AI导哈

销售分析AI代理与数据集预览服务器

一个由两部分组成的GenAI工程项目，包括一个基于LLM的销售数据分析代理和一个MCP服务器，用于安全地预览数据集。

  • by rawan-77
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 rawan-77/genai-sales-insights-agent

使用说明

GenAI销售洞察代理+MCP数据集预览服务器

由两部分组成的GenAI工程项目演示：

  1. LLM驱动的洞察代理 它使用Python、Pandas和OpenAI模型分析财务销售数据，生成完全格式化的HTML业务报告。
  2. 最小MCP（模型上下文协议）服务器 在Node.js中实现，将数据集作为可调用工具公开(dataset_preview)用于基于代理的工作流。

概述

此存储库包含：

1.AI洞察代理（Python）

一条管道：

  • 加载结构化销售数据
  • 使用Pandas进行定量分析
  • 构建一个总结，以捕捉核心指标
  • 将摘要发送给LLM
  • 接收结构化 HTML见解
  • 生成干净、有风格的 报表预览

2.MCP服务器（Node.js）

一个轻量级的模型上下文协议服务器，公开了一个工具：dataset_preview

此工具：

  • 从Python项目中读取相同的销售CSV
  • 返回 前8行，格式化为文本
  • 允许AI代理在推理之前“检查”企业数据集

架构原理

企业很少允许LLM直接访问文件系统。相反，他们依赖于：

  • 基于工具的访问
  • 严格的接口
  • 可审计数据流
  • 推理层和数据层的分离

本项目遵循这种模式：

Python代理：推理层

执行分析、生成摘要、生成HTML见解。

MCP服务器：数据访问层

通过工具公开对数据集的结构化、受限访问。

存储库结构

genai销售洞察代理/ │ ├── ai_insights_agent/ │ ├── data/ │ │ └── sales_sample.csv │ ├── sales_insights_agent.py │ ├── sales_insights_report.html │ ├── 需求.txt │ └── .env（忽略） │ └── mcp洞察服务器/ ├── index.mjs ├── package.json └── package-lock.json

AI洞察代理（Python）

运作原理

  1. 加载数据
    该脚本加载并解析财务销售数据（地区、产品、收入、成本、单位销售）。

  2. 生成Pandas摘要
    代理计算：

    • 统计摘要
    • 利润计算
    • 按地区分组的收入/利润
    • 按产品分组的收入/利润

  3. 向LLM发送提示
    摘要被传递给OpenAI模型(gpt-4o-mini)有严格的输出说明 仅限HTML.

  4. 生成HTML报告
    返回的HTML片段被插入到样式化的模板中。
    最终文件：sales_insights_report.html

这会产生一个干净、可读的仪表板式洞察页面，类似于内部分析团队可能生成的页面。

MCP服务器（Node.js）

MCP（模型上下文协议）允许基于LLM的代理通过标准接口调用工具。

这是为了模拟内部GenAI代理如何在将数据集用作上下文之前安全地检查数据集。

这个项目演示了这种工具最简单的工作版本。

运行项目

1.运行Python Insights代理

pip安装-r要求.txt

创建.env：

OPENAI_API_KEY=您的密钥所在位置

运行脚本：

python sales_insights_agent.py

输出：

  • HTML见解打印到控制台
  • sales_insights_report.html已生成

注：

  • repo中包含一个示例输出文件

2.运行MCP服务器

cd-mcpinsights_server npm安装 npm启动

使用可用的datasetpreview工具通过STDIO启动最小MCP服务器。

作者

Rawan Morshed

相关 MCP