Qna Action MCP Server

QnA动作MCP服务器

智能MCP（模型上下文协议）服务器，旨在为LLM提供基于RAG的问答功能和可操作的票务功能。

概述

该项目为LLM提供了一个强大的后端，使其能够充当智能代理。它的特点是：

• 配置驱动架构：只需更改配置文件，即可适应任何行业或领域。
• RAG（检索增强生成）：嵌入您的自定义知识库，以获得准确、上下文感知的答案。
• 可操作能力：配备有工具，可以直接从用户交互中创建工单等操作。

先决条件

• 包子 （或Node.js）
• PostgreSQL数据库

环境变量

创建 .env 根目录中的文件，包含以下变量：

GEMINI_API_KEY=your_gemini_api_key_here
DATABASE_URL=postgresql://user:password@localhost:5432/dbname

用法

1.配置(src/configs)

此服务器完全由配置驱动。您必须在中定义应用程序行为 src/configs.

第一步：创建 config.yaml 这是指向其他特定配置文件的入口点。

files:
  intents: "intents.yaml"
  persona: "persona.yaml"
  knowledge_base_index: "kb_index.yaml"
  ticketing: "ticketing.yaml"

步骤2：创建引用的配置文件

• intents.yaml：定义用户意图和允许的工具。

  intents:
    support_query:
      description: "User asks a support question"
      allowed_tools: ["search_knowledge_base"]
      risk_level: "low"

• persona.yaml：定义AI的个性和系统提示。

  default: "support_agent"
  personas:
    support_agent:
      system_prompt: "You are a helpful support agent..."
      max_length: 1000

• kb_index.yaml：配置知识库后端。

  knowledge_base:
    backend: "local"   # or 'api'
    documents_path: "src/kb"

• ticketing.yaml：配置票务系统集成。

  schema: "ticket_schema.json"
  endpoint: "https://api.example.com/tickets"
  method: "POST"

2.知识库(src/kb)

将所有知识库文档（Markdown、Text等）放在 src/kb 文件夹（或中配置的路径 kb_index.yaml).

3.脚本

使用Bun运行以下命令：

• 嵌入知识库:

将文档转换为 src/kb 用于RAG的向量嵌入。

  bun run vectorize_kb

• 启动服务器:

启动MCP服务器。

  bun start

工具和资源

此MCP服务器向连接的客户端公开以下功能：

工具

• search_knowledge_base：对矢量化知识库执行语义搜索，以回答用户查询。

- *输入*: query （字符串）， k （结果数量）

• create_ticket：根据对话上下文创建支持票。

- *输入*: ticket （与您的票证架构匹配的对象）

资源

• intents: (file:///intents.json)返回已配置的用户意图。
• persona: (file:///persona.json)返回活动AI角色配置。
• knowledge: (file://{filename})直接访问读取特定知识库文件。
• ticket_schema: (file:///ticket_schema.json)返回用于创建票证的架构定义。