MCPチャット分析サーバー
ベクトル埋め込みとナレッジグラフを用いてチャット会話の意味分析を可能にするモデルコンテキストプロトコル（MCP）サーバー。このサーバーは、チャットデータの分析、意味検索の実行、概念の抽出、会話パターンの分析のためのツールを提供します。
主な特徴
🔍セマンティック検索：ベクトル類似性を使用して関連するメッセージや会話を検索します
🕸️ナレッジグラフ: メッセージ、概念、トピック間の関係をナビゲートします
📊会話分析：パターン、指標、会話のダイナミクスを分析
🔄柔軟なインポート：さまざまなチャットエクスポート形式をサポート
🚀 MCP 統合: Claude やその他の MCP 互換システムとの簡単な統合
Related MCP server: OpenRouter MCP Multimodal Server
クイックスタート
# Install the package
pip install mcp-chat-analysis-server
# Set up configuration
cp config.example.yml config.yml
# Edit config.yml with your database settings
# Run the server
python -m mcp_chat_analysis.serverMCP統合
claude_desktop_config.jsonに追加します:
{
"mcpServers": {
"chat-analysis": {
"command": "python",
"args": ["-m", "mcp_chat_analysis.server"],
"env": {
"QDRANT_URL": "http://localhost:6333",
"NEO4J_URL": "bolt://localhost:7687",
"NEO4J_USER": "neo4j",
"NEO4J_PASSWORD": "your-password"
}
}
}
}利用可能なツール
会話のインポート
チャット会話をインポートして分析する
{
"source_path": "/path/to/export.zip",
"format": "openai_native" # or html, markdown, json
}セマンティック検索
意味的類似性で会話を検索する
{
"query": "machine learning applications",
"limit": 10,
"min_score": 0.7
}分析メトリクス
会話指標を分析する
{
"conversation_id": "conv-123",
"metrics": [
"message_frequency",
"response_times",
"topic_diversity"
]
}抽出概念
概念を抽出して分析する
{
"conversation_id": "conv-123",
"min_relevance": 0.5,
"max_concepts": 10
}建築
詳細な図とドキュメントについては、 ARCHITECTURE.md を参照してください。
システムコンポーネントと相互作用
データフローと処理パイプライン
ストレージスキーマとベクトル演算
ツール統合メカニズム
前提条件
Python 3.8以上
ナレッジグラフストレージ用の Neo4j データベース
セマンティック検索のためのQdrantベクトルデータベース
埋め込みのための文変換子
インストール
パッケージをインストールします。
pip install mcp-chat-analysis-serverデータベースを設定します。
# Using Docker (recommended)
docker compose up -dサーバーを構成します。
cp .env.example .env
# Edit .env with your settings発達
リポジトリをクローンします。
git clone https://github.com/rebots-online/mcp-chat-analysis-server.git
cd mcp-chat-analysis-server開発依存関係をインストールします。
pip install -e ".[dev]"テストを実行します:
pytest tests/貢献
リポジトリをフォークする
機能ブランチを作成する
プルリクエストを送信する
ガイドラインについてはCONTRIBUTING.md を参照してください。
ライセンス
MIT ライセンス - 詳細についてはLICENSEファイルを参照してください。