MCP Registration Assistant

🔧 注册助理

基于人工智能构建的注册系统 MCP（模型上下文协议） 工具， 快速API，以及 溪流此应用程序允许用户注册新用户，并使用与AI助手的自然语言交互查看现有注册。

🌟 特性

• 自然语言接口：与人工智能助手聊天以管理注册
• 用户注册：添加具有姓名、电子邮件和出生日期的新用户
• 数据验证：对所有输入字段进行全面验证
• 查看注册信息：显示所有注册用户
• 防止重复：阻止使用现有电子邮件地址注册
• 实时聊天界面：基于Streamlit的交互式用户界面
• RESTful API：带有自动文档的FastAPI后端

🏗️ 建筑

┌─────────────────┐    ┌──────────────┐    ┌─────────────────┐
│   Streamlit     │────│   FastAPI    │────│   MCP Tools     │
│   Frontend      │    │   HTTP API   │    │   (Business     │
│   (app.py)      │    │   (api.py)   │    │    Logic)       │
└─────────────────┘    └──────────────┘    └─────────────────┘
         │                       │                    │
         │                       │                    │
    ┌────▼────┐            ┌─────▼─────┐        ┌─────▼─────┐
    │ OpenAI  │            │ Pydantic  │        │   CSV     │
    │   API   │            │ Validation│        │ Storage   │
    └─────────┘            └───────────┘        └───────────┘

📁 项目结构

registration-assistant/
├── README.md                  # Project documentation
├── requirements.txt           # Python dependencies
├── .env                      # Environment variables (create this)
├── user_registrations.csv    # Data storage (auto-created)
│
├── app.py                    # Streamlit frontend application
├── api.py                    # FastAPI HTTP endpoints
├── main.py                   # FastMCP server (alternative)
├── manager.py                # Registration business logic
├── validator.py              # Input validation utilities
│
└── tools/                    # MCP Tools directory
    ├── __init__.py
    ├── add_registrations.py   # Add registration tool
    └── get_all_registrations.py # Get all registrations tool

🚀 快速开始

先决条件

• Python 3.8+
• OpenAI API密钥

安装

1. 克隆存储库

   git clone 
   cd registration-assistant

1. 安装依赖项

   pip install -r requirements.txt

1. 创建环境文件

   # Create .env file
   echo "OPENAI_API_KEY=your_openai_api_key_here" > .env

1. 启动FastAPI服务器

   # Option 1: Direct run
   python api.py

   # Option 2: Using uvicorn (recommended)
   uvicorn api:app --reload --host 127.0.0.1 --port 8000

1. 启动Streamlit应用程序 （在新航站楼）

   streamlit run app.py

1. 访问应用程序

- Streamlit应用程序: http://localhost:8501 - FastAPI文档: http://127.0.0.1:8000/docs - FastAPI API: http://127.0.0.1:8000

📋 需求

创建一个 requirements.txt 文件包含：

streamlit>=1.28.0
fastapi>=0.104.0
uvicorn>=0.24.0
openai>=1.3.0
httpx>=0.25.0
python-dotenv>=1.0.0
loguru>=0.7.0
pydantic>=2.0.0
mcp>=0.1.0
fastmcp>=0.1.0

🎯 用法

使用聊天界面

1. 注册新用户:

   "Register John Doe with email john@example.com, DOB 1990-01-15"

1. 查看所有注册:

   "Show all registrations"
   "List all users"
   "Display registered users"

1. 自然语言查询:

   "Add a new user named Jane Smith with email jane@test.com born on 1985-06-20"
   "I want to register someone"
   "Can you show me who's registered?"

直接使用API

添加注册

curl -X POST "http://127.0.0.1:8000/add_registration" \
     -H "Content-Type: application/json" \
     -d '{
       "name": "John Doe",
       "email": "john@example.com",
       "dob": "1990-01-15"
     }'

获取所有注册信息

curl -X GET "http://127.0.0.1:8000/get_all_registrations"

🔧 配置

环境变量

创建一个 .env 项目根目录中的文件：

OPENAI_API_KEY=your_openai_api_key_here

数据存储

• 格式：CSV文件(user_registrations.csv)
• 位置：项目根目录
• 自动创建：文件在首次注册时自动创建
• 领域：姓名、电子邮件、出生日期、注册日期

🙏 致谢

• OpenAI 用于ChatGPT API
• 溪流 优秀的前端框架
• 快速API 用于高性能API框架
• MCP协议 工具集成标准

______________________________________________________________________