MCP Chat Analysis Server
通过向量嵌入和知识图谱促进聊天对话的语义分析,提供语义搜索、概念提取和对话模式分析的工具。
README
MCP聊天分析服务器
一个模型上下文协议 (MCP) 服务器,通过向量嵌入和知识图谱实现对聊天对话的语义分析。该服务器提供用于分析聊天数据、执行语义搜索、提取概念和分析对话模式的工具。
主要特性
- 🔍 语义搜索: 使用向量相似性查找相关的消息和对话
- 🕸️ 知识图谱: 导航消息、概念和主题之间的关系
- 📊 对话分析: 分析模式、指标和对话动态
- 🔄 灵活导入: 支持各种聊天导出格式
- 🚀 MCP集成: 轻松与 Claude 和其他 MCP 兼容系统集成
快速开始
# 安装包
pip install mcp-chat-analysis-server
# 设置配置
cp config.example.yml config.yml
# 使用您的数据库设置编辑 config.yml
# Edit config.yml with your database settings
# 运行服务器
python -m mcp_chat_analysis.server
MCP 集成
添加到您的 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": "your-password"
}
}
}
}
可用工具
import_conversations
导入和分析聊天对话
{
"source_path": "/path/to/export.zip",
"format": "openai_native" # or html, markdown, json
}
semantic_search
通过语义相似性搜索对话
{
"query": "machine learning applications",
"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
提取和分析概念
{
"conversation_id": "conv-123",
"min_relevance": 0.5,
"max_concepts": 10
}
架构
请参阅 ARCHITECTURE.md 以获取详细的图表和文档,内容包括:
- 系统组件和交互
- 数据流和处理管道
- 存储模式和向量操作
- 工具集成机制
前提条件
- Python 3.8+
- 用于知识图谱存储的 Neo4j 数据库
- 用于语义搜索的 Qdrant 向量数据库
- 用于嵌入的 sentence-transformers
安装
- 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
# 使用您的设置编辑 .env
开发
- 克隆存储库:
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
- Fork 存储库
- 创建一个功能分支
- 提交一个 pull request
请参阅 CONTRIBUTING.md 以获取指南。
许可证
MIT 许可证 - 有关详细信息,请参阅 LICENSE 文件。
相关项目
支持
推荐服务器
Baidu Map
百度地图核心API现已全面兼容MCP协议,是国内首家兼容MCP协议的地图服务商。
Playwright MCP Server
一个模型上下文协议服务器,它使大型语言模型能够通过结构化的可访问性快照与网页进行交互,而无需视觉模型或屏幕截图。
Magic Component Platform (MCP)
一个由人工智能驱动的工具,可以从自然语言描述生成现代化的用户界面组件,并与流行的集成开发环境(IDE)集成,从而简化用户界面开发流程。
Audiense Insights MCP Server
通过模型上下文协议启用与 Audiense Insights 账户的交互,从而促进营销洞察和受众数据的提取和分析,包括人口统计信息、行为和影响者互动。
VeyraX
一个单一的 MCP 工具,连接你所有喜爱的工具:Gmail、日历以及其他 40 多个工具。
graphlit-mcp-server
模型上下文协议 (MCP) 服务器实现了 MCP 客户端与 Graphlit 服务之间的集成。 除了网络爬取之外,还可以将任何内容(从 Slack 到 Gmail 再到播客订阅源)导入到 Graphlit 项目中,然后从 MCP 客户端检索相关内容。
Kagi MCP Server
一个 MCP 服务器,集成了 Kagi 搜索功能和 Claude AI,使 Claude 能够在回答需要最新信息的问题时执行实时网络搜索。
e2b-mcp-server
使用 MCP 通过 e2b 运行代码。
Neon MCP Server
用于与 Neon 管理 API 和数据库交互的 MCP 服务器
Exa MCP Server
模型上下文协议(MCP)服务器允许像 Claude 这样的 AI 助手使用 Exa AI 搜索 API 进行网络搜索。这种设置允许 AI 模型以安全和受控的方式获取实时的网络信息。