thudong-mcp-claude
MCP server for querying survey feedback and statistics regarding the 'Thudong' field exam after the event at Wat Pa Roi Pi Luang Pu Viriyang, Ratchaburi, December 12-15, 2568 (2025). Enables searching impressions, suggestions, and satisfaction statistics across participant groups.
README
thudong-mcp-claude
MCP Server สำหรับ RAG ข้อมูลแบบสอบถาม "หลังการสอบภาคสนามธุดงค์"
- สถานที่: วัดป่าร้อยปีหลวงพ่อวิริยังค์ จ.ราชบุรี
- วันที่: 12-15 ธันวาคม พ.ศ. 2568
Features
- ค้นหาความคิดเห็นด้วย Full-Text Search (FTS5)
- สถิติความพึงพอใจรายหมวด
- เปรียบเทียบระหว่างกลุ่มผู้ตอบ
- Streamable HTTP Transport + Docker
Quick Stats
| รายการ | จำนวน |
|---|---|
| ผู้ตอบทั้งหมด | 804 คน |
| นักศึกษาสอบภาคสนาม | 690 คน (85.8%) |
| คณะทำงาน | 105 คน (13.1%) |
| ผู้สังเกตการณ์ | 9 คน (1.1%) |
| ข้อความ "ประทับใจ" | 660 รายการ |
| ข้อความ "ข้อเสนอแนะ" | 510 รายการ |
Reports
รายงานวิเคราะห์ข้อมูลแบบสอบถาม:
| รายงาน | เนื้อหา | |
|---|---|---|
| executive-summary.md | รายงานสรุป 1 หน้าสำหรับผู้บริหาร | |
| survey-overview.md | ภาพรวมและสถิติทั้งหมด | |
| swot-analysis.md | วิเคราะห์จุดแข็ง/จุดอ่อน | |
| top-impressions.md | สิ่งที่ประทับใจมากที่สุด | |
| improvements-2569.md | ประเด็นที่ต้องปรับปรุงปีหน้า |
Example Prompts
ดูตัวอย่าง Prompt ทั้งหมดได้ที่ PROMPTS.md
ภาพรวมและสถิติ
- "แสดงภาพรวมแบบสอบถามธุดงค์"
- "สรุปความพึงพอใจด้านสิ่งอำนวยความสะดวก"
- "สถิติความพึงพอใจหมวดการจัดงาน เฉพาะนักศึกษา"
ค้นหาความคิดเห็น
- "มีคนพูดถึงห้องน้ำอะไรบ้าง"
- "ค้นหาความเห็นเกี่ยวกับอาหาร"
- "หาข้อเสนอแนะที่เกี่ยวกับที่พัก"
สิ่งประทับใจและข้อเสนอแนะ
- "รวมสิ่งที่ประทับใจเกี่ยวกับพี่เลี้ยง"
- "รวมข้อเสนอแนะเรื่องกำหนดการ"
- "ข้อเสนอแนะเกี่ยวกับสถานที่มีอะไรบ้าง"
เปรียบเทียบกลุ่ม
- "เปรียบเทียบความพึงพอใจด้านสิ่งอำนวยความสะดวก ระหว่างนักศึกษากับคณะทำงาน"
- "เปรียบเทียบคะแนนการจัดงานระหว่างกลุ่มผู้ตอบ"
วิเคราะห์เชิงลึก
- "วิเคราะห์จุดแข็งและจุดอ่อนของการจัดงานธุดงค์"
- "สรุปประเด็นที่ต้องปรับปรุงสำหรับปีหน้า"
- "อะไรคือสิ่งที่ผู้เข้าร่วมประทับใจมากที่สุด"
Installation
# Clone repository
git clone https://github.com/monthop-gmail/thudong-mcp-claude.git
cd thudong-mcp-claude
# Start with Docker Compose
docker compose up -d
Server จะรันที่ http://localhost:3200
Claude Code Configuration
Option 1: CLI Command
claude mcp add thudong --transport streamable-http --url http://localhost:3200/mcp
Option 2: Manual Config
เพิ่มไฟล์ .mcp.json ใน project:
{
"mcpServers": {
"thudong": {
"type": "streamable-http",
"url": "http://localhost:3200/mcp"
}
}
}
MCP Tools
| Tool | Description |
|---|---|
search_feedback |
ค้นหาข้อความจาก "ประทับใจ" และ "ข้อเสนอแนะ" ด้วย FTS5 |
get_statistics |
สรุปสถิติความพึงพอใจรายหมวด |
get_survey_overview |
แสดงภาพรวมจำนวนผู้ตอบและข้อมูลสรุป |
get_improvements |
รวบรวมข้อเสนอแนะ/สิ่งที่ควรปรับปรุง |
get_impressions |
รวบรวมสิ่งที่ประทับใจ |
compare_groups |
เปรียบเทียบความพึงพอใจระหว่างกลุ่มผู้ตอบ |
Docker Commands
# Start server
docker compose up -d
# View logs
docker compose logs -f
# Stop server
docker compose down
# Rebuild after changes
docker compose up -d --build
Endpoints
| Endpoint | Description |
|---|---|
GET /health |
Health check |
POST /mcp |
Streamable HTTP endpoint for MCP |
GET /mcp |
SSE stream for server-to-client notifications |
Tech Stack
- Runtime: Node.js 20
- MCP SDK: @modelcontextprotocol/sdk
- Database: SQLite + FTS5
- Transport: Streamable HTTP
License
MIT
Related
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。