FastIntercom MCP服务器
用于内部通信会话分析的高性能模型上下文协议（MCP）服务器。通过智能缓存和后台同步，提供对对讲机对话的快速本地访问。
特性
- 🚀 快速本地访问：对话搜索的响应时间低于1000毫秒
- 🧠 智能同步：请求触发的后台更新确保数据新鲜
- 💾 高效存储：基于SQLite的本地存储（每次对话约2KB）
- 🔍 强大的搜索功能：自然语言时间框架和文本搜索
- ⚡ MCP集成：与Claude Desktop和MCP客户端直接集成
快速开始
安装
# Clone and install
git clone
cd fast-intercom-mcp
python -m venv venv
source venv/bin/activate # On Windows: venv\Scripts\activate
pip install -e .设置
# Initialize with your Intercom credentials
fast-intercom-mcp init
# Check status
fast-intercom-mcp status
# Sync conversation history
fast-intercom-mcp sync --force --days 7Claude桌面集成
添加到您的Claude Desktop配置(~/.config/claude/claude_desktop_config.json):
{
"mcpServers": {
"fast-intercom-mcp": {
"command": "fast-intercom-mcp",
"args": ["start"],
"env": {
"INTERCOM_ACCESS_TOKEN": "your_token_here"
}
}
}
}用法
CLI命令
fast-intercom-mcp status # Show server status and statistics
fast-intercom-mcp sync # Incremental sync of recent conversations
fast-intercom-mcp sync --force --days 7 # Force sync last 7 days
fast-intercom-mcp start # Start MCP server
fast-intercom-mcp logs # View recent log entries
fast-intercom-mcp reset # Reset all dataMCP工具
连接到Claude Desktop后，您可以提出以下问题：
- “搜索过去7天内关于账单的对话”
- “显示昨天的客户对话”
- “FastIntercom服务器的状态如何？”
- “获取ID 123456789的对话详细信息”
配置
环境变量
INTERCOM_ACCESS_TOKEN=your_token_here
FASTINTERCOM_LOG_LEVEL=INFO
FASTINTERCOM_MAX_SYNC_AGE_MINUTES=5
FASTINTERCOM_BACKGROUND_SYNC_INTERVAL=10配置文件
位于 ~/.fast-intercom-mcp/config.json:
{
"log_level": "INFO",
"max_sync_age_minutes": 5,
"background_sync_interval_minutes": 10,
"initial_sync_days": 30
}建筑
智能同步策略
FastIntercom使用复杂的缓存策略：
- 立即响应：MCP请求立即从本地缓存返回数据
- 背景同步：过时的时间框架会触发背景更新
- 智能触发器：系统从请求模式中学习以优化同步时间
- 新鲜数据：下一个请求从后台同步获取更新数据
组件
- 数据库：SQLite具有优化的模式，可实现快速搜索
- 同步服务：具有智能刷新逻辑的后台服务
- MCP服务器：模型上下文协议实现
- CLI接口：用于管理和监控的命令行工具
发展
测试
快速测试
# Unit tests
pytest tests/
# Integration test (requires API key)
./scripts/run_integration_test.sh
# Docker test
./scripts/test_docker_install.sh综合测试
# Full unit test suite with coverage
pytest tests/ --cov=fast_intercom_mcp
# Integration test with performance report
./scripts/run_integration_test.sh --performance-report
# Docker clean install test
./scripts/test_docker_install.sh --with-api-test
# Performance benchmarking
./scripts/run_performance_test.shCI/CD集成
- 快速检查：在每个PR上运行（单元测试、linting、导入）
- 集成测试：具有真实API数据的手动/每周触发
- Docker测试：关于发布和部署验证
有关详细的测试程序，请参阅：
docs/TESTING.md-完整的测试指南docs/INTEGRATION_TESTING.md-集成测试程序scripts/README.md-测试脚本文档
地方发展
# Install in development mode
pip install -e .
# Run with verbose logging
fast-intercom-mcp --verbose status
# Monitor logs in real-time
tail -f ~/.fast-intercom-mcp/logs/fast-intercom-mcp.log演出
典型性能指标
- 响应时间：缓存查询小于100ms
- 存储效率：每次对话平均约2KB
- 同步速度：10-50次对话/秒
- 内存使用：服务器进程\<100MB
存储需求
- 小型工作空间：100-500次对话，~5-25 MB
- 中等工作空间：1000-5000次对话，~50-250 MB
- 大型工作空间：10000多个对话，~500+MB
故障排除
常见问题
连接失败
- 验证您的对讲机访问令牌
- 检查令牌权限（需要读取对话）
- 测试：
curl -H "Authorization: Bearer YOUR_TOKEN" https://api.intercom.io/me
数据库锁
- 停止任何正在运行的FastIntercom进程：
ps aux | grep fast-intercom-mcp - 检查日志文件：
~/.fast-intercom-mcp/logs/fast-intercom-mcp.log
MCP服务器没有响应
- 验证Claude Desktop配置JSON语法
- 配置更改后重新启动Claude Desktop
- 检查一下
fast-intercom-mcp命令在PATH中可用
调试模式
fast-intercom-mcp --verbose start # Enable verbose logging
export FASTINTERCOM_LOG_LEVEL=DEBUG # Set debug levelapi参考
MCP工具
search_conversations
使用灵活的过滤器搜索对话。
参数：
query（string）：在对话消息中搜索的文本timeframe（string）：自然语言时间框架（“最近7天”、“本月”等）customer_email（string）：按特定客户电子邮件筛选limit（整数）：要返回的最大对话数（默认值：50）
get_conversation
获取特定对话的完整细节。
参数：
conversation_id（字符串，必填）：内部通信会话ID
get_server_status
获取服务器状态和统计信息。
参数： 无
sync_conversations
触发手动对话同步。
参数：
force（boolean）：即使存在最新数据，也强制完全同步
贡献
- 分叉存储库
- 创建要素分支(
git checkout -b feature/amazing-feature) - 提交您的更改(
git commit -m 'Add amazing feature') - 推到分支(
git push origin feature/amazing-feature) - 打开拉取请求
许可证
MIT许可证-请参阅 许可证 文件以获取详细信息。
支持
- 问题:
- 文档：此README和内联代码文档
- 日志：检查
~/.fast-intercom-mcp/logs/fast-intercom-mcp.log了解详细信息