这是一个实现了Model Context Protocol (MCP) 的服务器，专门用于为AI客户支持机器人提供后端服务。它能够集成外部知识源（如Glama.ai）获取上下文，并调用AI模型（如Cursor AI）生成回复。

主要功能点

• 上下文获取: 能够从配置的知识源实时检索与用户查询相关的背景信息。
• AI智能回复: 利用AI模型处理用户查询和获取到的上下文，生成人性化的回复。
• 批量处理: 支持一次性提交多个用户查询，提高处理效率。
• 用户交互记录: 可选地记录用户查询、AI回复和使用的上下文，便于后续分析和改进。
• 速率限制: 内置速率限制机制，保护服务器免受滥用。
• 健康监控: 提供健康检查端点，监控服务器及其依赖服务的状态。
• MCP协议支持: 实现MCP规范定义的版本和能力声明，并以MCP风格处理请求和响应。

安装步骤

1. 克隆仓库:

   git clone <repository-url>
   cd <repository-name>
   

2. 创建并激活Python虚拟环境:

   python -m venv venv
   source venv/bin/activate  # Windows下使用: venv\Scripts\activate
   

3. 安装依赖:

   pip install -r requirements.txt
   

4. 配置环境变量: 复制 '.env.example' 文件为 '.env'，并根据您的实际情况编辑 '.env' 文件，填入Glama.ai和Cursor AI的API Key、数据库连接信息等。
5. 设置数据库:
   • 创建数据库（如果不存在）：'createdb customer_support_bot'
   • 运行数据库迁移（如果项目使用了Alembic）：'alembic upgrade head' (此步骤假定项目包含Alembic配置，请根据实际文件结构确认)

服务器配置 (供MCP客户端使用)

MCP客户端需要知道如何启动并连接到此服务器。以下是MCP客户端通常需要的配置信息：

• 服务器名称 (server name): AI Customer Support Bot
• 启动命令 (command): python
• 启动参数 (args): ["app.py"]

服务器启动后，默认监听在 'http://localhost:8000'。MCP客户端需要将请求发送到 '/mcp/' 前缀下的各个端点（如 '/mcp/process' 或 '/mcp/batch'）。客户端通常还需要在请求头中包含 'X-MCP-Auth' 进行身份验证，并包含 'X-MCP-Version: 1.0' 指定MCP协议版本。

基本使用方法

服务器启动后（运行 'python app.py'），MCP客户端可以通过发送HTTP POST请求到 '/mcp/process' 或 '/mcp/batch' 端点来与服务器交互。请求体需要是符合MCPRequest或MCPBatchRequest结构的JSON数据，并在请求头中包含认证信息。服务器会根据查询和上下文生成回复，并以MCPResponse或MCPBatchResponse结构返回。

例如，一个MCP客户端可能会构建一个JSON请求体，包含用户的问题，并发送到服务器的 '/mcp/process' 端点。服务器接收请求后，会去获取相关上下文，调用AI处理，然后将结果返回给客户端。