使用说明
MCP自动交易系统服务器
概述
MCP自动交易系统服务器 是为课程项目构建的自定义模型上下文协议（MCP）服务器。
它提供了一套工具来探索和分析以下数据集 23000辆二手车 具有品牌、型号、年份、里程、价格、燃料类型、变速器、状况和事故历史等属性。
服务器演示了 非平凡用例 通过公开数据过滤实用程序和简单的机器学习模型 价格估算.
数据集
-
文件：
data/Updated_Car_Sales_Data.csv -
排： 23,000
-
柱：
列 说明 汽车制造商 制造商（例如本田、丰田、宝马） 车型 车型名称（如思域、凯美瑞） 年份 制造年份 里程 行驶里程（单位：公里） 价格 汽车价格 燃料类型 燃料类型（汽油、柴油、混合动力、电动、汽油） 颜色 车身颜色 变速器 变速器类型（自动、手动） 选项/功能 额外功能（GPS、真皮座椅、天窗等） 状况 全新、如新、已使用 事故 事故历史（是/否）
安装
克隆存储库并在Python虚拟环境中安装依赖项：
git clone https://github.com/EstebanZG999/MCP_AutoAdvisor_Server.git
cd MCP_AutoAdvisor_Server
python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt
要求：
pandas==2.2.2
scikit-learn==1.5.2
numpy==1.26.4
mcp>=1.12,<2
运行服务器
直接使用以下命令运行服务器：
python server.py
通常，服务器不应手动启动—— MCP主机 根据配置通过stdio启动它。
MCP配置（主机）
在你的 MCP主机 存储库，将以下条目添加到 servers.yaml:
servers:
auto_advisor:
command: "/absolute/path/to/MCP_AutoAdvisor_Server/.venv/bin/python"
args: ["/absolute/path/to/MCP_AutoAdvisor_Server/server.py"]
env: {}
工具
此服务器通过MCP公开5个工具：
1. filter_cars
说明： 根据品牌、型号、年份、价格、里程、燃料、变速器、状况、事故等标准过滤汽车。
输入架构：
{
"Car Make": "Toyota",
"Year_min": 2019,
"Price_max": 25000,
"Transmission": "Automatic",
"Condition": "Used",
"Accident": "No",
"limit": 5
}
示例调用：
/mcp call auto_advisor filter_cars {...}
2. recommend
说明： 在预算和偏好范围内推荐汽车。按价格升序排列。
示例输入：
{
"budget_max": 20000,
"Fuel Type": "Gasoline",
"Transmission": "Automatic",
"Condition": "Used",
"Accident": "No",
"Year_min": 2017,
"limit": 5
}
3. estimate_price
说明： 使用线性回归模型估算汽车的价格。
示例输入：
{
"Car Make": "Honda",
"Car Model": "Civic",
"Year": 2020,
"Mileage": 40000,
"Fuel Type": "Gasoline",
"Transmission": "Automatic",
"Condition": "Like New",
"Accident": "No"
}
输出示例：
{
"input": {...},
"estimated_price": 28188.75
}
4. average_price
说明： 计算按品牌、型号、燃料类型、年份范围等过滤的汽车的平均价格。
示例输入：
{
"Car Make": "BMW",
"Fuel Type": "Diesel",
"Year_min": 2018
}
5. top_cars
说明： 返回按价格（便宜或昂贵）排序的前N辆车。
示例输入：
{
"n": 5,
"sort_order": "expensive",
"Car Make": "Audi"
}
演示
从主机CLI：
/mcp tools auto_advisor
/mcp call auto_advisor filter_cars {"Car Make":"Toyota","Year_min":2019,"Price_max":25000,"Transmission":"Automatic","Condition":"Used","Accident":"No","limit":5}
/mcp call auto_advisor estimate_price {"Car Make":"Honda","Car Model":"Civic","Year":2020,"Mileage":40000,"Fuel Type":"Gasoline","Transmission":"Automatic","Condition":"Like New","Accident":"No"}
/mcp call auto_advisor average_price {"Car Make":"BMW","Fuel Type":"Diesel","Year_min":2018}
/mcp call auto_advisor top_cars {"n":5,"sort_order":"expensive","Car Make":"Audi"}
/mcp call auto_advisor recommend {"budget_max":20000,"Fuel Type":"Gasoline","Transmission":"Automatic","Condition":"Used","Accident":"No","Year_min":2017,"limit":5}
项目结构
MCP_AutoAdvisor_Server/
├── README.md
├── requirements.txt
├── data_check.py
├── server.py # MCP entrypoint: defines tools, routes calls, stdio runner
├── mcp_server/
│ ├── __init__.py
│ └── tools.py # Implementation of filtering, recommendation, ML price estimator
└── data/
└── Updated_Car_Sales_Data.csv