ADC_MCP_项目
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
- 需要Python 3.8或更高版本
- 下载地址：https://python.org/downloads/
- 验证安装：
python --version或py --version
2. Ollama安装与设置
安装Ollama
- 下载Ollama：访问 https://ollama.ai/download
- 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）
- 下载地址：https://git-scm.com/downloads
- 验证：
git --version
🚀 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
- 打开浏览器
- 导航至：http://localhost:5000
- 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
-
“找不到Ollama”错误
# 确保Ollama正在运行 ollama serve -
“找不到模型”错误
# 下载所需的模型 ollama pull llama3.2:3b -
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 -
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）
- 安装先决条件（Python，Ollama）
- 下载llama3.2:3b模型
- 克隆并设置项目
- 启动系统并验证其是否正常工作
活动2：理解MCP（20分钟）
- 探索系统架构
- 查看AI路由的工作原理
- 测试不同类型的查询
- 观察服务器选择逻辑
活动3：定制化（25分钟）
- 修改服务器响应
- 添加新的AI工具
- 自定义网页界面
- 尝试不同的AI模型
活动4：高级特性（20分钟）
- 实现自定义服务器逻辑
- 添加新的MCP服务器
- 集成外部API
- 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
- 分叉仓库
- 创建功能分支：
git checkout -b feature-name - 进行更改
- 彻底测试
- 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！