prepare → confirm) — LLM не может создать лид в одиночку
Каждый вызов инструмента аудируется (исполнитель, клиент, хэш аргументов, результат, задержка)
Демонстрация сравнения без MCP показывает, что вы потеряете без MCP
Related MCP server: ComplyOS
# 1. PostgreSQL
docker compose up -d postgres
# 2. Migrate + seed
uv sync
uv run alembic upgrade head
uv run python scripts/seed_demo.py
# 3. Start services (4 terminals)
uv run uvicorn services.mcp_server.app:asgi_app --port 8010
uv run uvicorn services.learner_host.api:app --port 8020
uv run uvicorn services.counsellor_host.api:app --port 8030
uv run streamlit run ui/app.py --server.port 8501Откройте http://localhost:8501 — две вкладки чата (Learner + Counsellor).
Сравнение без MCP:
uv run streamlit run ui/no_mcp_demo.py --server.port 8502
Промпт | Что происходит |
| Перечисляет 4 курса |
| Даты партий + расчёт стоимости + политика |
| Возвращает текст политики |
| ✅/❌ шлюз подтверждения перед созданием лида |
Промпт | Что происходит |
| Перечисляет 4 курса |
| 3 партии с местами |
| ID расчёта + итог (INR) |
| Показывает назначенные лиды |
| ✅/❌ шлюз подтверждения |
См. RUN_GUIDE.md с полными промптами и ожидаемыми ответами.
Порт | Сервис | Роль |
5433 | PostgreSQL | Источник истины (курсы, партии, лиды, аудит) |
8010 | MCP Server | Инструменты (11) + Ресурсы (8) + Промпты (2), JWT-аутентификация, RBAC, аудит |
8020 | Learner Host | Приложение LangGraph — JWT учащегося, шлюз подтверждения для записи |
8030 | Counsellor Host | Приложение LangGraph — JWT консультанта, управление лидами |
8501 | Streamlit UI | Две вкладки чата (на основе MCP) |
8502 | No-MCP Demo | Тот же процесс, прямой доступ к БД — показывает, от чего защищает MCP |
Стек: Python 3.11 · MCP SDK · LangGraph · FastAPI · SQLAlchemy 2 · PostgreSQL 16 · Pydantic v2 · Ollama (qwen3.5:2b) · Streamlit
Концепция | Где | Почему это важно |
Шлюз подтверждения |
| LLM не может создать лид без человека ✅ |
Идемпотентность |
| Сетевые повторы не создают дубликатов |
RBAC | карта | Учащийся не может видеть чужие лиды |
Аудит | таблица | Каждый вызов логируется: кто, что, результат, задержка |
Отсутствие состояния | Выдаваемые сервером ID ( | Горизонтальное масштабирование без сессий |
scai-mcp-admissions/
├── services/
│ ├── mcp_server/ # MCP server (tools, resources, prompts, auth, audit)
│ ├── learner_host/ # LangGraph learner app (port 8020)
│ └── counsellor_host/ # LangGraph counsellor app (port 8030)
├── ui/
│ ├── app.py # Streamlit — 2 chat tabs (MCP)
│ └── no_mcp_demo.py # Streamlit — no-MCP comparison (direct DB)
├── packages/
│ ├── contracts/ # Pydantic tool inputs/outputs + domain models
│ ├── shared/ # Config, LLM adapter, JWT tokens
│ └── observability/ # Structured logging, tracing
├── scripts/
│ ├── seed_demo.py # Seed 4 courses, 4 batches, 4 fee plans, 3 policies
│ ├── issue_dev_token.py # Issue dev JWTs for manual testing
│ └── run_demo_checks.py # Smoke tests against running server
├── tests/ # unit, contract, integration, security, e2e
├── migrations/ # Alembic migrations
├── data/demo_seed/ # Seed data + knowledge_base.json
├── mcp_concept.ipynb # MCP concept notebook (what/why/how/scale/use cases)
├── mcp_flow_diagram.mmd # Mermaid source for architecture diagram
├── mcp_flow_diagram.png # Rendered architecture diagram
├── RUN_GUIDE.md # Step-by-step run guide with test prompts
└── docker-compose.yml # PostgreSQL 16uv run pytest # all tests
uv run pytest -m unit # just unit tests
uv run pytest -m contract # contract testsThis server cannot be installed
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Runtime AI governance: decision gates, human approval, hash-chained audit, compliance mapping.
Enterprise AI Control Plane: governance, guardrails, spend tracking, compliance & smart routing.
Odoo ERP for AI agents: hosted OAuth endpoint, gated writes, one endpoint for every instance.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/avivek-dwivedi/custom-mcp-server'
If you have feedback or need assistance with the MCP directory API, please join our Discord server
