AI导哈

冰箱库存管理

一个展示AI聊天机器人与Spring Boot应用集成的演示项目，通过MCP框架提供冰箱库存管理功能，支持本地LLM和PostgreSQL数据库。

  • by abchatterjee7
  • Java
  • 本地部署
  • 更新于
在 GitHub 查看 AadityaUoHyd/mcp-demo-refrigerator-inventory-mgmt

使用说明

🧊 MCP演示：冰箱库存管理

A. 演示工程 展示了使用 模型上下文协议（MCP） 框架。它提供 库存管理 通过人工智能模型回答查询，为冰箱提供功能，并由 PostgreSQL 数据库。

🛠️ 技术栈

  • Java/Spring引导
  • MCP服务器/客户端
  • PostgreSQL/NeonDB
  • 奥拉玛与 llama3.2 （本地法学硕士）
  • Swagger UI（用于测试端点）

🚀 项目设置

1.设置PostgreSQL

您可以：

  • 在本地运行PostgreSQL
  • 使用Docker启动PostgreSQL容器
  • 通过托管的数据库服务连接，如 NeonDB

确保您的数据库已正确配置并正在运行。

2.与Olama建立本地LLM

安装并运行 没有 对于本地LLM支持：

> ollama list
> ollama pull llama3.2:latest
> ollama run llama3.2

💡 llama3.2 大约2GB，本地运行免费无需API密钥！

3.运行应用程序

一定要跑 所有这三个 组件：

  • refrigerator-inventory-core
  • mcp-server
  • mcp-client

每个都应该正确配置，以便与数据库和彼此通信。

✅ 使用本地数据验证MCP

🔍 步骤1：测试AI模型正在运行

转到Swagger UI：

http://localhost:8082/swagger-ui/index.html#/ai-chat-controller

  • 点击 试试看 在 chat 端点

  • 输入：

    {
  "message": "What is the capital of India?"
}

  • 您应该看到：

    New Delhi

✔️ 确认本地 llama3.2 是向上和整合的。

🔍 步骤2：验证来自本地数据库的响应

导航到：

http://localhost:8082/swagger-ui/index.html#/mcp-chat-controller/chat

  • 点击 试试看 并输入：

    {
  "message": "Product below 100 rupees"
}

  • 示例响应：

    Here are some products available below 100 rupees:

1. Eggs - priced at 10.0 rupees
2. Cucumber - priced at 40.0 rupees
3. Spinach - priced at 19.99 rupees
4. Gulaab Jamun - priced at 99.0 rupees

✔️ 这确认了MCP服务器使用以下命令检索和响应 您自己的数据库不是互联网数据。

📸 截图

🧾 结论

这 MCP客户端 连接到 MCP服务器，它与 refrigerator-inventory-core 应用程序和 根据您的本地数据库提供人工智能生成的答案.

🎯 一个本地AI系统与Spring Boot和PostgreSQL设置实时工作的实际演示！

相关 MCP