MCP服务器 (抵押贷款比较平台)

一个基于FastAPI的服务器，通过标准化的API提供抵押贷款文档解析和比较工具。该服务器旨在轻松地与各种AI框架集成，包括CrewAI、AutoGen和LangChain。

目前实现了一个基本的 "hello" 工具作为概念验证，抵押贷款文档解析工具即将推出。

状态

这是一个beta版本 (v0.1.0)，提供：

• 具有安全功能的核心服务器基础设施
• 用于测试框架集成的基本 "hello" 工具
• 与CrewAI、AutoGen和LangChain的示例集成

未来的版本将添加抵押贷款文档解析和比较工具。

特性

• 具有生产就绪功能的FastAPI服务器：
  • API密钥认证
  • 速率限制支持
  • CORS中间件配置
• 用于AI代理的框架集成：
  • CrewAI
  • AutoGen
  • LangChain
• 用于添加抵押贷款解析工具的可扩展架构
• 开源，保证透明度和社区贡献

快速开始

1. 克隆存储库：

   git clone https://github.com/confersolutions/mcp-mortgage-server.git
   cd mcp-mortgage-server
   

路线图

• ✅ 具有安全和速率限制的核心服务器基础设施
• ✅ 框架集成 (CrewAI, AutoGen, LangChain)
• ✅ 基本工具实现 ("hello" 端点)
• 🚧 贷款估算 (LE) 解析为MISMO格式
• 🚧 结算单 (CD) 解析
• 🚧 抵押贷款比较工具
• 🚧 额外的抵押贷款文档分析功能

安装

1. 克隆存储库
2. 创建一个虚拟环境：

   python -m venv .venv
   source .venv/bin/activate  # 在Windows上: .venv\Scripts\activate
   

3. 安装依赖项：

   pip install fastapi uvicorn slowapi python-dotenv
   pip install crewai autogen langchain langchain-openai
   

配置

在根目录中创建一个 .env 文件，包含以下变量：

API_KEY=your_api_key_here
RATE_LIMIT_PER_MINUTE=120
ALLOWED_ORIGINS=http://localhost:3000
HOST=0.0.0.0
PORT=8001
WORKERS=1

运行服务器

python server.py

服务器默认将在 http://localhost:8001 上启动。

API 端点

健康检查

GET /health
Response: {"status": "healthy"}

列出可用工具

GET /tools
Headers: X-API-Key: your_api_key_here
Response: 可用工具及其配置的列表

调用工具

POST /call
Headers: X-API-Key: your_api_key_here
Body: {
    "tool": "hello",
    "input": {
        "name": "World"  // 可选
    }
}
Response: {
    "output": "Hello, World!"
}

框架集成示例

请参阅 examples/test_all_integrations.py，了解如何将服务器与以下框架一起使用的示例：

• CrewAI
• AutoGen
• LangChain

CrewAI 示例

from crewai import Agent, Task, Crew
from mcp_toolkit import MCPToolkitCrewAI

toolkit = MCPToolkitCrewAI()
tools = await toolkit.get_tools()

agent = Agent(
    role="Greeter",
    goal="Say hello to the user",
    tools=tools
)

task = Task(
    description="Say hello to the user",
    agent=agent
)

crew = Crew(
    agents=[agent],
    tasks=[task]
)

result = await crew.kickoff()

AutoGen 示例

from autogen import AssistantAgent, UserProxyAgent
from mcp_toolkit import MCPToolkitAutoGen

toolkit = MCPToolkitAutoGen()
tools = await toolkit.get_tools()

assistant = AssistantAgent(
    name="assistant",
    llm_config={"tools": tools}
)

user_proxy = UserProxyAgent(
    name="user_proxy",
    code_execution_config={"use_docker": False}
)

await user_proxy.initiate_chat(assistant, message="Please say hello to Alice")

LangChain 示例

from langchain.agents import Tool, AgentExecutor, create_react_agent
from langchain_openai import ChatOpenAI
from mcp_toolkit import MCPToolkitLangChain

toolkit = MCPToolkitLangChain()
tools = [
    Tool(
        name="hello",
        func=lambda x: asyncio.get_event_loop().run_until_complete(toolkit.hello(name=x)),
        description="A tool that says hello to someone",
        return_direct=True
    )
]

llm = ChatOpenAI(temperature=0)
agent = create_react_agent(llm, tools, prompt)
agent_executor = AgentExecutor(agent=agent, tools=tools)

result = await agent_executor.ainvoke({"input": "Please say hello to Bob"})

速率限制

服务器使用 slowapi 实现速率限制。 默认情况下，每个IP地址每分钟限制为120个请求。 可以使用 RATE_LIMIT_PER_MINUTE 环境变量配置此设置。

安全

• 除 /health 端点外，所有端点都需要API密钥身份验证
• CORS已配置为允许特定的来源（通过 ALLOWED_ORIGINS 环境变量设置）
• 所有异常都会被捕获并返回适当的错误消息

贡献

欢迎提出问题或提交拉取请求以进行改进。

关于

该项目由 Confer Solutions 维护。 如有疑问或需要支持，请通过 info@confersolutions.ai 与我们联系。

许可证

MIT许可证 - 有关详细信息，请参见 LICENSE 文件。