Intelligent Intake and Triage MCP Server

使用说明（Markdown 格式）

• 项目简介

  • 该仓库实现了一个基于 MCP（Model Context Protocol）的后端服务器，负责向 MCP 客户端提供可管理的资源、可调用的工具、以及可渲染的提示模板，支持多模态输入与行业级路由与优先级处理等能力。核心通过 FastMCP 框架组织工具、资源、提示等组件，提供面向 LLM 的上下文服务。

• 主要功能点

  • 资源（Resources）：提供行业队列、分类 taxonomy、路由配置等 MCP 资源，便于 LLM 获取上下文信息。
  • 工具（Tools）：包含分类、严重性打分、路由决策、获取路由规则、行业列表等工具，支持 LLM 调用外部功能进行推理与决策。
  • 提示模板（Prompts）：内置分类、分诊、路由等流程的提示模板，帮助 LLM 以结构化方式产出可解析的结果。
  • 多模态支持：对图片等附件进行文本提取与描述，便于视觉模型参与推理。
  • 配置驱动：行业配置通过 YAML/JSON/YAML-Adapter 的方式加载与规范化，支持自定义行业扩展。
  • 跨传输协议：设计目标支持 Stdio、SSE、WebSocket 等传输方式，便于不同客户端接入。
  • 会话与能力声明：服务端维护能力、路由及资源信息，确保客户端能在不同会话中获取一致的上下文。

• 安装与运行步骤

  • 依赖与环境
    • Python 3.11+，Docker（若使用容器化部署）
    • 需要的依赖包（如 fastmcp、groq client、google-generativeai 等）可通过 README 提到的方式安装
  • 本地运行（非 Docker 场景）
    • 安装依赖并配置环境变量（.env）：
      • GROQ_API_KEY、GEMINI_API_KEY 等相关 API key
    • 启动 MCP 服务器（示例命令，实际请参照 README）：
      • fastmcp run mcp_server/server.py --transport sse --port 8000
  • 验证端点
    • 端点/资源浏览：访问示例前端页面或通过 MCP 客户端查询资源
    • API/服务端命令会在启动时输出已经监听的端口和传输协议

• 服务器配置（MCP 客户端使用，JSON 格式，包含 server name、command、args 等） 配置示例（请以 JSON 形式保留在客户端配置中；下方为说明文本） { "server_name": "intake-triage-server", "command": ["fastmcp", "run", "mcp_server/server.py"], "args": ["--transport", "sse", "--port", "8000"] } 参数说明：

  • server_name：MCP 服务器在客户端侧的标识名称，便于管理和对比。
  • command：启动服务器所需的可执行命令数组，首个元素通常为可执行程序名，后续为子命令。
  • args：传递给启动命令的参数列表，此处指定传输协议为 SSE（或其他传输方式），以及监听端口号。 注：客户端在接入时仅需要读取上述字段中的 server_name、command、args，即可启动并连接到 MCP 服务器。具体实现中可能需要按客户端实现方的格式进行再包装，以上为准确反映仓库内服务器启动方式的配置思路。

• 基本使用方法

  • MCP 服务器启动后，LLM 客户端可以通过 MCP 协议请求：
    • 读取资源（如队列、分类、路由配置等）
    • 调用工具（分类、分级、路由等）
    • 获取并渲染提示模板（Prompts）
  • 支持文本与图片等多模态输入，图片输入将先进行文本描述或视觉分析，再与文本分析结果一起参与推理。
  • 行业扩展：通过 mcp_server/config_loader 与 adapters/generic_yaml_adapter 支持自定义行业配置，确保分类、严重性、路由等模块可拓展。

• 关键注意事项

  • 需要正确安装并配置 FastMCP、Groq/Gemini 客户端的依赖与 API key。
  • 服务器启动命令与传输协议应与 MCP 客户端匹配，常见组合为 SSE 传输和端口 8000 的设置。
  • 若未提供某些依赖包，系统将退回回退逻辑，确保在没有外部 LLM 的情况下仍能执行基线推理。