AI导哈

出勤追踪与预测工具

一款用于实时追踪出勤率并预测安全缺勤天数的MCP服务器工具，帮助用户保持目标出勤率。

  • by ArunimaX
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 ArunimaX/puchai-bunk-buddy

使用说明

蒲柴铺位哥们

用于Puch AI的MCP服务器 实时考勤追踪器 & 燃料舱预报员 --计算安全床位天数，并保持出勤率高于目标。

  1. 实时考勤追踪器 --从CSV文件中读取您的出勤数据，并显示各科目的百分比、剩余的安全床铺，以及如果您错过即将到来的课程的预测。
  2. 燃料舱预报员 --精确计算您可以安全地上多少节课（或您必须参加多少节课）以保持目标百分比。

🚀 特性

  • 按主题跟踪出勤情况
  • 安全铺位计算 --保持在目标%以上
  • 未来出勤率预测 --提前几天看看床铺的效果
  • 基于CSV的数据 --无需编辑代码即可轻松更新
  • 完全集成的MCP工具 --通过WhatsApp直接连接到Puch AI

🛠 设置和安装

1.克隆存储库

git clone https://github.com/your-username/puchai-bunk-buddy.git
cd puchai-bunk-buddy

2.创建并激活虚拟环境

uv venv
source .venv/bin/activate

3.安装依赖项

uv sync

4.配置环境变量

复制示例文件：

cp .env.example .env

编辑 .env 并设置：

AUTH_TOKEN=your_secret_token_here
MY_NUMBER=919876543210

5.准备您的考勤CSV

更新 attendance.csv 在项目根目录中：

Subject,Total_Classes,Attended_Classes
CS302,40,32
PPD 401,38,28
C424,30,25
CS399,42,31
CS301,35,27

▶️ 运行服务器

python mcp_starter.py

您应该看到：

🚀 Starting MCP server on http://0.0.0.0:8086

🌐 连接到Puch AI

  1. 开始 ngrok 隧道：
ngrok http 8086
  1. 从ngrok获取HTTPS URL。
  2. 打开WhatsApp并发送给Puch AI：
/mcp connect https://your-ngrok-url/mcp your_secret_token_here

📌 Puch AI中的示例命令

获取2天床位预报的所有科目：

/mcp attendance_forecaster bunk_days=2

仅获取CS302数据：

/mcp attendance_forecaster subject=CS302 bunk_days=1

如果你参加了100节课中的80节，请计算安全床铺：

/mcp bunk_calculator total_classes=100 attended_classes=80 required_percent=75

💡 未来改进

  • 来自Google表格的实时考勤同步
  • 基于图形的投影使用 matplotlib
  • Web仪表板，便于数据更新

📜 许可证

该项目根据MIT许可证获得许可。

#BuildWithPuch🚀

相关 MCP