MCP Automation Engine

✈️ 飞行情报自动化代理

一个本地AI驱动的自动化系统，将航班销售数据转化为可操作的见解——基于您的 Flight Sales Data Pipeline 项目使用 DuckDB, 气流, 溪流，以及 开源LLM 通过精心策划 模型上下文协议（MCP）.

______________________________________________________________________

🧭 概述

该项目将之前的Airflow ETL管道扩展为完整的 AI自动化系统.\ 它将航班销售数据（通过Mock API模拟）与本地拥抱脸LLM连接到：

• 生成 日常商业洞察 根据飞行数据。
• 自动化摘要和异常检测。
• 将见解存储并可视化 流线型仪表板.
• 全力奔跑 本地，使用 MCP框架 用于模块化自动化。

______________________________________________________________________

⚙️ 技术栈

______________________________________________________________________

📂 文件夹结构

flight_intelligence_agent/
├── db/                             
│   ├── raw_data.duckdb
│   ├── db_connection.py
│   ├── init_schema.py
│   ├── fetch_and_insert.py
│   └── transformations.py
│
├── airflow/                        
│   ├── dags/
│   │   └── etl_pipeline.py
│   └── docker-compose.yaml
│
├── agents/
│   ├── insights_agent.py
│   └── scheduler.py
│
├── mcp_layer/
│   ├── client.py
│   └── servers/
│       ├── duckdb_server.py
│       ├── filesystem_server.py
│       └── ai_server.py
│
├── dashboard/
│   └── app.py
│
├── reports/
│   ├── daily_summary.txt
│   └── anomalies.json
│
├── config/
│   ├── config.json
│   └── .env
│
├── requirements.txt                
├── .gitignore
└── README.md

🧩 建筑

Architecture Diagram

______________________________________________________________________

🔍 运作原理

🛫 数据摄取

• fetch_and_insert.py 从 模拟API.
• 气流DAG(etl_pipeline.py)自动化日常 提取、转换、加载 过程 *（摘录→ 变换→ Load)*.
• 数据存储在 DuckDB 在模式下 raw.bookings.

______________________________________________________________________

🔄 数据转换

• transformations.py 计算KPI，例如 总收入, 平均票价，以及 独特的乘客数量.
• 处理后的数据存储在 已处理的模式 用于分析。

______________________________________________________________________

🧠 AI洞察层

• 这 MCP AI代理 (insights_agent.py)连接到 DuckDB 并检索KPI。
• 它将数据输入到 开源拥抱脸模型 （例如。 Phi-2 或 Mistral).
• 代理生成 自然语言摘要 和 异常警报，保存在 /reports/.

______________________________________________________________________

⚙️ 通过MCP实现自动化

• 这 MCP客户端 协调多个本地服务器之间的通信：

➡️ 这 AI 代理 充当中央编排器，通过 模型上下文协议.

______________________________________________________________________

📊 可视化

• 这 流线型仪表板 从读取已处理的数据 DuckDB 以及来自以下方面的见解 /reports/.
• 显示 实时关键绩效指标, 销售趋势，以及 人工智能生成的摘要.

______________________________________________________________________

🧠 输出示例

AI摘要示例：

收入增加 每周8%，主要由 商务舱预订 从 *巴黎→ 纽约。*\ 然而， 经济舱票价 看到a 下降5% 由于季节性影响，入住率下降。

______________________________________________________________________

🚀 快速入门

1.️⃣ 设置环境

git clone https://github.com//flight_intelligence_agent.git
cd flight_intelligence_agent
pip install -r requirements.txt

2.️⃣ 运行ETL管道

python db/init_schema.py
python db/fetch_and_insert.py

或者从气流开始：

docker-compose up

3.️⃣ 运行AI Insight Agent

python agents/insights_agent.py

4.️⃣ 启动仪表板

streamlit run dashboard/app.py