小型企业MCP服务器

小型企业MCP服务器

A. 模型上下文协议（MCP） 将语言模型与小型企业数据系统连接起来的服务器。此服务器实现了MCP范式，在LLM和业务信息之间创建了一个结构化的、上下文感知的接口，为数据操作、上下文资源和交互式提示模板提供了工具。

MCP图元

此服务器实现了所有三个核心MCP原语：

特性

• 结构化模型上下文

  • 通过MCP资源公开业务数据
  • 提供上下文信息以改进模型推理
  • 保持业务概念的一致表示
  • 实现精确的知识检索

• 人工智能驱动的操作

  • 用于数据操作的模型控制工具
  • 文件内容提取和分类
  • 实体之间的自动关系映射
  • 版本控制文档管理

• 交互式商业智能

  • 业务数据的自然语言查询
  • 常见业务任务的模板提示
  • 可定制的报告生成
  • 业务指标的上下文分析

需求

• Python 3.8+
• PostgreSQL 12+
• 所需的Python包：
  • mcp （模型上下文协议SDK）
  • psycopg2 （PostgreSQL适配器）
  • PyPDF2 （PDF处理）
  • Pillow （图像处理）
  • python-magic （文件类型检测）
  • langchain （NLP处理）

安装

1. 克隆存储库：

   复制

   git clone https://github.com/yourusername/small-business-mcp.git
   cd small-business-mcp
   

2. 创建虚拟环境：

   复制

   python -m venv venv
   source venv/bin/activate  # On Windows: venv\Scripts\activate
   

3. 安装依赖项：

   复制

   pip install -r requirements.txt
   

4. 设置PostgreSQL：

   复制

   # Create database
   createdb small_business_db
   
   # Set environment variables
   export DB_HOST=localhost
   export DB_PORT=5432
   export DB_NAME=small_business_db
   export DB_USER=your_username
   export DB_PASSWORD=your_password
   

用法

MCP服务器充当语言模型和业务系统之间的桥梁，围绕三个核心MCP原语（工具、资源和提示）构建。此架构允许LLM：

1. 通过资源检索有关您业务的上下文信息
2. 通过工具对业务数据采取行动
3. 通过提示利用专用模板完成常见任务

启动服务器

您可以使用以下任一方法启动MCP服务器：

# Method 1: Direct Python execution
python -m MCPServer.server

# Method 2: Using MCP CLI
mcp run MCPServer/server/server.py

服务器使用FastMCP向LLM公开工具、资源和提示。

与客户端连接

使用MCP客户端SDK连接到服务器：

import asyncio
from mcp import ClientSession, StdioServerParameters

async def main():
    # Create server parameters for connecting to the MCP server
    server_params = StdioServerParameters(
        command="python",
        args=["-m", "MCPServer.server"],
        env=None,  # Optional environment variables
    )
    
    async with ClientSession(server_params) as session:
        # Initialize connection
        await session.initialize()
        
        # List available tools
        tools = await session.list_tools()
        print(f"Available tools: {[tool.name for tool in tools]}")
        
        # Process a directory
        result = await session.call_tool(
            "process_business_directory",
            arguments={"directory_path": "/path/to/business/files"}
        )
        print(f"Directory processing result: {result}")
        
        # Query business data
        query_result = await session.call_tool(
            "query_business_data",
            arguments={"query": "Show me all PDF documents from 2023"}
        )
        print(f"Query result: {query_result}")

if __name__ == "__main__":
    asyncio.run(main())

安装到现有ASGI服务器

您可以将MCP服务器与现有的ASGI应用程序集成：

from starlette.applications import Starlette
from starlette.routing import Mount
from MCPServer.server.server import mcp  # Import the FastMCP instance

# Mount the MCP server to an existing ASGI server
app = Starlette(
    routes=[
        Mount('/mcp', app=mcp.sse_app()),
    ]
)

可用的MCP图元

MCP为LLM定义了一种结构化的方式，通过三个核心原语与外部系统进行交互，每个原语都有不同的控制模型和目的。此服务器实现：

工具

模型可以使用这些工具与业务数据交互：

• process_business_directory：从目录导入和组织文件
• analyze_document：处理特定文档并提取其内容/元数据
• query_business_data：业务数据自然语言查询接口
• store_chat_history：在数据库中记录对话历史
• create_business_report：根据存储的数据生成报告

资源

资源为LLM提供上下文信息，公开有助于模型推理业务对象的数据。与工具不同，资源是被动访问而不是执行的：

• schema://database：用于推理数据结构的数据库模式
• doc://{document_id}：访问特定文档内容
• stats://business：业务统计和指标

提示

提示是用户控制的模板，指导LLM如何处理特定任务，提供了一种标准化的方式来构建常见的业务操作：

• generate_report：用于创建各种业务报告的模板
• analyze_data：用于分析业务数据模式的模板
• setup_assistant：配置业务数据助理的模板

服务器功能

服务器在初始化期间声明这些功能：

安全

• 所有数据库凭据和API密钥都通过环境变量进行管理
• 文件访问仅限于指定目录
• 敏感信息的数据加密
• 常规备份程序

贡献

欢迎投稿！请阅读我们的 贡献指南 了解详情。

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。