MCP 服务器演示

一个生产就绪的任务管理系统，使用 MCP（模型控制协议）和 Kafka 构建。

概述

本项目演示了一个健壮的任务管理系统，使用 MCP 使 AI 代理能够与基于 Kafka 的任务队列进行交互。该系统允许：

• 任务管理（创建、更新、完成任务）
• 通知处理
• 通过 Kafka 进行实时事件处理

特性

• 任务管理: 创建、更新、确定优先级和完成生产任务
• 通知系统: 具有优先级级别的实时通知
• Kafka 集成: 可靠的消息队列和事件流
• MCP 工具: AI 友好的任务和通知操作界面
• 消费者服务: Kafka 消息的后台处理

要求

• Python 3.13+
• Kafka 集群（本地或 AWS MSK）
• Confluent Kafka Python 客户端

安装

# 克隆仓库
git clone https://github.com/yourusername/mcp-server-demo.git
cd mcp-server-demo

# 安装依赖
pip install -e .

配置

在 kafka_config.py 中使用您实际的 Kafka 集群详细信息更新 Kafka 配置：

KAFKA_CONFIG = {
    'bootstrap.servers': 'your-kafka-bootstrap-servers',
    'security.protocol': 'SASL_SSL',
    'sasl.mechanisms': 'SCRAM-SHA-512',
    'sasl.username': 'your-username',
    'sasl.password': 'your-password',
}

用法

启动服务器

python main.py

加载测试数据

要使用示例任务和通知填充系统：

python kafka_test_data.py

MCP 工具

该系统为 AI 代理公开以下 MCP 工具：

任务管理

• fetch_queue: 获取待处理任务列表
• change_task_priority: 更新任务优先级
• pickup_task: 将任务标记为进行中
• complete_task: 将任务标记为已完成
• get_task_details: 获取有关任务的详细信息
• check_task_status: 检查任务的当前状态

通知管理

• check_notification_count: 获取未读通知的计数
• get_notification_list: 获取过滤的通知列表
• mark_notification_as_read: 将通知标记为已读

架构

该系统由几个组件组成：

• MCP 服务器: 公开 AI 代理与系统交互的工具
• Kafka 生产者: 将消息发送到 Kafka 主题
• Kafka 消费者: 处理来自 Kafka 主题的消息
• 任务服务: 任务管理的业务逻辑
• 通知服务: 通知处理的业务逻辑

开发

项目结构

mcp-server-demo/
├── main.py                # MCP 服务器初始化
├── kafka_config.py        # Kafka 配置
├── consumer_service.py    # Kafka 消费者服务
├── task_service.py        # 任务管理逻辑
├── notification_service.py # 通知处理逻辑
└── kafka_test_data.py     # 测试数据生成器

许可证

MIT 许可证

贡献

欢迎贡献！请随时提交 Pull Request。