游戏数据分析聊天
一个AI驱动的聊天应用程序，用于使用RAWGneneneba API和ClaudeAI与模型上下文协议（MCP）集成来分析视频游戏数据。
特性
认证
请提供有效的 clientToken= 在查询字符串中。
请求响应日志记录
请提供 debug 查询字符串中的标志，以获取发送到服务器的请求摘要和完整的JSON响应。
实施过程总结。
编码策略
我已经下载了Wndsurf几个星期了，但还没有一个合适的独立项目来尝试它。解决方案 主要由Windsurf/Cascade实现。
然而，我没有看到与Github Copilot的明显区别，所以在接近尾声时，我又回到了那个问题上。它有我所有的工具，例如linter高亮显示，已经设置好了，所以代码质量应该更加一致。
问题
令牌限制和API过载。我做了一些坏事来限制这种情况。...
- 我去掉了标签，因为它们是一个庞大而重复的结构
- 我已将结果限制在最多2页（页面大小为40）
（见下文，下一步——后来我可以添加一个工具，根据预期的总结删除所有不必要的字段）
快速优化需要更多的工作。我有一些不可靠的工具和道具，例如，我创建了一个用于评级平均值的工具（因为它们在响应中被加权），但人工智能并没有可靠地认识到它需要被使用。
同样，它也不能可靠地报告平均值的标准差。（它非常零散，现在已从提示中删除。）
主要步骤是：
- 了解一些有关RAWGneneneba API及其功能的信息
- 使用Next.js和内置聊天组件创建了一个应用程序，作为Google Gemini的前端（已经有API密钥）
- 创建了一个集成工具来查询web应用程序中的RAWGneneneba API
- 将MCP服务器分离为自己的HTTP服务器
- 将模型切换到Claude，以获得更好的原生工具支持
- 为MCP服务器创建了一个cloudflare部署，以便远程调用它
- \[所有部件都是端到端工作的🥳 现在我可以扩展功能，提高可用性和添加安全性\]
- 添加了带有一些测试的统计工具
- 进行了一些中间提示优化，以\[尝试\]降低令牌使用率（更好但不完美）
- 使用Markdown、工具使用通知和使原始数据可用来改进UI中的反馈
?debug查询字符串 - 从大型响应中剥离一些未使用的属性以保存令牌（以及API速率限制！）
- 添加一些具有共享密钥的基本“身份验证”
下一步是什么（如果这是真的）
- 一些真正的认证！！（OAuth、JWT）
- 使用MCP工具进一步保存令牌，以检查哪些属性是分析所必需的，并删除任何其他属性
- 一些可观察性，用于跟踪令牌使用情况并指导即时优化
- 查看性能以指导模型、工具或提示优化。
- 与使用它的人聊天，看看什么是容易/困难/缺少的。
- 在UI上做更多的工作，甚至可能是比较图表。
实施了什么（根据克劳德的说法）
- 🤖 克劳德（Anthropic）支持的对话式人工智能
- 🔧 MCP（模型上下文协议） 与
fetch_game_data和execute_calculation工具 - 🎮 来自RAWGneneneba API的实时游戏数据
- 📊 统计计算（总和、平均值、标准偏差）
- 💬 干净、现代的聊天界面
- 🌙 暗模式支持
- ⚡ 使用Next.js 16和TypeScript构建
- ☁️ Cloudflare部署就绪（Pages+Workers）
项目结构
这是一个包含两个包的monorepo：
packages/chat-app/-Next.js聊天应用程序（Cloudflare Pages）packages/mcp-server/-在Cloudflare Workers上运行的MCP服务器
设置
1.安装依赖项
从根目录：
2.配置聊天应用程序
导航到聊天应用程序并设置环境变量：
复制 packages/chat-app/env.example 到 packages/chat-app/.env 并配置：
- ANTHROPIC_API_键 -从https://console.anthropic.com/
- MCP_SERVER_URL -使用
http://localhost:8787促进地方发展
3.配置MCP服务器
导航到MCP服务器并设置环境变量：
复制 packages/mcp-server/env.example 到 packages/mcp-server/.dev.vars 并配置：
- 原始\_ API_密钥 -从https://rawg.io/apidocs
4.运行开发服务器
终端1-启动MCP服务器：
MCP服务器将在http://localhost:8787
终端2-启动聊天应用程序：
聊天应用程序将在以下时间运行http://localhost:3000
用法
询问有关游戏的问题并执行计算：
- “向我展示2023年以来收视率最高的游戏”
- “现在最受欢迎的游戏是什么？”
- “告诉我RPG类型的游戏”
- 计算这些数字的平均值：10、20、30、40
人工智能使用MCP工具从RAWGneneneba API获取游戏数据并进行统计计算。看 SETUP_GUIDE.md 详细文档。
部署到Cloudflare
部署MCP服务器（Workers）
将您的RAWGneneneba API密钥设置为秘密，然后部署。
部署聊天应用程序（页面）
构建并部署Next.js应用程序。
在Cloudflare Pages仪表板中设置环境变量：
- ANTHROPIC_API_键 -您的Claude API密钥
- MCP_SERVER_URL -您部署的Worker URL
看 CLOUDFLARE_DEPLOYMENT.md 了解详细的部署说明。
技术栈
- 框架：Next.js 16，带应用路由器
- 语言：TypeScript
- 样式：顺风CSS
- 人工智能：克劳德（拟人）与MCP
- 数据源：RAWG-视频游戏数据库API
- 部署：Cloudflare Pages+Workers
- MCP工具：游戏数据获取、统计计算