MCP聊天分析服务器
模型上下文协议 (MCP) 服务器，可通过向量嵌入和知识图谱对聊天对话进行语义分析。该服务器提供用于分析聊天数据、执行语义搜索、提取概念和分析对话模式的工具。
主要特点
🔍语义搜索：使用向量相似性查找相关消息和对话
🕸️知识图谱：导航消息、概念和主题之间的关系
📊对话分析：分析模式、指标和对话动态
🔄灵活导入：支持各种聊天导出格式
🚀 MCP 集成：轻松与 Claude 和其他 MCP 兼容系统集成
Related MCP server: OpenRouter MCP Multimodal Server
快速入门
# 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 集成
添加到您的claude_desktop_config.json ：
{
"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"
}
}
}
}可用工具
导入对话
导入并分析聊天对话
{
"source_path": "/path/to/export.zip",
"format": "openai_native" # or html, markdown, json
}语义搜索
按语义相似性搜索对话
{
"query": "machine learning applications",
"limit": 10,
"min_score": 0.7
}分析指标
分析对话指标
{
"conversation_id": "conv-123",
"metrics": [
"message_frequency",
"response_times",
"topic_diversity"
]
}提取概念
提取和分析概念
{
"conversation_id": "conv-123",
"min_relevance": 0.5,
"max_concepts": 10
}建筑学
有关以下详细图表和文档，请参阅ARCHITECTURE.md ：
系统组件和交互
数据流和处理管道
存储模式和向量操作
工具集成机制
先决条件
Python 3.8+
Neo4j 数据库用于知识图谱存储
用于语义搜索的 Qdrant 矢量数据库
用于嵌入的句子转换器
安装
安装软件包：
pip install mcp-chat-analysis-server设置数据库：
# Using Docker (recommended)
docker compose up -d配置服务器：
cp .env.example .env
# Edit .env with your settings发展
克隆存储库：
git clone https://github.com/rebots-online/mcp-chat-analysis-server.git
cd mcp-chat-analysis-server安装开发依赖项：
pip install -e ".[dev]"运行测试：
pytest tests/贡献
分叉存储库
创建功能分支
提交拉取请求
请参阅CONTRIBUTING.md了解指南。
执照
MIT 许可证 - 有关详细信息，请参阅LICENSE文件。