基于 MCP 协议的电商数据分析 Agent (mcp-cn-commerce)

本项目是一个基于 Anthropic MCP (Model Context Protocol) 标准架构构建的电商自动化分析智能体（Agent）。 系统通过将大语言模型（LLM）与拼多多/抖店工具链进行解耦对接，实现了利用自然语言驱动工具调用（Tool Calling），完成店铺商品查询、订单分析与经营决断输出。

🌟 核心亮点与工程改进

1. MCP 标准架构落地：遵循 Model Context Protocol 协议规范，通过 Stdio 管道实现 Client 与 本地 MCP Server 的双向通信。

2. Mock 代理层设计（鉴权绕过）：重写服务端核心 _call 响应逻辑，注入规范的电商业务模拟 JSON 数据，无需企业级真实 API 凭证即可实现全流程离线运行与 Agent 链路验证。

3. 多客户端与多模型解耦：验证了架构的跨平台兼容性，成功从 Claude Desktop 迁移至 Cherry Studio，并适配 DeepSeek-V3 / R1 大模型，将工具调用成本降低 90% 以上。

Related MCP server: Haravan MCP

🛠️ 技术栈

• Protocol: Model Context Protocol (MCP)

• Language: Python 3.10+

• Dependency Manager: uv

• Clients Supported: Cherry Studio, Claude Desktop, Cursor

• Models Tested: DeepSeek-V3, DeepSeek-R1, Claude 3.5 Sonnet

🚀 快速本地部署

1. 克隆本项目与安装依赖

git clone [https://github.com/你的用户名/mcp-cn-commerce-agent.git](https://github.com/你的用户名/mcp-cn-commerce-agent.git)
cd mcp-cn-commerce-agent
uv sync
2. 在 Cherry Studio 中配置 MCP 服务
在 Cherry Studio 的 设置 -> MCP 服务器 中添加：

名称: mcp-cn-commerce

类型: stdio

命令: uv

参数: run mcp-cn-commerce start pinduoduo

环境变量:
PINDUODUO_CLIENT_ID=mock_client_id
PINDUODUO_CLIENT_SECRET=mock_client_secret
PINDUODUO_ACCESS_TOKEN=mock_access_token

💡 使用示例
在客户端对话框中发送指令：

"帮我查一下拼多多店铺的商品和订单列表，分析一下哪款衬衫卖得最好。"

Agent 智能体执行链路：

识别意图，触发 get_product_list 和 get_order_list 工具。

本地 MCP Server 拦截请求并返回 Mock 结构化数据。

大模型解析 JSON 数据并生成诊断报告。