rpt MCP

rpt mcp

MCP服务器，通过FastMCP资源和工具公开SAP RPT云表格预测。

需求

• SAP RPT API令牌 –设置 RPT_API_TOKEN 带有个人令牌的环境变量（请参见https://rpt.cloud.sap/docs).可选覆盖：

- RPT_API_BASE_URL 用于指向非生产端点。

• 参考数据 –该仓库附带了经过修剪的IBM HR数据集 examples/data/reference/。按原样使用，或通过指向在您自己的文件中交换 RPT_DATASETS （例如。 export RPT_DATASETS='{"ibm_hr": {"path": "examples/data/reference/WA_Fn-UseC_-HR-Employee-Attrition.csv"}}').

安装（带 uv)

# from the repository root
uv sync --extra dev --extra examples

uv sync 创建（或刷新）本地 .venv/ 使用中声明的依赖关系 pyproject.toml，包括可选 dev + examples pytest和MCP演示代理所需的额外功能。您可以激活环境(source .venv/bin/activate)或者简单地用前缀命令 uv run ....

跑步

本地stdio传输

export RPT_API_TOKEN=...  # required
export RPT_DATASETS='{"ibm_hr": {"path": "examples/data/reference/WA_Fn-UseC_-HR-Employee-Attrition.csv"}}'

uv run python -m rpt_mcp_server --transport stdio

SSE运输（非集装箱）

uv run python -m rpt_mcp_server \
  --transport sse \
  --host 0.0.0.0 \
  --port 8080 \
  --allowed-origins https://your-agent.example \
  --dataset ibm_hr=examples/data/reference/WA_Fn-UseC_-HR-Employee-Attrition.csv

每 --dataset 标志注册ID/路径对。您还可以通过以下方式配置相同的映射 RPT_DATASETS.

如果你跳过 RPT_DATASETS/--dataset，服务器仍在运行——每个MCP调用都将被视为仅查询输入，任何缺失的值都会自动替换为 [PREDICT] 在访问SAP API之前。

Docker（SSE传输）

根 Dockerfile 是一个可重用的模板，它期望在运行时挂载数据集：

docker build -t rpt-mcp .
docker run \
  -p 8080:8080 \
  -v $(pwd)/examples/data:/data:ro \
  -e RPT_API_TOKEN=... \
  -e RPT_DATASETS='{"ibm_hr": {"path": "/data/reference/WA_Fn-UseC_-HR-Employee-Attrition.csv"}}' \
  rpt-mcp

对于一个独立的人力资源演示，下面有一个特定于示例的Dockerfile examples/Dockerfile.hr 并直接捆绑样本数据集：

docker build -f examples/Dockerfile.hr -t hr-rpt-mcp-server --build-arg BASE_IMAGE=python:3.12-slim .
docker run \
  -p 8080:8080 \
  -e RPT_API_TOKEN=... \
  -e RPT_DATASETS='{"ibm_hr": {"path": "/app/examples/data/reference/WA_Fn-UseC_-HR-Employee-Attrition.csv"}}' \
  hr-rpt-mcp-server

两个图像默认为 --transport sse --host 0.0.0.0 --port 8080，因此远程MCP客户端可以通过服务器发送事件进行连接，而无需单独的包装进程。

IBM人力资源流失示例

1. 安装示例中使用的可选依赖项： uv sync --extra dev --extra examples.
2. 使用捆绑的样本数据集(examples/data/reference/WA_Fn-UseC_-HR-Employee-Attrition.csv)或点 --reference 在您自己的Kaggle出口处。
3. 综合调查文件(examples/data/new_employee_survey.csv)包含在内，因此您可以在不发布Kaggle数据的情况下立即测试工作流。

批量场景

OPENAI_API_KEY=... RPT_API_TOKEN=... uv run python -m examples.batch_attrition_agent \
  --survey examples/data/new_employee_survey.csv \
  --reference examples/data/reference/WA_Fn-UseC_-HR-Employee-Attrition.csv

代理加载1470行IBM数据集作为上下文，通过统一的 predict_tabular MCP工具，标记所有可能离职的人，并生成一份人力资源友好的总结，其中包含风险因素和建议。

综合调查行捕捉了多种场景（应届毕业生、中级科学家、通勤时间长的销售主管等），因此分类器可以产生低风险和高风险的预测，展示代理如何处理风险因素。

架构提醒： 在查询有效负载中保留数据集中的每一列。将未知值留空/null （JSON文本 null，不是字符串 "null")；服务器处理规范化。不要删除列。

测试

uv run pytest