Automation Audit MCP

Ein MCP-Server, der KI-Assistenten dabei hilft, Geschäftsprozesse auf Automatisierung zu prüfen. Er erfasst strukturierte Discovery-Antworten, schätzt die Kosten manueller Arbeit ein, bewertet das Automatisierungspotenzial und speichert abgeschlossene Audits in SQLite.

Was er tut

Der Server stellt Werkzeuge bereit, mit denen ein MCP-Client:

• Unternehmen und die Prozesse anlegen kann, die sie bewerten möchten;

• monatliche Stunden und Arbeitskosten für repetitive Arbeit berechnen kann;

• das Automatisierungspotenzial anhand von Häufigkeit, Regelklarheit, Datenbereitschaft, Prozessstabilität und erforderlichem menschlichen Urteilsvermögen bewerten kann;

• Discovery-Antworten und abgeschlossene Audit-Empfehlungen speichern kann;

• gespeicherte Audits auflisten und ein vollständiges Audit mit seinen Discovery-Antworten abrufen kann.

Er enthält außerdem einen start_automation_audit-Prompt, der den Assistenten durch die Bewertung führt, ohne fehlende Informationen zu erfinden oder Ergebnisse zu speichern, bevor der Benutzer sie bestätigt.

Related MCP server: WinScript

Verfügbare Werkzeuge

Anforderungen

• Python 3.12 oder neuer

• uv

• Ein MCP-kompatibler Client

Lokal ausführen

git clone https://github.com/zuperRuslana/automation-audit-mcp.git
cd automation-audit-mcp
uv sync
uv run python main.py

Der Server kommuniziert über Standard-Eingabe/-Ausgabe und wird daher normalerweise von einem MCP-Client gestartet und nicht direkt in einem Terminal verwendet.

MCP-Client-Konfiguration

Fügen Sie einen Servereintrag wie wie in der Konfiguration Ihres MCP-Clients hinzu und ersetzen Sie das Verzeichnis durch den absoluten Pfade, in dem Sie das Projekt geklont haben:

{
  "mcpServers": {
    "automation-audit": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/automation-audit-mcp",
        "run",
        "python",
        "main.py"
      ]
    }
  }
}

Beispiel-Workflow

1. Erstellen Sie ein Unternehmen mit create_business.

2. Erstellen Sie einen Prozess mit der zurückgegebenen Geschäftspass-Nummer (Business ID).

3. Erfassen Sie Discovery-Antworten mit save_discovery_answer.

4. Berechnen Sie Zeit- und Arbeitskosten mit calculate_time_cost.

5. Berechnen Sie die Eignung mit calculate_automation_score.

6. Prüfen Sie die Empfehlung und bestätigen Sie sie mit dem Benutzer.

7. Speichern Sie das Ergebnis mit save_audit.

8. Rufen Sie den vollständigen Datensatz mit get_audit ab.

Daten und Validierung

Auditdaten werden in automation_audits.db gespeichert. Die Datenbankdatei wird von Git ignoriert, sodass Geschäftsdaten nicht zusammen mit dem Quellcode hochgeladen werden.

Der Server blockiert negative Kosteneingaben, Bewertungen außerhalb des unterstützten Bereichs, verwaiste Datenbankdatensätze und Audit-Kategorien, die mit ihrem Wert in Konflikt stehen.

Tests

uv run pytest

Die Regressionstests umfassen Start, Eingabevalidierung, Datenbankverbindungssicherheit, Fremdschlüssel-Durchsetzung und Audit-Konsistenz.

Projektstruktur

automation-audit-mcp/
├── main.py              # MCP server entry point
├── server.py            # Tools, prompt, validation, and SQLite storage
├── tests/               # Regression tests
├── pyproject.toml       # Python package and dependency metadata
└── uv.lock              # Reproducible dependency lock file