使用说明
使用MCP服务器的人工智能辅助CRM
一个与MCP（模型上下文协议）服务器集成的全栈CRM应用程序，用于学习现实世界的AI代理如何与后端服务通信。该项目包括一个内置的聊天机器人，可以让你使用自然语言提示执行CRM操作——创建联系人、管理交易、更新潜在客户。
我使用FastAPI构建了这一点，这使得同时将每个端点公开为RESTneneneba API和MCP工具变得非常简单。目标是演示如何设计现代应用程序，以便从单个代码库为人类用户和人工智能代理提供服务。
这个项目纯粹是为了教育目的——了解如何构建自己的MCP服务器，如何构建AI代理可以理解的工具，以及AI代理如何在现实世界中与MCP服务器通信。
我为什么建造这个
人工智能代理现在无处不在。大多数开发人员都知道如何为用户构建API，但构建AI代理可以可靠地理解和使用的API是一种不同的技能。这个项目是我试图用一个真实的、可行的例子来弥合这一差距。
我在这个项目中处理的内容：
- 设计了系统架构和分层结构
- 在FastAPI端点之上构建MCP服务器
- 创建了LLM客户端和AI代理
- 实现了基于Redis的缓存，以加快代理到MPCP的通信，并避免冗余的API调用
- 通过请求标头使用JWT身份验证保护所有MCP访问
- 对REST API和MCP工具实施基于角色的访问控制
架构概述
CRM+MCP系统架构
分层架构
LLM代理读取用户提示，决定调用哪个MCP工具，执行相应的CRM API，并自动返回结果。
项目结构
AI-Assisted-CRM-Using-MCP-Server
├─ app
│ ├─ chatbot
│ │ ├─ cache_service.py
│ │ ├─ handle_error.py
│ │ ├─ llm_client.py
│ │ └─ redis_client.py
│ │
│ ├─ core
│ │ ├─ cache_invalidator.py
│ │ ├─ config.py
│ │ └─ security.py
│ │
│ ├─ dependencies
│ │ ├─ auth.py
│ │ └─ permission.py
│ │
│ ├─ models
│ │ ├─ contacts.py
│ │ ├─ deals.py
│ │ ├─ leads.py
│ │ ├─ tasks.py
│ │ └─ users.py
│ │
│ ├─ routes
│ │ ├─ routers
│ │ │ ├─ auth.py
│ │ │ ├─ chat.py
│ │ │ ├─ contacts.py
│ │ │ ├─ dashboard.py
│ │ │ ├─ deals.py
│ │ │ ├─ leads.py
│ │ │ └─ tasks.py
│ │ └─ routes.py
│ │
│ ├─ schemas
│ │ ├─ chat.py
│ │ ├─ contacts.py
│ │ ├─ deals.py
│ │ ├─ leads.py
│ │ ├─ tasks.py
│ │ └─ users.py
│ │
│ ├─ static
│ │ ├─ css
│ │ └─ js
│ │
│ ├─ templates
│ │ ├─ dashboard.html
│ │ ├─ contacts.html
│ │ ├─ deals.html
│ │ ├─ leads.html
│ │ ├─ tasks.html
│ │ ├─ login.html
│ │ └─ register.html
│ │
│ ├─ main.py
│ └─ db.py
│
├─ client.py
├─ run.py
├─ requirements.txt
└─ README.md
安装
1.克隆存储库
git clone https://github.com/yourusername/AI-Assisted-CRM-Using-MCP-Server.git
cd AI-Assisted-CRM-Using-MCP-Server
2.安装 uv
我用 uv 对于包管理，它比pip快得多。
pip install uv
3.创建虚拟环境
uv init
uv venv
激活它：
视窗
.venv\Scripts\activate
Linux/macOS
source .venv/bin/activate
4.安装依赖项
uv pip install -r requirements.txt
5.配置环境变量
创建一个 .env 项目根目录中的文件：
GROQ_API_KEY=your_groq_api_key
JWT_SECRET_KEY=your_secret_key
运行应用程序
python run.py
服务器将在以下时间启动：
http://127.0.0.1:8000
API文档
FastAPI的交互式Swagger UI可在以下网址获得：
http://127.0.0.1:8000/docs
MCP端点
MCP服务器在以下位置公开：
/llm/mcp
这是AI代理用于与CRM后端交互的端点，作为一组可调用的MCP工具。
聊天互动示例
聊天机器人支持用于创建、更新和检索记录的自然语言命令。聊天界面有意不支持使用原始ID的删除操作和查询。
用户提示：
Create a new contact named John Doe with phone number 9876543210
内部发生了什么：
- AI代理根据提示解释意图
- 它选择并调用相应的MCP工具
- 该工具执行相应的CRM API
- 结果以自然语言返回给用户
许可证
该项目是开源的，可在 MIT许可证.
