EventOps：一个用于活动运营的 MCP 服务器 + AI CLI

EventOps 将多年混乱的活动票务导出数据转化为 AI 工具能够真正推理的内容。它将 MQIS 活动和会员数据（Humanitix 导出）以一组确定性工具的形式暴露给任何 Model Context Protocol 客户端（Claude Desktop、Claude Code、Cursor），并附带一个支持 AI 的命令行工具，可基于这些工具编写运营报告和基于同意（consent-aware）的电子邮件。

我构建它的目的是为我的 AI 工具提供项目特定上下文，而不是泛泛的答案。这就是核心理念：AI 可以调用 get_event_metrics("Saazish") 并获取精确数字，而不是猜测。

设计原则：确定性工具，AI 负责叙述

每个数字都来自 pandas，绝不来自语言模型。MCP 工具和 CLI 都调用同一个 EventData 对象（data_loader.py）进行计数。AI 只决定调用哪个工具以及如何措辞结果。它无法凭空捏造收入数字，因为它从不计算收入。这是项目最重要的属性。

Related MCP server: Presso MCP Server

它能做什么（来自我自己活动的真实数据）

在 8 个数据集中：3,690 个订单，4,690 张有效门票，约 2,770 个独立人员，以及约 A$61.4k 的 MQIS 收入（扣除平台费用；总票务销售额约 A$62.1k）。238 人参加了 2 个或更多不同活动，其中 69 人还持有会员资格。

源数据中存在三个金额列，它们不是同一回事：Ticket sales（票面总价值）、Paid（客户实际支付，包括 Humanitix 费用）和 Your earnings（MQIS 实际收到的金额）。EventOps 将 Your earnings 报告为“MQIS 收入”，因此头条数字是诚实的。

通过 MCP 暴露的工具（server.py）

AI CLI（cli.py）

python cli.py summary
python cli.py report      --event "Saazish"
python cli.py compare     --e1 "Raaz" --e2 "Saazish"
python cli.py draft-email --type promo --target non-members --event "Gulaal"
python cli.py attendee    --query "someone@example.com"

在任何命令后添加 --raw 即可打印底层 JSON 事实，而不是 AI 编写的版本。这是证明工具精确性的好方法：AI 输出只会重述 --raw 中的数字。

draft-email 命令只包含 Marketing opt-in 为 Yes 的人员，因此不会向未同意的人起草邮件。

设置

python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt

# 1. Sample data (safe, synthetic) so it runs out of the box:
python gen_sample_data.py

# 2. Or use real data: drop your Humanitix CSV exports into ./data/
#    (that folder is git-ignored and never committed)

# 3. For the CLI, set your key:
cp .env.example .env   # then edit, or just:
export ANTHROPIC_API_KEY=sk-ant-...

如果 ./data 为空，EventOps 会自动回退到 ./sample_data，因此全新克隆即可立即使用。

向客户端注册 MCP 服务器

Claude Desktop / Claude Code（claude_desktop_config.json）：

{
  "mcpServers": {
    "eventops": {
      "command": "python",
      "args": ["/absolute/path/to/event-ops-mcp/server.py"]
    }
  }
}

Cursor（.cursor/mcp.json）：结构相同。重启客户端，然后询问类似“使用 eventops，比较 Raaz 和 Saazish”或“谁是我们最忠实的参与者？”的问题，它就会调用这些工具。

数据隐私

真实导出数据包含个人信息（姓名、电子邮件、电话号码）。它们位于 ./data/ 中，该目录已被 git 忽略。只有合成的 ./sample_data/ 会被提交。切勿提交真实的参与者数据。

文件

event-ops-mcp/
├── data/                # real Humanitix CSVs (git-ignored, you provide)
├── sample_data/         # synthetic CSVs, safe to commit
├── data_loader.py       # cleaning + all deterministic analytics
├── server.py            # FastMCP server exposing the tools
├── cli.py               # AI-enabled CLI (Anthropic API)
├── gen_sample_data.py   # builds the synthetic dataset
├── requirements.txt
├── .env.example
└── .gitignore