Enables deployment of the MCP server using containerization for simplified setup and consistent environments
Manages environment variables for configuration, including API keys and other sensitive settings
Supports project cloning and version control for deployment and management
Provides visualization dashboards for monitoring server performance and usage metrics
Supports API client implementations for JavaScript applications to interact with the MCP server
Supports processing and analysis of Markdown documents as part of the RAG knowledge base
Integrates with OpenAI's API services, requiring API keys for AI model access and functionality
Powers the database backend with pgvector extension for vector storage and similarity search
Collects and exposes metrics for monitoring server performance and usage patterns
Supports API client implementations for Python applications to interact with the MCP server
Provides caching capabilities to improve performance and reduce redundant operations
Click on "Install Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type
@followed by the MCP server name and your instructions, e.g., "@MCP AI Service Platformsearch my knowledge base for recent API documentation updates"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
MCP生产级客户端文档
欢迎使用MCP生产级客户端！这是一个功能强大的AI服务平台，提供完整的MCP工具调用和RAG知识库功能。
📚 文档目录
新手入门
高级配置
AI模型配置 - 配置和更换不同的AI服务
Related MCP server: Rini MCP Server
🚀 快速开始
最简单的部署方式（Docker）
克隆项目
git clone <项目地址> cd python-mcp-server-client配置环境变量
cp .env.example .env # 编辑.env文件，至少设置OPENAI_API_KEY启动服务
./scripts/start.sh docker访问服务
API文档：http://localhost:8000/docs
Grafana监控：http://localhost:3000
第一次API调用
# 健康检查
curl http://localhost:8000/health
# 发送查询
curl -X POST "http://localhost:8000/query" \
-H "Content-Type: application/json" \
-d '{"query": "今天天气如何？"}'
# 上传文档到知识库
curl -X POST "http://localhost:8000/rag/documents/upload" \
-F "file=@你的文档.pdf" \
-F "title=测试文档"
# 搜索知识库
curl -X POST "http://localhost:8000/rag/search" \
-H "Content-Type: application/json" \
-d '{"query": "搜索内容"}'🔧 主要功能
MCP工具调用
连接多个MCP服务器
智能工具路由和负载均衡
实时状态监控
RAG知识库
支持多种文档格式（PDF、Word、Markdown、TXT）
智能文档分块和向量化
高性能语义搜索
监控和运维
Prometheus指标收集
Grafana可视化面板
完整的日志记录
健康检查端点
🛠️ 系统要求
Python: 3.11+
内存: 4GB以上（推荐8GB）
存储: 20GB可用空间
数据库: PostgreSQL + pgvector
缓存: Redis
📖 详细文档
1. 项目说明
了解项目的核心功能、技术架构和应用场景。适合想要全面了解项目的用户。
2. 部署指南
详细的部署步骤，包括本地开发环境和生产环境部署。支持Docker和手动部署两种方式。
3. API调用示例
完整的API使用教程，包括Python和JavaScript客户端示例，以及错误处理和性能优化建议。
4. AI模型配置
如何配置和更换不同的AI服务，支持OpenAI、国产AI服务和本地模型。
🤝 支持和反馈
如果您在使用过程中遇到问题或有任何建议，请：
查看相关文档是否有解决方案
检查常见问题
提交Issue或联系技术支持
📄 许可证
本项目采用MIT许可证，详情请查看LICENSE文件。
最后更新：2025年6月
This server cannot be installed
Resources
Unclaimed servers have limited discoverability.
Looking for Admin?
If you are the server author, to access and configure the admin panel.