AI导哈

Airbnb价格预测服务

一个基于scikit-learn的MCP服务器，用于预测Airbnb房源每晚价格，提供结构化输出和兼容性支持。

  • by pipaber
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 pipaber/price_mcp

使用说明

Airbnb价格预测器MCP服务器

概述

price_mcp.py 公开了一个模型上下文协议（MCP）服务器，该服务器封装了 scikit-learn管道经过训练，可以预测Airbnb房源的夜间价格。 这 predict_airbnb_price 该工具接受在以下过程中使用的13个相同功能 训练并返回一个货币四舍五入的预测。伴随提示， price_prediction_prompt，帮助客户制定一致的工具调用。

特性

  • MCP工具 predict_airbnb_price 通过Pydantic验证输入并返回 结构化输出。
  • 传统兼容层 scikit-learn 泡菜（把手 _RemainderColsList 以及缺失的安装）。
  • 提示 price_prediction_prompt 呈现准备发送的用户消息 使用JSON有效载荷。
  • 结构化响应(PricePrediction)用于下游自动化。
  • 共享SVG图标(price_icon.svg)应用于服务器和工具 更丰富的MCP客户端UI。

需求

  • Python 3.11+

  • 依赖关系：

    pip install fastmcp pandas joblib scikit-learn==1.6.1

    使用培训版本 scikit-learn 以避免解除警告。

入门指南

  1. 确保 model_airbnb_price.pkl 坐在旁边 price_mcp.py.

  2. 在虚拟环境中安装依赖项。

  3. 在本地运行服务器：

    python price_mcp.py

  4. 将您的MCP兼容客户端连接到该流程(transport="stdio" 通过 默认）。

工具和提示

名称 类型 描述
predict_airbnb_price 工具 使用训练好的管道预测夜间价格。
price_prediction_prompt Prompt 生成指导工具调用的用户消息。

提示使用与工具相同的模式验证参数，因此MCP客户端 确切地知道如何格式化特征有效载荷。

开发说明

  • 安装缺失的依赖项或更新后重新加载服务器 模型就足够了；加载器按需重试。
  • 将单元测试或冒烟脚本添加到 tests/ （不包括在内）如果你愿意 回归覆盖率。
  • 当工具模式或提示合同发生变化时，请保持README最新。

相关 MCP