星战科技xingzhan.cloud
返回市场
ADC_MCP_项目

ADC_MCP_项目

作者：harunraseed073 星标更新：2025-11-08
安装使用来源：spider==github.com

项目介绍

🤖 MCP企业级AI助手系统

一个基于模型上下文协议（MCP）的全面AI应用程序，具有智能服务器选择、专业AI工具以及用于企业级文本分析、代码审查、情感分析和知识管理的美观网页界面。

🌟 工作坊就绪功能

🏗️ 真正的MCP（模型上下文协议）实现

  • 📋 JSON-RPC 2.0协议：完全符合JSON-RPC 2.0规范
  • � MCP初始化握手：适当的服务器能力协商
  • 🔄 标准MCP方法：initialize, tools/list, tools/call, resources/list
  • ⚡ WebSocket传输：根据MCP规范建立持久连接
  • 🎯 工具模式合规性：适当的inputSchema格式用于工具定义

🚀 AI驱动的企业功能

  • 🧠 智能服务器选择：基于上下文的AI路由到合适的服务器
  • 📝 文本分析：AI摘要、实体提取和分类
  • 🔍 代码审查：自动质量分析、错误检测和改进
  • 😊 情感分析：高级情绪检测和情感评分
  • 📚 知识管理：文档问答和信息检索
  • 🎨 美观的网页UI：带有结构化结果展示的专业界面
  • 🔧 可配置的AI模型：支持Ollama（本地）和Azure OpenAI

🏗️ 系统架构

┌─────────────────┐    ┌─────────────────┐    ┌─────────────────┐
│   Web前端       │────│   Flask应用     │────│   MCP主机       │
│   (HTML/JS/CSS) │    │   (Web服务器)   │    │ (AI协调器)      │
└─────────────────┘    └─────────────────┘    └─────────────────┘
                                                        │
                                               ┌─────────────────┐
                                               │   MCP客户端    │
                                               │ (通信)         │
                                               └─────────────────┘
                                                        │
        ┌───────────────────┬───────────────────┬───────────────────┬───────────────────┐
        │                   │                   │                   │                   │
┌───────▼────────┐ ┌────────▼────────┐ ┌───────▼────────┐ ┌────────▼────────┐
│ 文本分析       │ │  代码审查       │ │ 情感分析       │ │   知识          │
│    服务器      │ │    服务器       │ │   分析         │ │    服务器       │
│   端口: 8001   │ │   端口: 8002    │ │   端口:  8003  │ │   端口: 8004    │
└────────────────┘ └─────────────────┘ └────────────────┘ └─────────────────┘

📋 先决条件

1. Python安装

2. Ollama安装与设置

安装Ollama

  1. 下载Ollama：访问 https://ollama.ai/download
  2. 针对您的操作系统安装：
    • Windows：下载并运行安装程序
    • macOS：brew install ollama
    • Linux：curl -fsSL https://ollama.ai/install.sh | sh

下载所需AI模型

# 下载Llama 3.2 3B模型（推荐用于此项目）
ollama pull llama3.2:3b

# 验证模型已安装
ollama list

启动Ollama服务

# 启动Ollama服务（保持运行）
ollama serve

3. Git安装（用于克隆仓库）

🚀 安装与设置

第一步：克隆仓库

git clone https://github.com/harunraseed07/ADC_MCP_Project.git
cd ADC_MCP_Project

第二步：安装Python依赖

# 安装所需包
pip install -r requirements.txt

第三步：验证Ollama模型

# 确保llama3.2:3b可用
ollama list

# 如果未安装，请下载它
ollama pull llama3.2:3b

第四步：配置系统

系统预配置为使用：

  • AI提供商：Ollama（本地）
  • 模型：llama3.2:3b
  • 端口：8001-8004用于MCP服务器，5000用于网页界面

配置文件位于config/目录中。

🎯 快速开始

方法1：自动化启动（推荐）

# 启动所有服务器和Web应用（Windows）
start_demo_system.bat

# 对于PowerShell
./start_demo_system.bat

方法2：手动启动

# 终端1：启动文本分析服务器
python -m mcp_servers.text_analysis_server

# 终端2：启动代码审查服务器
python -m mcp_servers.code_review_server

# 终端3：启动情感分析服务器
python -m mcp_servers.sentiment_analysis_server

# 终端4：启动知识服务器
python -m mcp_servers.knowledge_server

# 终端5：启动Web应用
python web_app/app.py

第五步：访问应用

  1. 打开浏览器
  2. 导航至：http://localhost:5000
  3. 开始与AI助手互动！

💡 使用示例

文本分析

"总结这段文字：[你的文字]"
"从以下内容中提取实体：[你的文字]"
"对以下内容进行分类：[你的内容]"

代码审查

"审查这段Python代码：def function_name():"
"检查这段JavaScript是否有错误：[你的代码]"
"分析代码质量：[你的代码]"

情感分析

"分析情感：我非常喜欢这个产品！"
"这段文字中的情绪是什么：[你的文字]"
"客户反馈的情感：[反馈]"

知识管理

"搜索关于：[主题]的信息"
"你知道什么关于：[主题]"
"查找与：[查询]相关的文档"

� MCP协议实现

JSON-RPC 2.0合规性

所有通信遵循JSON-RPC 2.0规范：

{
    "jsonrpc": "2.0",
    "id": 1,
    "method": "tools/call",
    "params": {
        "name": "summarize_text",
        "arguments": {"text": "你的文字"}
    }
}

MCP标准方法

  • initialize：服务器能力握手
  • tools/list：获取可用工具及其模式
  • tools/call：执行工具及其参数
  • resources/list：列出可用资源
  • resources/read：读取资源内容

工具模式格式

{
    "name": "summarize_text",
    "description": "AI驱动的文本摘要",
    "inputSchema": {
        "type": "object",
        "properties": {
            "text": {
                "type": "string",
                "description": "需要摘要的文本"
            }
        },
        "required": ["text"]
    }
}

�🔧 配置

AI模型配置

编辑config/mcp_config.json：

{
    "ai_provider": "ollama",
    "ai_model": "llama3.2:3b",
    "ai_base_url": "http://localhost:11434"
}

服务器端口

  • 文本分析：8001
  • 代码审查：8002
  • 情感分析：8003
  • 知识：8004
  • 网页界面：5000

🛠️ 故障排除

常见问题

  1. “找不到Ollama”错误

    # 确保Ollama正在运行
ollama serve

  2. “找不到模型”错误

    # 下载所需的模型
ollama pull llama3.2:3b

  3. 端口已被占用

    # 检查哪些进程在使用这些端口
netstat -ano | findstr :8001
# 如需终止进程
kill_all_servers.bat

  4. Python模块未找到

    # 重新安装依赖
pip install -r requirements.txt

实用脚本

  • check_ports.bat - 检查哪些端口被占用
  • kill_all_servers.bat - 停止所有正在运行的服务器
  • start_demo_system.bat - 启动整个系统

🎓 工作坊活动

活动1：基本设置（15分钟）

  1. 安装先决条件（Python，Ollama）
  2. 下载llama3.2:3b模型
  3. 克隆并设置项目
  4. 启动系统并验证其是否正常工作

活动2：理解MCP（20分钟）

  1. 探索系统架构
  2. 查看AI路由的工作原理
  3. 测试不同类型的查询
  4. 观察服务器选择逻辑

活动3：定制化（25分钟）

  1. 修改服务器响应
  2. 添加新的AI工具
  3. 自定义网页界面
  4. 尝试不同的AI模型

活动4：高级特性（20分钟）

  1. 实现自定义服务器逻辑
  2. 添加新的MCP服务器
  3. 集成外部API
  4. 部署到生产环境

📁 项目结构

ADC_MCP_Project/
├── mcp_servers/           # MCP服务器实现
│   ├── text_analysis_server.py
│   ├── code_review_server.py
│   ├── sentiment_analysis_server.py
│   └── knowledge_server.py
├── mcp_client/            # MCP客户端用于通信
│   └── client.py
├── mcp_host/              # AI驱动的MCP主机
│   ├── host.py
│   └── ai_models.py
├── web_app/               # Flask Web应用
│   ├── app.py
│   ├── templates/
│   └── static/
├── config/                # 配置文件
│   └── mcp_config.json
├── scripts/               # 实用脚本
└── requirements.txt       # Python依赖

🤝 贡献

  1. 分叉仓库
  2. 创建功能分支：git checkout -b feature-name
  3. 进行更改
  4. 彻底测试
  5. 提交拉取请求

📄 许可

该项目根据MIT许可发布 - 详情参见LICENSE文件。

🆘 支持

  • 问题：通过GitHub Issues报告错误和请求功能
  • 文档：查看项目文件以获取详细指南
  • 社区：加入讨论以获得帮助和协作

🎉 致谢

  • 使用模型上下文协议（MCP）框架构建
  • 由Ollama和Llama 3.2 AI模型提供动力
  • 受企业AI自动化需求启发

愉快编码！🚀 准备探索AI驱动的企业应用的未来！