mental_health_mcp

此存储库旨在发送配置心理健康 MCP 所需的材料。

如何在 Claude (Windows) 中使用该项目

1. 安装 Claude Desktop

1. 访问 Anthropic 官方网站： https://claude.ai/download

2. 下载 Windows 版本

3. 正常安装并打开应用程序

2. 配置 MCP (Model Context Protocol)

Claude Desktop 允许通过 MCP 集成外部工具。

配置文件位置：

在 Windows 上，文件位于：

C:\Users\SEU_USUARIO\AppData\Roaming\Claude\claude_desktop_config.json

如果不存在，您可以手动创建该文件。

3. 添加 MCP 服务器

打开 claude_desktop_config.json 文件并添加：

{
  "mcpServers": {
    "Mental Health MCP": {
      "command": "node",
      "args": ["C:\\caminho\\para\\seu\\projeto\\server.js"]
    }
  }
}

将：

C:\\caminho\\para\\seu\\projeto\\server.js

替换为 server.js 文件所在的实际路径。

4. 启动服务

在 Claude 中使用之前，需要启动：

🔹 后端 (FastAPI)

在终端中：

cd mental_health_mcp
source venv/bin/activate  # ou venv\Scripts\activate no Windows
uvicorn main:app --reload

🔹 使用 ngrok 暴露 API

ngrok http 8000

复制生成的 URL（例如：https://xxxx.ngrok-free.dev）

🔹 更新 server.js

在 server.js 文件中，更新 API 的 URL：

const API_URL = "https://xxxx.ngrok-free.dev/chat";

启动 MCP 服务器

node server.js

5. 在 Claude 中使用

1. 打开 Claude Desktop

2. 进入 Settings (设置)

3. 访问 Developer / MCP 部分

4. 确认服务器显示为活动状态

5. 开始对话时，使用 “+” 按钮访问工具

重要提示

本系统设计有明确的限制以避免道德风险， 不进行临床诊断或建议。

它仅作为情感支持助手，不能替代专业医疗护理。

注意事项

• 系统使用 Python 知识库

• 回复基于定义的关键词和规则

• Claude 使用 MCP 作为对话界面

完成！

完成这些步骤后，Claude 将集成到您的 MCP 服务器，并可以使用您的情感支持 API。

开发的架构：

Related MCP server: Emotion Dataset Analysis MCP Server

系统架构

该项目由三个主要层组成：

1. Python API (FastAPI)

API 使用 FastAPI 框架开发，负责：

• 接收用户消息

• 处理文本（规范化和分析）

• 查询知识库 (knowledge_base.py)

• 识别潜在的情感模式

• 返回包含以下内容的结构化响应：

  • 支持性消息

  • 自我护理建议

  • 风险等级

  • 道德警告

📍 主要端点：

POST /chat

请求示例：

{
  "message": "Não me sinto bem hoje"
}

响应示例：

{
  "response": "Entendo. Você pode me contar um pouco mais sobre o que vem sentindo?\n\n[...]",
  "risk_level": "low"
}

API 的逻辑基于规则和关键词，确保了响应的可预测性和可控性。

2. 知识库 (knowledge_base.py)

知识库包含：

• 情感类别（例如：焦虑、悲伤、压力）

• 相关关键词

• 预定义回复

• 自我护理建议

• 关键术语（用于检测高风险）

这种结构允许系统在不依赖外部模型的情况下，利用确定性逻辑运行。

3. MCP 服务器 (Node.js)

MCP 服务器充当 Claude 和 Python API 之间的中介。

职责：

• 接收来自 Claude 的调用（通过 MCP）

• 将请求转发给 FastAPI

• 将 API 的响应返回给 Claude

流程：

1. 用户在 Claude 中发送消息

2. Claude 通过 MCP 触发工具

3. MCP (Node.js) 向 Python API 发送 HTTP 请求

4. API 处理并返回响应

5. MCP 将结果返回给 Claude

6. Claude 向用户显示响应

4. API 暴露 (ngrok)

由于 Claude 无法访问 localhost，因此使用 ngrok 来暴露 API：

ngrok http 8000

这会生成一个供 MCP 服务器使用的公共 URL。

系统完整流程

Usuário → Claude → MCP (Node.js) → API (FastAPI) → Base de Conhecimento
                                             ↓
                                      Resposta estruturada
                                             ↓
Usuário recebe resposta no Claude

技术考量

• 系统不使用生成式人工智能进行临床决策

• 所有逻辑均基于受控规则

• Claude 仅作为对话界面

• MCP 允许模型与外部系统之间的安全集成

架构目标

确保：

• 响应可控

• 道德安全

• 易于维护

• 与现代工具集成 (MCP + LLMs)