Safetyops MCP Server

安全运营MCP服务器

基于人工智能的安全事件知识库 --在几个小时内，而不是几个月内，将您的工业事故数据插入任何人工智能助手。

   

______________________________________________________________________

这是什么？

生产准备就绪 MCP（模型上下文协议）服务器 它将您的工作场所事件数据库转换为RAG驱动的人工智能助手，与 克劳德·科皮洛特工作室，ChatGPT，以及任何兼容MCP的客户端。

问你的AI代理：

• *“发生焊接火灾后，我们应该采取哪些纠正措施？”* → 结构化的即时/短期/长期行动计划，附有来源引用
• *“去年化工行业发生了多少起事故？”* → 基于人工智能生成的洞察的统计数据
• *“高空坠落的主要原因是什么？”* → RAG回复及文件参考

每个AI客户端都不需要定制开发 --一台服务器，每个AI工具。

______________________________________________________________________

为什么这与Azure AI搜索直接连接器不同

______________________________________________________________________

4个MCP工具

______________________________________________________________________

建筑

┌─────────────────────────────────────────────────────────┐
│               AI Client Layer                           │
│   Copilot Studio │ Claude Desktop │ ChatGPT │ Custom    │
└────────────────────────┬────────────────────────────────┘
                         │  JSON-RPC 2.0 (MCP protocol)
                         ▼
┌─────────────────────────────────────────────────────────┐
│            SafetyOps MCP Server (FastAPI)               │
│                                                         │
│  POST /mcp  ──►  ApiKeyMiddleware                       │
│                       │                                 │
│               ToolRegistry.call()                       │
│          ┌────────────┼────────────┐──────────┐         │
│       kb_search  kb_converse  kb_analyze  kb_suggest    │
└──────────────┬──────────────────────┬───────────────────┘
               │                      │
               ▼                      ▼
    Azure AI Search            Azure OpenAI
    (hybrid retrieval)        (gpt-4o-mini)
    279+ incidents             RAG generation

______________________________________________________________________

快速开始

1.克隆并安装

git clone https://github.com//safetyops-mcp-server.git
cd safetyops-mcp-server
pip install -e ".[dev]"

2.配置Azure凭据

cp .env.example .env

编辑 .env:

# Azure AI Search
AZURE_SEARCH_ENDPOINT=https://.search.windows.net
AZURE_SEARCH_INDEX=safetyops-kb-v2
AZURE_SEARCH_API_KEY=

# Azure OpenAI
AZURE_OPENAI_ENDPOINT=https://.openai.azure.com/
AZURE_OPENAI_CHAT_DEPLOYMENT=gpt-4o-mini
AZURE_OPENAI_EMBEDDING_DEPLOYMENT=text-embedding-3-large
AZURE_OPENAI_API_KEY=

# MCP Server Auth
MCP_API_KEYS=your-secret-key-here

3.启动服务器

python -m uvicorn safetyops_mcp.app.main:app --port 8001 --reload

4.测试一下

# Health check
curl http://localhost:8001/health

# List available tools
curl -X POST http://localhost:8001/mcp \
  -H "Content-Type: application/json" \
  -H "X-API-Key: your-secret-key-here" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/list"}'

# Ask for corrective actions
curl -X POST http://localhost:8001/mcp \
  -H "Content-Type: application/json" \
  -H "X-API-Key: your-secret-key-here" \
  -d '{
    "jsonrpc": "2.0", "id": 2, "method": "tools/call",
    "params": {
      "name": "kb_suggest",
      "arguments": {
        "incident_description": "A worker was burned during welding operations",
        "language": "en"
      }
    }
  }'

______________________________________________________________________

连接到Copilot工作室

在5分钟内将您的Microsoft 365 AI助手连接到真实的事件数据。

1. 在中打开您的代理 Copilot工作室
2. 首选 操作/扩展 → 模型上下文协议（MCP）
3. 点击 添加现有MCP服务器
4. 设置服务器URL:

- 本地（使用Cloudflare隧道）： https://.trycloudflare.com/mcp - 生产（Azure Web应用程序）： https://.azurewebsites.net/mcp

1. 身份验证：

- 类型： API密钥 - 标题名称： X-API-Key - 价值：您的 MCP_API_KEYS 价值

1. Save → 4个工具会自动出现

看 docs/copilot-studio.md 详细设置。

______________________________________________________________________

连接到克劳德桌面

添加 ~/.claude/claude_desktop_config.json:

{
  "mcpServers": {
    "safetyops": {
      "url": "https://.azurewebsites.net/mcp",
      "headers": { "X-API-Key": "" }
    }
  }
}

______________________________________________________________________

部署到生产环境（Azure Web应用程序）

# Production server
gunicorn -c gunicorn.conf.py safetyops_mcp.app.main:app

看 docs/azure-deployment.md 用于完整的Azure应用服务设置。

永不承诺 .env。在生产环境中使用Azure密钥库。

______________________________________________________________________

完全适应您的业务需求

4个内置工具是 起点不是天花板。每一层都可以在不接触MCP核心的情况下进行修改或扩展。

调整现有工具

每个工具都有两个杠杆，您可以根据具体情况进行调整：

1.输出格式 --更改结果的呈现方式，以匹配您组织的语言和标准：

2.内容和领域逻辑 --系统提示对您的领域专业知识进行编码：

HSE体系提示 kb_suggest 专为工业安全而设计。 将其替换为制药、核能或海事提示，该工具将成为该领域的领域专家，无需更改代码。

______________________________________________________________________

为您的商业案例添加自定义工具

工具注册表在几分钟内接受任何新工具。为特定客户构建的工具示例：

kb_report     → Auto-generate a formatted incident report (Word/PDF) from a description
kb_compare    → Compare two incidents side by side and identify common root causes
kb_deadline   → Track corrective action deadlines and flag overdue items
kb_escalate   → Score incident severity and route to the right team automatically
kb_translate  → Deliver the action plan in the local language of the site

添加一个工具=一个Python文件+将其注册到 registry.pyAI客户端通过以下方式自动发现它 tools/list --不需要客户端更改。

______________________________________________________________________

这对您的部署意味着什么

当我们为您的组织进行部署时，工具已配置为 你的 工作流程， 你的 术语，以及 你的 输出格式——不是通用模板。该架构使这一点变得很快：定制是配置，而不是再造。

______________________________________________________________________

safetyops_mcp/
├── app/
│   ├── main.py              # FastAPI entry point + /health
│   ├── auth.py              # API key middleware
│   ├── mcp_router.py        # JSON-RPC 2.0 dispatch (/mcp)
│   └── settings.py          # Pydantic settings
└── mcp/
    ├── jsonrpc.py            # JSON-RPC 2.0 models
    ├── registry.py           # Tool registration + dispatch
    └── tools/
        ├── _openai_client.py # Shared Azure OpenAI factory
        ├── kb_search.py      # Hybrid search tool
        ├── kb_converse.py    # RAG Q&A tool
        ├── kb_analyze.py     # Statistical analysis tool
        └── kb_suggest.py     # Corrective action plan tool

data/
└── accidents.csv             # Source dataset (China industrial accidents)

scripts/
├── normalize_china_data.py   # Data normalization pipeline
└── pipeline_blob_to_search.py # Azure Search indexing pipeline

docs/
├── azure-setup.md
├── azure-deployment.md
├── copilot-studio.md
└── runbook.md

______________________________________________________________________

适应自己的数据

此模板旨在 为任何事故知识库部署:

1. 替换 data/accidents.csv 使用您的事件数据集
2. 在中调整字段映射 scripts/normalize_china_data.py
3. 重新运行索引管道
4. 4个MCP工具可以立即处理您的数据，无需更改代码

支持的数据源：CSV、JSON、SQL导出、SharePoint列表。

看 docs/azure setup.md 用于索引指南。

______________________________________________________________________

用例和行业

______________________________________________________________________

技术栈

______________________________________________________________________

许可证

麻省理工学院——见 许可证.

______________________________________________________________________

*基于MCP开放标准构建，适用于今天和明天的每个AI客户端。*