🚀 MCP 服务器演示

本项目是一个基于 MCP（模型控制协议）和 Kafka 构建的生产就绪任务管理系统，它实现了 AI 代理与 Kafka 任务队列的交互，能高效管理任务并处理通知。

🚀 快速开始

本系统支持任务管理、通知处理以及通过 Kafka 实时处理事件。以下是快速启动系统的步骤：

1. 克隆仓库并安装依赖：

# 克隆仓库
git clone https://github.com/yourusername/mcp-server-demo.git
cd mcp-server-demo

# 安装依赖项
pip install -e .

2. 更新 kafka_config.py 中的 Kafka 配置为您的实际 Kafka 集群详细信息：

KAFKA_CONFIG = {
    'bootstrap.servers': 'your-kafka-bootstrap-servers',
    'security.protocol': 'SASL_SSL',
    'sasl.mechanisms': 'SCRAM-SHA-512',
    'sasl.username': 'your-username',
    'sasl.password': 'your-password',
}

3. 启动服务器：

python main.py

4. 加载测试数据：

python kafka_test_data.py

✨ 主要特性

• 任务管理：可创建、更新、调整优先级和完成生产任务。
• 通知系统：具备实时通知功能，且带有优先级级别。
• Kafka 集成：实现可靠的消息队列和事件流处理。
• MCP 工具：为 AI 代理提供友好型接口，用于任务和通知操作。
• 消费者服务：基于 Kafka 消息进行背景处理。

📦 安装指南

环境要求

• Python 3.13+
• Kafka 集群（本地或 AWS MSK）
• Confluent Kafka Python 客户端

安装步骤

# 克隆仓库
git clone https://github.com/yourusername/mcp-server-demo.git
cd mcp-server-demo

# 安装依赖项
pip install -e .

💻 使用示例

基础用法

启动服务器

python main.py

加载测试数据

python kafka_test_data.py

高级用法

该系统为 AI 代理暴露了一系列 MCP 工具，可用于任务和通知管理。

任务管理

• fetch_queue：获取待处理任务列表
• change_task_priority：更新任务优先级
• pickup_task：标记任务为进行中
• complete_task：标记任务为完成
• get_task_details：获取任务详细信息
• check_task_status：检查任务当前状态

通知管理

• check_notification_count：获取未读通知数量
• get_notification_list：获取过滤后的通知列表
• mark_notification_as_read：标记通知为已读

📚 详细文档

架构

该系统包含以下组件：

• MCP 服务器：为 AI 代理提供交互接口。
• Kafka 生产者：向 Kafka 主题发送消息。
• Kafka 消费者：从 Kafka 主题处理消息。
• 任务服务：负责任务管理的业务逻辑。
• 通知服务：负责通知处理的业务逻辑。

项目结构

mcp-server-demo/
├── main.py                # MCP 服务器初始化
├── kafka_config.py        # Kafka 配置
├── consumer_service.py    # Kafka 消费者服务
├── task_service.py        # 任务管理逻辑
├── notification_service.py # 通知处理逻辑
└── kafka_test_data.py     # 测试数据生成器

📄 许可证

本项目采用 MIT 许可证。

贡献

欢迎贡献！请随意提交 Pull Request。