AI导哈

上下文感知AI中间件

Model Context Protocol (MCP) 服务器是一个上下文感知的中间件，用于拦截用户查询、分析意图并从多个生产力系统（如Google Calendar、GitHub、Slack和JIRA）获取上下文，组装成结构化上下文包，并将其与原始提示一起传递给Gemini AI模型以生成高度相关的响应。

  • by harshwadhawe
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 harshwadhawe/MCP-server--datathon

使用说明

项目管理MCP服务器

A. 模型上下文协议（MCP） 服务器充当AI助手的上下文感知中间件。它拦截用户查询，分析意图，从多个生产力系统（谷歌日历、GitHub、Slack和JIRA）获取上下文，组装一个结构化的上下文包，并将其与原始提示一起交付给Gemini AI模型，以获得超相关的响应。

此存储库（与Devpost演示视频一起）构成了构建自己的MCP挑战赛的提交。

目录

  1. 高级工作流
  2. 关键能力
  3. 建筑
  4. 集成和所需凭据
  5. 安装和设置
  6. 运行服务器和UI
  7. 可用的MCP工具
  8. 提交清单
  9. 项目结构
  10. 故障排除
  11. 许可证和联系方式

高级工作流

  1. 拦截 用户查询（通过MCP客户端、CLI或Streamlit仪表板）。
  2. 分析 NLP驱动的意图 QueryAnalyzer （意图检测、实体提取、领域分类、时间解析）。
  3. 获取 来自相关数据源的补充上下文。
  4. 组装 使用缓存、排名、摘要和相关性引擎的排名和摘要上下文包。
  5. 交付 将上下文包和原始提示发送给Gemini进行最终回复。

关键能力

智能查询理解

  • 检测日历、GitHub、Slack和JIRA域（或多域查询）。
  • 提取存储库、PR/问题计数、日历日期、积压关键字等实体。
  • 通过时间感知分析器支持相对和绝对时间参考。

多源上下文收集

  • 谷歌日历： 事件、可用性、冲突和多日历聚合。
  • github： 存储库、问题、PR、提交、部署、README摘要。
  • 松弛： 频道、提及、未读消息、最近的活动。
  • 吉拉： 董事会、分配的问题、待办事项、冲刺见解。

上下文打包

  • 上下文缓存： 基于TTL的缓存，以最大限度地减少冗余的API调用。
  • ContextRanker： 对每个查询中最相关的事件/问题进行优先级排序。
  • 上下文摘要生成器： 压缩上下文以保持在令牌预算范围内。
  • 上下文关联器： 跨服务的交叉链接信号（例如，会议、部署和Slack警报）。

通过Gemini交付

  • 聚合上下文+用户提示→ 双子座（主要 gemini-2.5-flash)制定量身定制的回应。

建筑

┌──────────────────────────┐
│      User Request        │
└────────────┬─────────────┘
             │
             ▼
┌──────────────────────────┐
│     Query Analyzer       │  ← intent detection, entities, time range
└────────────┬─────────────┘
             │
  ┌──────────┼───────────┐
  │          │           │
  ▼          ▼           ▼
Calendar   GitHub      Slack      JIRA
Client     Client      Client     Client
(fetch)    (fetch)     (fetch)    (fetch)
  │          │           │         │
  └──────────┴───────────┴─────────┘
             │
             ▼
┌──────────────────────────┐
│ Cache / Rank / Summarize │
└────────────┬─────────────┘
             │
             ▼
┌──────────────────────────┐
│ Gemini Client (Chat)     │ → context + prompt → AI answer
└──────────────────────────┘

集成和所需凭据

服务 凭据/环境变量 注释
谷歌日历 config/credentials.json, config/token.json （已生成） 具有日历作用域的OAuth桌面凭据
GitHub .env → GITHUB_TOKEN 具有回购范围的个人访问令牌
松弛 .env → SLACK_USER_TOKEN 用户令牌 channels:read, channels:history, groups:*, im:*, search:read, users:read
吉拉 .env → JIRA_BASE_URL, JIRA_EMAIL, JIRA_API_TOKEN Jira Cloud网站、电子邮件和API令牌
双子座 .env → GEMINI_API_KEY Google AI Studio API密钥

可选环境变量（代码中有默认值）：

  • GOOGLE_CREDENTIALS_PATH （默认值 config/credentials.json)
  • GOOGLE_TOKEN_PATH （默认值 config/token.json)
  • CALENDAR_TIMEZONE （用于时间解析默认值）

确保敏感文件（凭据和令牌）不受版本控制。 .gitignore 已经把他们排除在外了。

安装和设置

  1. 克隆存储库

    git clone <repo-url>
cd MCP\ server

  2. 创建并激活Python环境

    python3 -m venv .venv
source .venv/bin/activate            # Windows: .venv\Scripts\activate

  3. 安装依赖项

    pip install -r requirements.txt

  4. 提供凭据

    • 将Google OAuth桌面凭据放置在 config/credentials.json.
    • 创建一个 .env 文件（副本 .env.example)并填充上面列出的令牌/密钥。

  5. 验证谷歌日历（首次运行） 首次运行服务器将启动Google OAuth的浏览器窗口，并生成 config/token.json.

运行服务器和UI

1.MCP服务器（基于stdio的JSON-RPC）

python main.py

这注册了以下工具 chat, get_calendar_context, get_github_repositories, get_slack_mentions, get_jira_backlog等等。

2.流线型仪表板（可选UI）

streamlit run streamlit_app.py

具有预定义的查询、快速操作和Calendar/GitHub/Slack/JIRA的自定义提示框。

3.CLI测试脚本（可选）

  • interactive_client.py 用于命令行聊天测试。
  • slack_test.py, jira_test.py 用于快速凭证和API验证。

可用的MCP工具

工具 说明
chat 主要会话端点；自动获取所有服务中的相关上下文。
日历
get_calendar_context 分析查询并返回格式化的日历上下文。
check_availability 检查特定时间段的可用性。
get_upcoming_events 列出即将发生的事件。
detect_conflicts 识别约会中的冲突。
GitHub
get_github_repositories 列出存储库（含元数据）。
get_github_issues 获取未解决的问题。
get_github_pull_requests 获取PR。
get_github_deployments 检索部署+状态。
Slack
get_slack_channels 列出频道。
get_slack_unread 有未读消息的频道。
get_slack_mentions 最近提到。
JIRA
get_jira_boards 列出公告板。
get_jira_issues 一般问题检索（板/JQL）。
get_my_jira_issues 分配给经过身份验证的用户的问题（有回退）。
get_jira_backlog 积压项目（敏捷API+JQL回退）。

每个工具都返回一个适合直接包含在上下文包中的格式化字符串。

提交清单

✅ GitHub存储库 –包含完整的MCP服务器实现、连接器、UI和测试脚本。

✅ 上下文感知工作流 –拦截→ 分析→ 获取→ 组装→ 交付在四个服务中实施。

⚠️ Devpost视频演示 -仍然需要。请录制一个简短的演练，显示：

  • 查询如何在系统中流动（例如，通过Streamlit UI）。
  • 生成的上下文程序集（日志/UI代码段）。
  • 双子座的动力反应。
  • 任何独特的2.0功能（缓存、关联、摘要）。 将视频与repo链接一起上传到Devpost。

项目结构

MCP server/
├── main.py                     # Entry point for MCP server
├── streamlit_app.py            # Optional Streamlit UI
├── interactive_client.py       # Simple CLI client
├── slack_test.py / jira_test.py# Quick integration smoke tests
├── src/
│   ├── server.py               # MCP tools & orchestration layer
│   ├── query_analyzer.py       # NLP intent/time/entity detection
│   ├── context_cache.py        # TTL cache for API responses
│   ├── context_ranker.py       # Relevance scoring
│   ├── context_summarizer.py   # Compression + summarization utilities
│   ├── context_correlator.py   # Multi-source correlation engine
│   ├── context_formatter.py    # Human-friendly context formatting
│   ├── gemini_client.py        # Gemini chat integration
│   ├── calendar_client.py      # Google Calendar wrapper
│   ├── github_client.py        # GitHub REST wrapper
│   ├── slack_client.py         # Slack WebClient wrapper
│   ├── jira_client.py          # Jira REST (Agile + Core) wrapper
│   └── connectors/             # Connector facades per service
├── config/
│   ├── credentials.json        # Google OAuth client (excluded from git)
│   └── token.json              # Google OAuth token (excluded from git)
├── requirements.txt
├── .env.example
└── README.md (this file)

故障排除

问题 解决
谷歌日历身份验证循环 删除 config/token.json 并重新运行以重新进行身份验证。确保OAuth同意屏幕将您作为测试用户。
GitHub 401 重新生成 GITHUB_TOKEN （经典PAT） repo 范围。
松弛 missing_scope 在下面添加所需的范围 用户令牌范围 并重新安装应用程序。
JIRA 410错误 确认您可以访问JIRA Cloud网站并使用有效的API令牌。当搜索失败时，客户端已经退回到基于板的查询。
Gemini错误 验证 GEMINI_API_KEY 正确，所选型号在您的地区/帐户中可用。

日志记录配置为stderr，以避免干扰MCP stdio响应。

许可证和联系方式

为 构建自己的MCP挑战.

如有疑问，请在提交演示时打开问题或通过Devpost讨论板联系。

相关 MCP