声誉盾牌-人工智能评论回应者
多LLM驱动的MCP服务器，从Google Business Profile和Yelp获取评论，生成具有可配置音调/风格的人工智能精心制作的回复，安排帖子，并跟踪参与度指标。
🌟 特性
- 多平台评论获取：从Google Business Profile和Yelp获取评论
- 人工智能驱动的响应生成：支持多个LLM提供商：
- 人物克劳德（克劳德3.5十四行诗，作品，俳句） - OpenAI ChatGPT（GPT-4o、GPT-4 Turbo、GPT-3.5 Turbo） - xAI灰度（灰度-2） - OpenAI兼容API（Ollama、LM Studio、自定义服务器）
- 可配置的音调配置文件：专业、友好、富有同情心、幽默
- 预定发布：安排回复以获得最佳时间
- 审批工作流程：在发布之前审查和批准人工智能生成的回复
- 批量操作：一次生成多条评论的回复
- 成本跟踪：跟踪LLM的使用情况和每个提供商的成本
- 综合分析：响应率、音调分布、LLM使用统计数据
- 生产准备就绪：Docker支持、PostgreSQL后端、结构化日志
📋 先决条件
- Python 3.10+
- PostgreSQL 14+
- Docker和Docker Compose（可选但推荐）
- API密钥：
- Google Business Profile OAuth凭据 - Yelp Fusion API密钥 - 至少一个LLM提供程序API密钥（Claude、ChatGPT、Grok或自定义）
🚀 快速开始
使用Docker（推荐）
- 克隆存储库
git clone
cd MCP-Google-Review-reply- 配置环境变量
cp .env.example .env
# Edit .env with your API keys and configuration- 启动服务
docker-compose up -d- 检查日志
docker-compose logs -f mcp-server手动安装
- 安装依赖项
pip install -r requirements.txt- 设置PostgreSQL
createdb reputation_shield
psql reputation_shield < src/reputation_shield/database/schema.sql- 配置环境
cp .env.example .env
# Edit .env with your configuration- 运行服务器
python -m src.reputation_shield.server🔧 配置
环境变量
看 .env.example 对于所有配置选项。关键设置：
数据库：
DATABASE_HOST=localhost
DATABASE_PORT=5432
DATABASE_NAME=reputation_shield
DATABASE_PASSWORD=your_password法学硕士提供者（克劳德示例）：
LLM_PRIMARY_PROVIDER=claude
LLM_PRIMARY_CLAUDE_API_KEY=sk-ant-your-key-here
LLM_PRIMARY_CLAUDE_MODEL=claude-3-5-sonnet-20241022谷歌商业简介：
GOOGLE_CLIENT_ID=your_client_id
GOOGLE_CLIENT_SECRET=your_secret
GOOGLE_BUSINESS_ID=accounts/123/locations/456发出短而尖的叫声：
YELP_API_KEY=your_yelp_key
YELP_BUSINESS_ID=your-business-aliasGoogle Business Profile的OAuth设置
- 首选 谷歌云控制台
- 创建新项目或选择现有项目
- 启用“Google My Business API”
- 创建OAuth 2.0凭据（Web应用程序）
- 添加重定向URI:
http://localhost:8000/auth/google/callback - 将客户端ID和客户端密码复制到
.env - 运行OAuth流以获取刷新令牌
📚 MCP工具
1.fetch_reviews
从Google Business Profile和/或Yelp获取评论。
{
"business_id": "uuid-here",
"platforms": ["google", "yelp"],
"limit": 50,
"new_only": true,
"rating_filter": [1, 2, 3], # Optional: filter low ratings
"sort_by": "newest"
}退货：
{
"success": true,
"reviews": [...],
"summary": {
"total_fetched": 25,
"google_count": 15,
"yelp_count": 10,
"pending_responses": 25
}
}2.生成回复
生成人工智能精心制作的评论回复。
{
"business_id": "uuid-here",
"review_id": "uuid-here",
"tone": "professional", # professional|friendly|empathetic|humorous
"brand_voice_template": "Optional custom guidelines",
"max_length": 300,
"include_emojis": true
}退货：
{
"success": true,
"reply_id": "uuid",
"generated_reply": "Thank you for your feedback...",
"tone_score": 0.85,
"character_count": 287,
"llm_used": "claude",
"model_used": "claude-3-5-sonnet-20241022",
"tokens_used": 245,
"cost_estimate_usd": 0.0037,
"approval_url": "/approve/uuid?token=...",
"status": "pending_approval"
}3.日程安排
安排在特定时间发布回复。
{
"business_id": "uuid",
"reply_id": "uuid",
"platform": "google",
"post_date": "2025-01-20T10:00:00Z",
"auto_post": false,
"callback_url": "https://your-webhook.com/notify"
}4.获取历史记录
通过过滤和分析获取历史回复。
{
"business_id": "uuid",
"start_date": "2025-01-01",
"end_date": "2025-01-31",
"platform": "all",
"status_filter": ["posted"],
"limit": 100,
"offset": 0
}5.批量生成
批量生成多条评论的回复。
{
"business_id": "uuid",
"filter_criteria": {
"rating_max": 3,
"days_old_max": 30
},
"tone": "empathetic",
"batch_size": 25,
"auto_schedule": false
}返回前3个回复的预览以及作业状态。
6.批准回复
批准或拒绝生成的回复。
{
"business_id": "uuid",
"reply_id": "uuid",
"approval_token": "token-from-generate",
"approved": true,
"edit_text": "Optional edited version"
}🏗️ 建筑
├── src/reputation_shield/
│ ├── server.py # Main MCP server (FastMCP)
│ ├── config/ # Configuration models
│ ├── database/ # Database schema & connection
│ ├── llm_providers/ # LLM provider abstraction
│ │ ├── base.py # Base provider interface
│ │ ├── claude.py # Anthropic Claude
│ │ ├── chatgpt.py # OpenAI ChatGPT
│ │ ├── grok.py # xAI Grok
│ │ └── openai_compatible.py # Generic OpenAI API
│ ├── api_clients/ # Google & Yelp clients
│ ├── tools/ # MCP tool implementations
│ └── utils/ # Logging, helpers
├── tests/ # Unit & integration tests
├── Dockerfile # Docker image
├── docker-compose.yml # Docker Compose config
└── .env.example # Environment template📊 数据库模式
系统使用PostgreSQL和下表：
- 企业：业务概况和配置
- 评价：从所有平台获取评论
- 生成报告：人工智能生成的带有元数据的回复
- 已安排的帖子：计划发布队列
- reply_templates：自定义回复模板
- api_logs：API调用日志和指标
- 指标：每日汇总统计数据
🔐 安全
- 存储为环境变量的API密钥
- 数据库密码已加密
- 用于回复授权的批准令牌
- SQL注入预防（参数化查询）
- 所有API客户端的速率限制
- 使用Pydantic进行输入验证
📈 监控和记录
- 结构化JSON日志记录 对于所有操作
- 健康检查端点 用于监控
- 成本跟踪 用于LLM使用
- 指标汇总 （获取评论、发布回复、回复率）
- 误差跟踪 具有重试逻辑
🧪 测试
# Run all tests
pytest
# Run with coverage
pytest --cov=src --cov-report=term-missing
# Run specific test file
pytest tests/unit/test_llm_providers.py🚀 部署
生产检查表
- \[\]设置强
DATABASE_PASSWORD - \[\]使用
DATABASE_SSL_MODE=require - \[\]设置
ENVIRONMENT=production - \[\]配置
LOG_LEVEL=INFO或WARNING - \[\]设置监控webhook(
MONITORING_ALERT_WEBHOOK_URL) - \[\]启用成本跟踪
- \[\]配置回退LLM提供程序
- \[\]设置数据库备份
- \[\]审查过账规则和审批要求
- \[\]测试Google Business Profile的OAuth流
扩展
- 使用连接池（在中配置
DATABASE_POOL_*设置） - 在负载平衡器后面运行多个实例
- 使用Redis进行缓存（未来增强）
- 实施批量操作的作业队列（未来增强）
🤝 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-有关详细信息，请参阅许可证文件
🆘 支持
- 问题:
- 讨论:
- 文档: API完整文档
🙏 致谢
- 用于MCP服务器实现的FastMCP框架
- 用于LLM API的Anthropic Claude、OpenAI和xAI
- 谷歌商业简介和Yelp融合API
- PostgreSQL社区
______________________________________________________________________
内置于❤️ 对于那些关心自己声誉的企业