AI导哈

邮件智能助手

MCP是一款智能邮件助手，专为小型企业或团队设计，能够自动分类邮件并执行支持、销售、会议安排和自动回复等任务。

  • by glennart8
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 glennart8/MCP_text

使用说明

MCP – Mail

Detta projekt är en intelligent assistent för att hantera inkommande e-post och uppgifter för småföretag eller team. Systemet använder en LLM/agent för att analysera mejl, klassificera dem och automatiskt utföra åtgärder som supportärenden, försäljning, mötesbokningar eller autosvar.

--- MCP FLOW ---

  1. Observe (Environment) – Hämtar nya e-postmeddelanden via en lokal eller Gmail-klient.
  2. Decide (Agent) – AI/LLM analyserar e-postens innehåll och bestämmer kategori:
    • support → skapa klagomål i systemet
    • sales → vidarebefordra till försäljning och skapa order
    • meeting → schemalägg möten i Google Calendar
    • other → skicka autosvar
  3. Act (Environment) – Utför åtgärder automatiskt baserat på AI:s beslut.

Funktioner

  • E-postklassificering:
    AI kan tolka inkommande mejl och avgöra om det rör support, försäljning, möte eller annat.

  • Support:
    Skapar automatiskt supportärenden baserat på klagomål och genererar autogenererade svar via LLM.

  • Försäljning:
    AI vidarebefordrar orderförfrågningar, skapar låtsasorder, och skickar automatiska orderbekräftelser.

  • Möteshantering:
    AI identifierar mötesförfrågningar i e-post, extraherar datum/tid, och lägger till möten direkt i Google Calendar.

  • Autosvar:
    Skickar automatiska svar på e-post som inte kräver annan åtgärd.

  • Loggning:
    Alla åtgärder loggas med avsändare, ämne, kategori, utförd åtgärd och produkt (om relevant).

Teknisk struktur

  • classes/environment.py – Hanterar e-postflödet, AI-beslut och utför åtgärder.
  • classes/autoresponder.py – Genererar och skickar autosvar via Gmail API.
  • classes/complaints.py – Skapar och hanterar supportärenden.
  • classes/sales.py – Hanterar försäljningsflöden och låtsasorder.
  • classes/calendar.py – Lägger till möten i Google Calendar.
  • classes/mail.py – Lokalt testmail-system eller integration med Gmail.
  • controller.py – Kör hela MCP-flödet: observe → decide → act.

Vad jag lärt mig

  • [x] Integrera LLM/agent med Python och JSON-data.
  • [x] Skapa beslutslogik och automatiserade åtgärder baserat på AI-klassificering.
  • [x] Skicka e-post via Gmail API och hantera autentisering med credentials.json.
  • [x] Skapa möten automatiskt i Google Calendar baserat på texttolkning.
  • [x] Generera autogenererade svar för klagomål och försäljning.
  • [x] Hantera fallback-lösningar när tidpunkt eller produkt inte anges.

TODO

  • [] Kräv att ett autogenererat mail granskas innan det skickas till kund, t.ex. vid offertbegäran

MCP-farm – Gårds- och Småbruksassistent

Detta projekt är en intelligent uppgifts- och prioriteringshanterare för småbruk eller gemenskaper. Systemet använder en agent/LLM för att generera, berika och sortera uppgifter baserat på prioritet, säsong och annan relevant information.

Funktioner

  • Task management:
    Skapa och hantera uppgifter med titel och prioritet.

  • LLM-genererade uppgifter:
    Agenten kan skapa fullständiga uppgifter med beskrivning, förberedelser, praktiska instruktioner och eventuella bidrag.

  • Automatisk berikning:
    Om en uppgift saknar beskrivning kan agenten generera rekommendationer och detaljer.

  • Dubblettkontroll:
    Identifierar och tar bort duplicerade uppgifter automatiskt.

  • Prioritering:
    Uppgifter sorteras efter prioritet (1–5) och relevans.

  • Flexibel front-end:
    Kan köras i terminalen eller via en Streamlit-webbapp med interaktiva knappar för att lägga till uppgifter, köra agenten och visa task-listan.

Vad jag lärt mig

  • [x] Integrera LLM/agenter med Python och hantera JSON-data.
  • [x] Skapa en modellbaserad struktur med Pydantic (Task, Observation, Action).
  • [x] Skillnaden mellan manuella användarinput och automatgenererade data.
  • [x] Konvertering och validering av olika typer (str, int, list, dict) för att undvika fel vid serialization.
  • [x] Bygga en enkel, responsiv frontend med Streamlit.

Framtida förbättringar

  • Lägg till historik/logg över alla utförda åtgärder.
  • Implementera notiser/alerts för prioriterade uppgifter.
  • Möjlighet att redigera uppgifter direkt i Streamlit.
  • Exportera uppgifter till CSV / Excel / PDF.
  • Låt LLM föreslå prioritet automatiskt baserat på säsong, tidåtgång, bidrag eller arbetsinsats.
  • Koppla projektet till en kalender eller planeringssystem.
  • Förbättra LLM-kommunikationen med mer avancerade prompter och templates.

相关 MCP