AI导哈

航班智能自动化代理

一个本地AI驱动的自动化系统，将航班销售数据转化为可操作的洞察，基于DuckDB、Airflow、Streamlit和开源LLM构建，通过模型上下文协议（MCP）进行编排。

  • by salmabenslimane
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 salmabenslimane/mcp-automation-engine

使用说明

✈️ 飞行情报自动化代理

一个本地AI驱动的自动化系统，将航班销售数据转化为可操作的见解——基于您的 Flight Sales Data Pipeline 项目使用 DuckDB, 气流, 溪流，以及 开源LLM 通过精心策划 模型上下文协议（MCP）.

🧭 概述

该项目将之前的Airflow ETL管道扩展为完整的 AI自动化系统.
它将航班销售数据（通过Mock API模拟）与本地拥抱脸LLM连接到：

  • 生成 日常商业洞察 根据飞行数据。
  • 自动化摘要和异常检测。
  • 将见解存储并可视化 流线型仪表板.
  • 全力奔跑 本地，使用 MCP框架 用于模块化自动化。

⚙️ 技术栈

图层 工具 目的
🐍 编程 Python 核心脚本语言
🪶 存储 DuckDB 分析数据库
🧱 编排 Apache气流 ETL和自动化
🧠 AI模型 拥抱脸（Phi-2/Mistral/Llama） 洞察力生成
🔗 协议 MCP（模型上下文协议） 工具编排
📊 可视化 流媒体 交互式仪表板
🪄 自动化 监视器/Cron 自动化的本地触发器
🐳 容器化 Docker 可选气流部署

📂 文件夹结构

flight_intelligence_agent/
├── db/                             
│   ├── raw_data.duckdb
│   ├── db_connection.py
│   ├── init_schema.py
│   ├── fetch_and_insert.py
│   └── transformations.py
│
├── airflow/                        
│   ├── dags/
│   │   └── etl_pipeline.py
│   └── docker-compose.yaml
│
├── agents/
│   ├── insights_agent.py
│   └── scheduler.py
│
├── mcp_layer/
│   ├── client.py
│   └── servers/
│       ├── duckdb_server.py
│       ├── filesystem_server.py
│       └── ai_server.py
│
├── dashboard/
│   └── app.py
│
├── reports/
│   ├── daily_summary.txt
│   └── anomalies.json
│
├── config/
│   ├── config.json
│   └── .env
│
├── requirements.txt                
├── .gitignore
└── README.md

🧩 建筑

🔍 运作原理

🛫 数据摄取

  • fetch_and_insert.py 从 模拟API.
  • 气流DAG(etl_pipeline.py)自动化日常 提取、转换、加载 过程 （摘录→ 变换→ Load).
  • 数据存储在 DuckDB 在模式下 raw.bookings.

🔄 数据转换

  • transformations.py 计算KPI，例如 总收入, 平均票价，以及 独特的乘客数量.
  • 处理后的数据存储在 已处理的模式 用于分析。

🧠 AI洞察层

  • 这 MCP AI代理 (insights_agent.py)连接到 DuckDB 并检索KPI。
  • 它将数据输入到 开源拥抱脸模型 （例如。 Phi-2 或 Mistral).
  • 代理生成 自然语言摘要 和 异常警报，保存在 /reports/.

⚙️ 通过MCP实现自动化

  • 这 MCP客户端 协调多个本地服务器之间的通信：
服务器 用途
🪶 duckdb_server.py 公开SQL查询和KPI数据。
📁 filesystem_server.py 管理本地报告生成和文件监控
🧠 ai_server.py 包裹一个拥抱脸LLM用于文本生成和推理。

➡️ 这 AI 代理 充当中央编排器，通过 模型上下文协议.

📊 可视化

  • 这 流线型仪表板 从读取已处理的数据 DuckDB 以及来自以下方面的见解 /reports/.
  • 显示 实时关键绩效指标, 销售趋势，以及 人工智能生成的摘要.

🧠 输出示例

AI摘要示例：

收入增加 每周8%，主要由 商务舱预订 从 巴黎→ 纽约。
然而， 经济舱票价 看到a 下降5% 由于季节性影响，入住率下降。

🚀 快速入门

1.️⃣ 设置环境

git clone https://github.com/<your-username>/flight_intelligence_agent.git
cd flight_intelligence_agent
pip install -r requirements.txt

2.️⃣ 运行ETL管道

python db/init_schema.py
python db/fetch_and_insert.py

或者从气流开始：

docker-compose up

3.️⃣ 运行AI Insight Agent

python agents/insights_agent.py

4.️⃣ 启动仪表板

streamlit run dashboard/app.py

相关 MCP