AVS RVTools Analyzer MCP 服务器

关键词

RVTools分析风险评估Azure OpenAI 集成FastAPI 服务自动化分析

使用说明（Markdown 格式）

  • 项目简介

    • 这是一个面向开发者和 AI 辅助场景的后端服务器，基于快速实现的 MCP（模型上下文协议）服务器架构，能够向 LLM 客户端提供资源管理、工具执行和提示模板渲染等能力，并提供 Web UI 和 REST/OpenAPI 接口，方便进行 RVTools 数据分析和迁移风险评估。

  • 主要功能点

    • MCP 工具暴露（通过 FastMCP 实现，面向 MCP 客户端的 JSON-RPC 请求）
      • list_available_risks：列出可用的迁移风险检测类型
      • get_sku_capabilities：获取 AVS SKU 硬件能力信息
      • analyze_file：通过服务器路径分析 RVTools 文件
      • analyze_uploaded_file：上传并分析 RVTools Excel 文件
      • analyze_json_data：分析已经转换成 JSON 的数据
      • convert_excel_to_json：将 Excel 转换为可用于 AI 的简单 JSON
      • convert_to_json、analyze_json 等辅助接口（来自路由实现）
    • 风险检测与分析
      • gather_all_risks、get_available_risks 等实现对多种风险类型的检测与汇总
      • 与 Azure OpenAI 集成的 AI 建议能力（需要环境变量配置）
    • 资源与提示模板
      • SKU 数据从静态资源 sku.json 加载
      • 风险分析提示模板 risk_analysis_prompt.md，用于 AI 提示的渲染
    • Web UI 与 API
      • 提供根路径的网页交互界面、OpenAPI 文档、健康检查等
      • RESTful API 与 MCP 工具入口，便于对接不同客户端

  • 安装步骤

    • 安装 uv（推荐，用于快速本地运行）：
      • Windows: powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"
      • macOS/Linux: curl -LsSf https://astral.sh/uv/install.sh | sh
    • 运行方式（开发/测试常用）
      • uv run avs-rvtools-analyzer
      • 或直接从源码运行（包含热重载与调试）
    • 生产化部署
      • 使用 uvicorn 直接通过应用入口运行，或用容器化/进程管理工具部署
    • 服务器地址
      • Web UI 与 API 文档默认在 http://127.0.0.1:8000

  • 服务器配置（MCP 客户端启动信息示例，JSON 格式） 说明：MCP 客户端需要配置一个启动信息，通过该信息将 MCP 服务器接入其运行环境。下面给出一个准确的示例描述，实际请按你的部署环境调整。 { "server_name": "AVS RVTools Analyzer MCP Server", "command": ["uv", "run", "avs-rvtools-analyzer"], "args": ["--host", "0.0.0.0", "--port", "8000"], "description": "启动 AVS RVTools Analyzer 的 MCP 服务端，提供资源、工具、Prompts 的 MCP 接入点", "notes": "默认开启 0.0.0.0:8000，可根据需要调整主机/端口。若需要热重载请添加 --reload。请根据实际环境配置必要的环境变量（如 Azure OpenAI 的端点、密钥与部署名等）。", "env_vars": { "AZURE_OPENAI_ENDPOINT": "<your-endpoint-url>", "AZURE_OPENAI_API_KEY": "<your-api-key>", "AZURE_OPENAI_DEPLOYMENT_NAME": "<your-deployment-name>" } }

  • 基本使用方法

    • 通过 MCP 客户端向 /mcp 提供的工具名称发送请求，进行风险检测、SKU 查询、Excel 转 JSON 等操作
    • 如需 AI 建议，请确保 Azure OpenAI 配置正确（环境变量），并通过 get_ai_suggestion 接口获取建议
    • Web UI 提供直观的文件上传、风险分析结果查看、以及 API 文档浏览

  • 额外注意

    • 该仓库实现了完整的 MCP 服务入口、路由、分析逻辑以及错误处理，具备可运行性和明确的功能边界
    • 依赖较多，请在合适的虚拟环境中安装依赖并确保 OpenAI/API 相关配额与权限

服务器信息

访问项目