LSPD 审讯 MCP 服务器

一个基于模型上下文协议 (MCP) 并由 OpenAI 驱动的警察审讯模拟服务器。

📌 主要特性

• MCP 集成:

  • 使用模型上下文协议 SDK 构建
  • 支持 HTTP 传输
  • 动态资源管理 (officer-profile, conduct-interrogation)

• OpenAI 集成:

  • 使用 GPT-3.5-turbo 模型
  • 生成动态审讯策略
  • 模拟嫌疑人反应
  • 创建逼真的对话流程

• 核心组件:

  • 警官档案管理
  • 智能审讯机制
  • 嫌疑人行为模拟
  • 犯罪类型和证据整合

🚀 安装

pnpm install
# 必需的环境变量
cp .env.example .env
# 启动服务器
pnpm start

⚙️ 配置

.env 文件:

OPENAI_API_KEY=your_api_key_here

config.ts 中的可配置参数:

• AI 模型选择
• 最大 token 数量
• 温度参数 (创造力水平)

🌐 API 接口

警官档案

GET /profile/:badgeNumber

curl http://localhost:3000/profile/1234

开始审讯

POST /interrogations/{suspectId}

{
  "suspectName": "John Doe",
  "pressureLevel": 75,
  "crime": "Armed robbery",
  "evidence": ["Fingerprint", "Security camera footage"]
}

嫌疑人回应

POST /interrogations/{suspectId}/respond

{
  "suspectName": "John Doe",
  "officerStatement": "在犯罪现场发现了你的指纹！",
  "guilt": 85,
  "personality": "cowardly",
  "previousResponses": ["我是无辜的！"]
}

🔍 使用示例

# 获取警官档案
curl http://localhost:3000/profile/1234

# 开始审讯
curl -X POST http://localhost:3000/interrogations/suspect_01 \
  -H "Content-Type: application/json" \
  -d '{
    "suspectName": "John Doe",
    "pressureLevel": 80,
    "crime": "Drug trafficking",
    "evidence": ["Search records", "Confidential witness statement"]
  }'

✅ 数据验证

所有接口都包含使用 Zod 库的强类型检查和验证:

• 压力等级: 0-100 (必需)
• 嫌疑人姓名: 字符串格式
• 证据: 字符串数组 (可选)

🔒 安全

• 敏感数据 (OpenAI API 密钥) 通过环境变量管理
• 生产环境中强制使用 HTTPS
• 使用请求验证进行安全输入处理

🤝 贡献

1. Fork 仓库
2. 创建新分支 (feat/my-feature 或 fix/issue-number)
3. 提交你的更改
4. 推送到分支
5. 打开一个 Pull Request

📜 许可证

在 MIT 许可证下分发。