🚀 MCP 聊天分析服务器
MCP 聊天分析服务器基于模型上下文协议（MCP）构建，借助向量嵌入和知识图谱技术，能够对聊天对话进行深入的语义分析。它提供了一系列实用工具，可用于分析聊天数据、开展语义搜索、提取概念以及剖析对话模式。
🚀 快速开始
# 安装包
pip install mcp-chat-analysis-server
# 设置配置
cp config.example.yml config.yml
# 使用config.yml编辑数据库设置
# 运行服务器
python -m mcp_chat_analysis.server
✨ 主要特性
- 🔍 语义搜索：利用向量相似性查找相关消息和对话。
- 🕸️ 知识图谱：清晰导航消息、概念和主题之间的关系。
- 📊 对话分析：深入分析模式、指标和对话动态。
- 🔄 灵活导入：支持多种聊天导出格式。
- 🚀 MCP 集成：可与Claude和其他兼容MCP的系统轻松集成。
📦 安装指南
安装依赖环境
- Python 3.8+
- Neo4j 数据库用于知识图谱存储
- Qdrant 向量数据库用于语义搜索
- sentence-transformers 用于嵌入
安装步骤
- 安装包：
pip install mcp-chat-analysis-server
- 设置数据库：
# 使用 Docker（推荐）
docker compose up -d
- 配置服务器：
cp .env.example .env
# 使用.env编辑你的设置
💻 使用示例
基础用法
import_conversations
导入并分析聊天对话
{
"source_path": "/path/to/export.zip",
"format": "openai_native" # 或 html、markdown、json
}
semantic_search
通过语义相似性搜索对话
{
"query": "机器学习应用",
"limit": 10,
"min_score": 0.7
}
analyze_metrics
分析对话指标
{
"conversation_id": "conv-123",
"metrics": [
"message_frequency",
"response_times",
"topic_diversity"
]
}
extract_concepts
提取并分析概念
{
"conversation_id": "conv-123",
"min_relevance": 0.5,
"max_concepts": 10
}
高级用法
MCP 集成
添加到你的 claude_desktop_config.json：
{
"mcpServers": {
"chat-analysis": {
"command": "python",
"args": ["-m", "mcp_chat_analysis.server"],
"env": {
"QDRANT_URL": "http://localhost:6333",
"NEO4J_URL": "bolt://localhost:7687",
"NEO4J_USER": "neo4j",
"NEO4J_PASSWORD": "你的密码"
}
}
}
}
📚 详细文档
架构
参见 ARCHITECTURE.md 获取详细图表和文档，了解：
- 系统组件及交互
- 数据流和处理流程
- 存储模式和向量操作
- 工具集成机制
开发
- 克隆仓库：
git clone https://github.com/rebots-online/mcp-chat-analysis-server.git
cd mcp-chat-analysis-server
- 安装开发依赖项：
pip install -e ".[dev]"
- 运行测试：
pytest tests/
贡献
- 叉克隆仓库
- 创建功能分支
- 提交拉取请求
参见 CONTRIBUTING.md 了解指南。
相关项目
支持
📄 许可证
本项目采用 MIT License 许可协议，详情请参阅 LICENSE 文件。