金大哥 - Chat Analysis MCP 详情

article

README

🚀 MCP 聊天分析服务器

MCP 聊天分析服务器基于模型上下文协议（MCP）构建，借助向量嵌入和知识图谱技术，能够对聊天对话进行深入的语义分析。它提供了一系列实用工具，可用于分析聊天数据、开展语义搜索、提取概念以及剖析对话模式。

🚀 快速开始

# 安装包
pip install mcp-chat-analysis-server

# 设置配置
cp config.example.yml config.yml
# 使用config.yml编辑数据库设置

# 运行服务器
python -m mcp_chat_analysis.server

✨ 主要特性

🔍 语义搜索：利用向量相似性查找相关消息和对话。
🕸️ 知识图谱：清晰导航消息、概念和主题之间的关系。
📊 对话分析：深入分析模式、指标和对话动态。
🔄 灵活导入：支持多种聊天导出格式。
🚀 MCP 集成：可与Claude和其他兼容MCP的系统轻松集成。

📦 安装指南

安装依赖环境

Python 3.8+
Neo4j 数据库用于知识图谱存储
Qdrant 向量数据库用于语义搜索
sentence-transformers 用于嵌入

安装步骤

安装包：

pip install mcp-chat-analysis-server

设置数据库：

# 使用 Docker（推荐）
docker compose up -d

配置服务器：

cp .env.example .env
# 使用.env编辑你的设置

💻 使用示例

基础用法

import_conversations

导入并分析聊天对话

{
    "source_path": "/path/to/export.zip",
    "format": "openai_native"  # 或 html、markdown、json
}

semantic_search

通过语义相似性搜索对话

{
    "query": "机器学习应用",
    "limit": 10,
    "min_score": 0.7
}

analyze_metrics

分析对话指标

{
    "conversation_id": "conv-123",
    "metrics": [
        "message_frequency",
        "response_times",
        "topic_diversity"
    ]
}

extract_concepts

提取并分析概念

{
    "conversation_id": "conv-123",
    "min_relevance": 0.5,
    "max_concepts": 10
}

高级用法

MCP 集成

添加到你的 claude_desktop_config.json：

{
    "mcpServers": {
        "chat-analysis": {
            "command": "python",
            "args": ["-m", "mcp_chat_analysis.server"],
            "env": {
                "QDRANT_URL": "http://localhost:6333",
                "NEO4J_URL": "bolt://localhost:7687",
                "NEO4J_USER": "neo4j",
                "NEO4J_PASSWORD": "你的密码"
            }
        }
    }
}

📚 详细文档

架构

参见 ARCHITECTURE.md 获取详细图表和文档，了解：

系统组件及交互
数据流和处理流程
存储模式和向量操作
工具集成机制

开发

克隆仓库：

git clone https://github.com/rebots-online/mcp-chat-analysis-server.git
cd mcp-chat-analysis-server

安装开发依赖项：

pip install -e ".[dev]"

运行测试：

pytest tests/

贡献

叉克隆仓库
创建功能分支
提交拉取请求

参见 CONTRIBUTING.md 了解指南。

支持

📄 许可证

本项目采用 MIT License 许可协议，详情请参阅 LICENSE 文件。

Chat Analysis