使用说明

标题：MissionControlMCP-企业自动化工具表情符号🚀 颜色来源：蓝色颜色To：紫色 sdk：毕业 sdk版本：“5.48.0” app_file：app.py 固定：false 标签：

建设mcp轨道企业
mcp在行动轨道企业中的应用
主控程序
人类中心
企业自动化
毕业黑客马拉松
人工智能代理
mcp服务器

🚀 任务控制MCP

一台MCP服务器，8个生产就绪的企业工具 --使任何符合MCP标准的人工智能助手（Claude Desktop和其他人）能够通过单个stdio连接阅读PDF、抓取网络、运行语义搜索、图表数据、转换文件、分类电子邮件和生成业务KPI。

🎬 在YouTube上观看演示 · 🚀 在拥抱脸上直播

黑客马拉松参赛作品 MCP一岁生日黑客马拉松——2025年冬季 （轨道：在行动中构建MCP+MCP，企业类别）。

📱 社交媒体和链接

🎬 演示视频： YouTube上观看
🔗 领英帖子： 查看公告
🚀 现场演示： 尝试拥抱脸部
💻 GitHub存储库： 源代码

📊 关键结果

按工具性能测量并记录在建筑.md:

工具	平均延迟	内存	注释
`pdf_reader`	~1s	~50MB	可按PDF大小缩放
`text_extractor`	~0.5s	~10MB	清理/摘要/块/关键字
`web_fetcher`	~2-3s	~20MB	网络绑定
`rag_search` （冷启动）	~2.5s	~200MB	第一次调用加载句子转换器模型
`rag_search` （热）	~0.5s	~200MB	内存中缓存了失败索引
`data_visualizer`	~1.2s	~30MB	matplotlib图表→ base64 PNG
`file_converter`	~1-2s	~50MB	PDF↔ TXT↔ CSV
`email_intent_classifier`	~0.1s	~5MB	基于规则，10个意图类
`kpi_generator`	~0.3s	~10MB	收入/增长/效率/客户/运营

8个工具·Python 3.11+·兼容MCP·包含测试套件 (python demo.py，请参阅测试.md).

🏗️ 建筑学

两个入口点——用于AI客户端的MCP stdio服务器和用于Hugging Face Space演示的Gradio UI——都进入了相同的8个工具实现。

flowchart TD
    Claude["Claude Desktop /<br/>other MCP clients"] -->|MCP protocol, stdio| Server["mcp_server.py<br/>tool registration + routing"]
    Gradio["Gradio Web UI<br/>app.py — Hugging Face Space"] --> Router
    Server --> Router{"call_tool(name, arguments)"}
    Router --> T1["pdf_reader — PyPDF2"]
    Router --> T2["text_extractor — clean/summarize/chunk/keywords"]
    Router --> T3["web_fetcher — requests + BeautifulSoup4"]
    Router --> T4["rag_search — sentence-transformers + FAISS"]
    Router --> T5["data_visualizer — matplotlib to base64 PNG"]
    Router --> T6["file_converter — PDF/TXT/CSV"]
    Router --> T7["email_intent_classifier — rule-based NLP"]
    Router --> T8["kpi_generator — business metrics"]
    T1 --> Utils["utils/ + models/schemas.py<br/>helpers, RAG store, Pydantic validation"]
    T2 --> Utils
    T3 --> Utils
    T4 --> Utils
    T5 --> Utils
    T6 --> Utils
    T7 --> Utils
    T8 --> Utils
    Utils --> Resp["JSON / TextContent response"]
    Resp --> Claude

看建筑.md 查看完整的组件分解、数据流图和可扩展性说明。

🚀 快速入门

git clone https://github.com/AlBaraa63/Mission-Control-MCP.git
cd Mission-Control-MCP
pip install -r requirements.txt        # or: uv pip install -r requirements.txt

以交互方式尝试每种工具：

python demo.py

作为MCP服务器运行 （stdio——适用于Claude Desktop或任何MCP客户端）：

python mcp_server.py
# or, for development: uvx mcp dev mcp_server.py

在本地运行Gradio web UI （与支持拥抱脸部空间的应用程序相同）：

python app.py

🧰 技术栈和链接

核心： Python 3.11+·MCP SDK·Gradio 5 NLP/ML： 句子变换器(all-MiniLM-L6-v2)·FAISS·scikit学习·NLTK 文件和数据： PyPDF2·BeautifulSoup4·熊猫·NumPy·matplotlib·海兔 验证： 皮丹提克

🚀 现场演示： huggingface.co/spaces/AlBaraa63/8_工具
🎬 演示视频： youtube.com/shorts/sElW_r3o30g
💻 github： github/AlBaraa63任务控制-MCP

🎯 概述

任务控制MCP 是一个企业级MCP服务器，通过8个专用工具提供智能自动化功能。它使像Claude这样的人工智能助手能够执行复杂的文档处理、数据分析、网络研究和商业智能任务。

关键能力

📄 文档处理：从PDF中提取文本，处理和总结内容
🌐 网络智能：使用干净的文本提取获取和解析web内容
🔍 语义搜索：使用FAISS和句子变换器的基于RAG的向量搜索
📊 数据可视化：从CSV/JSON数据生成图表
🔄 文件转换：在PDF、TXT和CSV格式之间转换
📧 电子邮件分类：使用NLP对电子邮件意图进行分类
📈 KPI生成：计算业务指标并生成见解

特性

✅ 8生产准备工具 用于企业自动化
✅ 符合MCP标准 -适用于Claude Desktop和任何MCP客户端
✅ 类型安全 -使用Python 3.11+和类型提示构建
✅ 模块化架构 -清晰地分离关注点
✅ 全面测试 -包含测试套件
✅ 证据充分的 -清晰的模式和示例
✅ 向量搜索 -使用FAISS实现RAG
✅ 数据可视化 -Base64编码图表生成
✅ NLP分类 -基于规则的意图检测

🛠️ 工具

1. pdf阅读器

从PDF文件中提取文本和元数据。

输入：

file_path：PDF文件的路径

输出：

从所有页面提取文本
页数
文档元数据（作者、标题、日期）

2. 文本提取器

从文本中处理和提取信息。

输入：

text：要处理的原始文本
operation：“干净”、“总结”、“块”或“关键字”
max_length：摘要的最大长度（默认值：500）

输出：

已处理文本
字数统计
操作元数据

3. web_fetcher

从web URL获取和提取内容。

输入：

url：要获取的URL
extract_text_only：仅提取文本（默认值：true）

输出：

干净的文本内容或HTML
HTTP状态代码
响应元数据

4. rag_search

使用RAG（检索增强生成）进行语义搜索。

输入：

query：搜索查询
documents：要搜索的文档列表
top_k：结果数（默认值：3）

输出：

用相似性得分对搜索结果进行排名
文档片段
相关性排名

5. 数据可视化器

创建数据可视化和图表。

输入：

data：JSON或CSV字符串数据
chart_type：“条”、“线”、“饼”或“散点”
x_column, y_column：列名
title：图表标题

输出：

Base64编码的PNG图像
图表尺寸
列信息

6. 文件转换器

在不同格式之间转换文件。

输入：

input_path：输入文件的路径
output_format：“txt”、“csv”或“pdf”
output_path：可选输出路径

输出：

输出文件路径
转换状态
文件大小

支持的转换：

PDF → TXT
TXT → CSV
CSV → TXT

7. email_intent_classifier

使用NLP对电子邮件意图进行分类。

输入：

email_text：要分类的电子邮件内容

输出：

主要意图（询问、投诉、请求、反馈、会议、订单、紧急、跟进、感谢、申请）
置信度分数
次要意图

8. kpi发生器

生成业务KPI和见解。

输入：

data：包含业务数据的JSON字符串
metrics：指标列表-“收入”、“增长”、“效率”、“客户”、“运营”

输出：

计算出的关键绩效指标
执行摘要
主要趋势和见解

💡 工具示例

示例1：文本提取和摘要

{
  "tool": "text_extractor",
  "arguments": {
    "text": "Your long document text here...",
    "operation": "summarize",
    "max_length": 200
  }
}

示例2：Web内容获取

{
  "tool": "web_fetcher",
  "arguments": {
    "url": "https://example.com/article",
    "extract_text_only": true
  }
}

示例3：语义搜索

{
  "tool": "rag_search",
  "arguments": {
    "query": "machine learning algorithms",
    "documents": [
      "Document 1 about neural networks...",
      "Document 2 about decision trees...",
      "Document 3 about clustering..."
    ],
    "top_k": 3
  }
}

示例4：数据可视化

{
  "tool": "data_visualizer",
  "arguments": {
    "data": "{\"month\": [\"Jan\", \"Feb\", \"Mar\"], \"sales\": [1000, 1500, 1200]}",
    "chart_type": "bar",
    "x_column": "month",
    "y_column": "sales",
    "title": "Q1 Sales Report"
  }
}

示例5：电子邮件意图分类

{
  "tool": "email_intent_classifier",
  "arguments": {
    "email_text": "Hi, I need help with my recent order. It hasn't arrived yet and I'm wondering about the tracking status."
  }
}

示例6:KPI生成

{
  "tool": "kpi_generator",
  "arguments": {
    "data": "{\"revenue\": 1000000, \"costs\": 600000, \"customers\": 500, \"current_revenue\": 1000000, \"previous_revenue\": 800000}",
    "metrics": ["revenue", "growth", "efficiency"]
  }
}

🖥️ Claude桌面集成

配置

添加到您的Claude Desktop配置文件(claude_desktop_config.json):

窗户： %APPDATA%\Claude\claude_desktop_config.json macOS： ~/Library/Application Support/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "mission-control": {
      "command": "python",
      "args": [
        "C:/Users/YourUser/path/to/Mission-Control-MCP/mcp_server.py"
      ]
    }
  }
}

或与 uvx:

{
  "mcpServers": {
    "mission-control": {
      "command": "uvx",
      "args": [
        "mcp",
        "run",
        "C:/Users/YourUser/path/to/Mission-Control-MCP/mcp_server.py"
      ]
    }
  }
}

Claude中的用法

配置后，重新启动Claude Desktop。然后，您可以要求克劳德：

“从此PDF文件中提取文本”
“从该网站获取内容并对其进行总结”
“在这些文档中搜索有关X的信息”
“根据此销售数据创建条形图”
“对此电子邮件的意图进行分类”
“根据此业务数据生成KPI”

🧪 测试

运行综合演示：

python demo.py

演示包括：

文本提取和处理测试
Web获取测试
RAG搜索演示
数据可视化生成
电子邮件分类示例
KPI计算测试
所有工具的JSON输入示例

📂 项目结构

Mission-Control-MCP/
├── mcp_server.py              # Main MCP server
├── app.py                     # Gradio web interface
├── demo.py                    # Demo & test suite
├── requirements.txt           # Dependencies
├── README.md                  # Documentation
│
├── tools/                     # Tool implementations
│   ├── pdf_reader.py
│   ├── text_extractor.py
│   ├── web_fetcher.py
│   ├── rag_search.py
│   ├── data_visualizer.py
│   ├── file_converter.py
│   ├── email_intent_classifier.py
│   └── kpi_generator.py
│
├── models/                   # Data schemas
│   └── schemas.py
│
└── utils/                    # Utilities
    ├── helpers.py            # Helper functions
    └── rag_utils.py          # RAG/vector search utilities

设计原则

模块化：每个工具都是独立实施的
类型安全：用于验证的Pydantic模式
错误处理：全面的错误捕获和记录
清洁代码：文档记录良好
可测试性：易于测试单个组件

🎖️ 黑客马拉松提交

轨道1:MCP服务器

服务器名称： 任务控制MCP

说明： 企业自动化MCP服务器为文档处理、网络智能、语义搜索、数据可视化和业务分析提供8个专用工具。

法官的主要特征

生产就绪：所有8个工具都得到了充分实施和测试
符合MCP标准：严格遵循MCP规范
现实世界价值：解决实际的企业自动化需求
清洁建筑：模块化、可维护、文档完善的代码
高级功能：RAG搜索与FAISS、数据可视化、NLP分类
全面测试：带示例的完整测试套件
易于集成：与Claude Desktop无缝协作

技术亮点

向量搜索：基于FAISS的句子转换语义搜索
NLP分类：基于规则的电子邮件意图分类器，带有置信度评分
数据可视化：使用matplotlib生成动态图表
文件处理：支持多种格式（PDF、TXT、CSV）
网络智能：具有干净文本提取功能的智能网页抓取
商业智能：KPI计算和趋势分析

📝 文档和示例

示例.md -真实世界的用例、工作流程和投资回报率示例
测试.md -带示例的完整测试指南
建筑.md -系统设计和架构细节
API毫米 -完整的API文件
示例/ -测试所有工具的示例文件：
- sample_report.txt -用于文本提取的业务报告
- business_data.csv -用于可视化和KPI的财务数据
- sample_email_*.txt -用于意图分类的电子邮件示例
- sample_documents.txt -RAG搜索测试文件

📝 许可证

此项目根据MIT许可证获得许可-请参阅许可证文件以获取详细信息。

为MCP一岁生日黑客马拉松（2025年冬季）而创建。

🤝 贡献

这个项目是为黑客马拉松而建的，但欢迎改进和建议！结账示例.md 了解使用模式和最佳实践。

📧 联系

有关此MCP服务器的问题，请通过黑客马拉松渠道联系。

🌟 致谢

与模型上下文协议SDK
由句子转换器、FAISS和其他开源库提供支持
为2025年MCP一周年黑客马拉松而创建

自动化快乐！ 🚀

使用说明

🚀 任务控制MCP

📱 社交媒体和链接

📋 目录

📊 关键结果

🏗️ 建筑学

🚀 快速入门

🧰 技术栈和链接

🎯 概述

关键能力

特性

🛠️ 工具

1. pdf阅读器

2. 文本提取器

3. web_fetcher

4. rag_search

5. 数据可视化器

6. 文件转换器

7. email_intent_classifier

8. kpi发生器

💡 工具示例

示例1：文本提取和摘要

示例2：Web内容获取

示例3：语义搜索

示例4：数据可视化

示例5：电子邮件意图分类

示例6:KPI生成

🖥️ Claude桌面集成

配置

Claude中的用法

🧪 测试

📂 项目结构

设计原则

🎖️ 黑客马拉松提交

轨道1:MCP服务器

法官的主要特征

技术亮点

📝 文档和示例

📝 许可证

🤝 贡献

📧 联系

🌟 致谢

相关 MCP

PowerPoint操作服务器

Markdown转换服务器

DuckDuckGo 搜索 MCP 服务器

图表生成MCP服务器

AI开发助手

必应中文搜索MCP服务器