MCP 服务器

🤖 Dialogflow CX MCP Server 🚀

Yash-Kavaiya

开发者工具

访问服务器

README

🤖 Dialogflow CX MCP 服务器 🚀

一个强大的 Google Dialogflow CX 模型控制协议 (MCP) 服务器实现，可在 AI 助手和 Google 的高级对话平台之间实现无缝集成。

💡 专业提示： 此服务器弥合了 AI 助手和 Dialogflow CX 之间的差距，释放了强大的对话能力！

📋 概述

该项目提供了一套工具，允许 AI 助手通过标准化协议与 Dialogflow CX 代理进行交互。该服务器处理管理对话、处理意图检测以及与 Google 强大的 NLU 系统交互的所有复杂性。

✨ 主要特性

🔄 与 Dialogflow CX 的双向通信
🎯 意图检测和匹配能力
🎤 用于语音识别的音频处理
🔌 Webhook 请求/响应处理
📝 用于持久对话的会话管理
🔒 安全的 API 身份验证

🔧 要求

要求	描述	版本
🐍 Python	编程语言	3.12+
☁️ Google Cloud	启用了 Dialogflow CX 的项目	最新
🤖 Dialogflow CX	对话代理	最新
🔑 API 凭据	Google 服务的身份验证	-

🚀 安装

🐳 使用 Docker

# 克隆存储库
git clone https://github.com/Yash-Kavaiya/mcp-server-conversation-agents.git
cd mcp-server-conversation-agents

# 构建 Docker 镜像
docker build -t dialogflow-cx-mcp .

# 运行容器
docker run -it dialogflow-cx-mcp

💻 手动安装

# 克隆存储库
git clone https://github.com/Yash-Kavaiya/mcp-server-conversation-agents.git
cd mcp-server-conversation-agents

# 创建虚拟环境（可选但推荐）
python -m venv venv
source venv/bin/activate  # 在 Windows 上：venv\Scripts\activate

# 安装包
pip install -e .

⚙️ 配置

您需要提供以下配置参数：

参数	描述	示例
`dialogflowApiKey`	您的 Dialogflow API 密钥	`"abc123def456"`
`projectId`	Google Cloud 项目 ID	`"my-dialogflow-project"`
`location`	代理的位置	`"us-central1"`
`agentId`	您的 Dialogflow CX 代理的 ID	`"12345-abcde-67890"`

这些可以设置为环境变量：

export DIALOGFLOW_API_KEY=your_api_key
export PROJECT_ID=your_project_id
export LOCATION=your_location
export AGENT_ID=your_agent_id

📊 架构

graph TD
    A[AI 助手] <-->|MCP 协议| B[MCP 服务器]
    B <-->|Google API| C[Dialogflow CX]
    C <-->|NLU 处理| D[意图检测]
    C <-->|会话管理| E[会话管理]
    B <-->|Webhooks| F[外部服务]

🛠️ 用法

MCP 服务器为 AI 助手公开了以下工具：

🔍 initialize_dialogflow

使用您的项目详细信息初始化 Dialogflow CX 客户端。

await initialize_dialogflow(
    project_id="your-project-id",
    location="us-central1",
    agent_id="your-agent-id",
    credentials_path="/path/to/credentials.json"  # 可选
)

💬 detect_intent

从文本输入中检测意图。

response = await detect_intent(
    text="你好，我能帮你什么？",
    session_id="user123",  # 可选
    language_code="en-US"  # 可选
)

🎤 detect_intent_from_audio

处理音频文件以检测意图。

response = await detect_intent_from_audio(
    audio_file_path="/path/to/audio.wav",
    session_id="user123",  # 可选
    sample_rate_hertz=16000,  # 可选
    audio_encoding="AUDIO_ENCODING_LINEAR_16",  # 可选
    language_code="en-US"  # 可选
)

🎯 match_intent

匹配意图而不影响会话。

response = await match_intent(
    text="你们的营业时间是什么时候？",
    session_id="user123",  # 可选
    language_code="en-US"  # 可选
)

🔄 Webhook 处理

解析 webhook 请求并创建 webhook 响应：

# 解析 webhook 请求
parsed_request = await parse_webhook_request(request_json)

# 创建 webhook 响应
response = await create_webhook_response({
    "messages": ["你好！今天我能帮你什么？"],
    "parameter_updates": {"user_name": "John"}
})

🔧 响应格式

这是一个响应格式的示例：

{
  "messages": [
    {
      "type": "text",
      "content": "你好！今天我能帮你什么？"
    }
  ],
  "intent": {
    "name": "greeting",
    "confidence": 0.95
  },
  "parameters": {
    "user_name": "John"
  },
  "current_page": "欢迎页面",
  "session_id": "user123",
  "end_interaction": false
}