1C MCP Sales Analyst

AI-аналитик склада и продаж на базе 1С + MCP + DeepSeek

Замена ручного построения отчётов СКД на текстовые запросы к данным учёта. Пользователь пишет вопрос на русском языке — AI анализирует данные из 1С и выдаёт ответ.

Архитектура

┌─────────────┐     ┌──────────────┐     ┌─────────────┐
│  Пользователь │────▶│  chat.py /   │────▶│  DeepSeek   │
│  (CLI / Web) │     │  web_ui.py   │     │  API (V3)   │
└─────────────┘     └──────┬───────┘     └─────────────┘
                           │
                           ▼
                    ┌──────────────┐
                    │  1C Tools    │
                    │ (Function    │
                    │  Calling)    │
                    └──────┬───────┘
                           │
                    ┌──────▼───────┐
                    │  1C HTTP     │
                    │  Services    │
                    │ (или Mock)   │
                    └──────────────┘

LLM работает в облаке DeepSeek, инструменты (get_stock, get_sales и др.) вызываются через Function Calling. Данные поступают из 1С через HTTP-сервисы или из встроенного мока для демо.

Быстрый старт

Предварительные требования

• Python 3.11+
• Ключ DeepSeek API (deepseek.com)

Установка

# Клонировать репозиторий
git clone https://github.com/your-username/1c-mcp-sales-analyst.git
cd 1c-mcp-sales-analyst

# Создать .env файл
cp .env.example .env
# Отредактировать .env: указать DEEPSEEK_API_KEY

# Установить зависимости
pip install -e .
pip install -e ".[web]"  # если нужен Web UI

Запуск CLI

python chat.py "Покажи топ-5 товаров на складе в Москве, которые не продавались 30 дней"

Запуск Web UI

streamlit run web_ui.py

Запуск через Docker

docker-compose up --build

Примеры запросов

Запрос	Что делает AI
"Покажи топ-5 товаров на складе в Москве, которые не продавались 30 дней"	get_stock + get_sales → фильтр → сортировка
"Какая выручка за последнюю неделю по менеджеру Иванов?"	get_sales_by_manager
"Сколько единиц товара 'Гвоздь 100мм' на всех складах?"	get_stock
"Кто из клиентов задолжал больше 100 000 рублей?"	get_receivables

Структура проекта

├── src/
│   ├── __main__.py         # Точка входа (python -m src)
│   ├── config.py           # Конфигурация из .env
│   ├── logger.py           # Логирование (loguru)
│   ├── deepseek_client.py  # Клиент DeepSeek API + Function Calling
│   ├── tools.py            # Инструменты для вызова 1С
│   ├── server.py           # MCP-сервер
│   └── clients/
│       ├── c1_client.py    # HTTP-клиент для 1С (реальный)
│       └── mock_c1_client.py # Мок-клиент для демо
├── chat.py                 # CLI-клиент
├── web_ui.py               # Streamlit Web UI
├── 1c_http_services/       # Документация по HTTP-сервисам 1С
├── pyproject.toml
├── Dockerfile
├── docker-compose.yml
└── .env.example

Переменные окружения (.env)

Переменная	По умолчанию	Описание
DEEPSEEK_API_KEY	—	Ключ API DeepSeek
C1_BASE_URL	http://localhost/1c/api	URL сервера 1С
C1_USERNAME	service_user	Логин 1С
C1_PASSWORD	service_password	Пароль 1С
MCP_HOST	0.0.0.0	Хост MCP-сервера
MCP_PORT	8000	Порт MCP-сервера
LLM_MODEL	deepseek-chat	Модель DeepSeek
LLM_TEMPERATURE	0.1	Температура LLM
USE_MOCK_DATA	true	Использовать мок вместо 1С

1С HTTP-сервисы

Для подключения к реальной 1С необходимо опубликовать HTTP-сервисы. См. 1c_http_services/README.md.

По умолчанию USE_MOCK_DATA=true — проект работает с демо-данными без 1С.

MCP-сервер

Запуск MCP-сервера:

python -m src server

Сервер работает на stdio-транспорте и совместим с MCP-клиентами (Claude Desktop и др.).

Разработка

Логирование

Логи пишутся в logs/mcp_server.log и в stdout. Уровень настраивается через LOG_LEVEL.

Технологии

• LLM: DeepSeek API (V3) — Function Calling
• MCP: Anthropic MCP SDK
• 1С: HTTP-сервисы (JSON)
• CLI: click
• Web UI: Streamlit
• Логирование: loguru

Лицензия

MIT