返回 MCP 目录
public公开dns本地运行

AI-Customer-Support-Bot---MCP-Server

一个基于MCP协议的AI客户支持服务器,集成了Cursor AI和Glama.ai,提供实时上下文获取和智能响应生成。

article

README

🚀 AI 客户支持机器人 - MCP 服务器

本项目是一个借助 Cursor AI 和 Glama.ai 集成的 AI 驱动客户支持的模型上下文协议 (MCP) 服务器,它能实时从 Glama.ai 获取上下文,利用 Cursor AI 生成智能响应,为客户支持工作带来高效与智能的体验。

🚀 快速开始

先决条件

  • Python 3.8+
  • PostgreSQL 数据库
  • Glama.ai API 密钥
  • Cursor AI API 密钥

安装步骤

  1. 克隆仓库:
git clone <repository-url>
cd <repository-name>
  1. 创建并激活虚拟环境:
python -m venv venv
source venv/bin/activate  # 在 Windows 上:venv\Scripts\activate
  1. 安装依赖项:
pip install -r requirements.txt
  1. 基于 .env.example 创建 .env 文件:
cp .env.example .env
  1. 配置您的 .env 文件,使用以下示例:
# 环境变量配置示例
DATABASE_URL=postgresql://user:password@localhost/dbname
API_KEY=your_api_key_here
MCP_SERVER_ADDRESS=http://localhost:8080
  1. 完成安装后,启动服务器:
python app.py

✨ 主要特性

  • 实时从 Glama.ai 获取上下文
  • 使用 Cursor AI 生成 AI 驱动的响应
  • 批量处理支持
  • 优先级队列
  • 速率限制
  • 用户交互跟踪
  • 健康监控
  • MCP 协议符合性

📚 详细文档

配置

所有 MCP 端点均要求通过 X-MCP-Auth 标头进行身份验证。

使用说明

  1. 更新 mcp_config.py 添加新的配置选项
  2. 如果需要新增模型,请在 models.py 中添加
  3. app.py 中创建新的端点
  4. 更新功能端以反映新特性

注意事项

⚠️ 重要提示

  • 所有 MCP 端点均要求通过 X-MCP-Auth 标头进行身份验证。
  • 实现了速率限制以防止滥用
  • 数据库凭证需保持安全
  • API 密钥请勿提交到版本控制中

健康监控

服务器提供了用于监控的端点:

  • 服务状态
  • 速率限制使用情况
  • 已连接服务
  • 处理时间

错误处理

可能错误代码

| 错误代码 | 描述 | |---------|------| | 401 | 未授权 | | 503 | 服务不可用 | | 429 | 请求过多 |

贡献指南

  1. 分叉仓库
  2. 创建功能分支
  3. 提交更改
  4. 推送到分支
  5. 创建拉取请求

📄 许可证

本项目在 MIT 许可证下发布 - 请查看 LICENSE 文件获取详细信息。

🔧 支持

如需支持,请在仓库中创建问题或联系开发团队。

help

运行方式说明

cloud

托管运行

托管运行通常表示这个 MCP Server 由服务方环境承载,用户一般按页面提供的连接方式或授权流程接入,不需要在本地长期启动一个 MCP 进程

  1. 打开服务方连接页
  2. 完成授权或复制端点
  3. 在 MCP 客户端中连接
terminal

本地运行 / 其它方式

本地运行通常需要用户在自己的电脑或服务器上安装依赖,把 server_config 复制到 MCP 客户端,并按 env_schema 补齐环境变量、密钥或其它配置

  1. 复制 server_config
  2. 安装所需依赖
  3. 补齐环境变量后重启客户端