集成 MCP 的银行聊天机器人

一个使用 Azure OpenAI 和模型上下文协议 (MCP) 来实现安全高效消息处理的高级银行聊天机器人应用程序。

功能

• AI 驱动的银行助手：使用 Azure OpenAI 为银行查询提供智能回复
• 模型上下文协议 (MCP)：实现安全的消息通信协议
• 实时聊天界面：现代响应式用户界面，实现无缝用户交互
• 全面的日志记录：详细的日志系统用于监控和调试
• 银行信息集成：动态显示银行详情和服务
• Markdown 支持：富文本格式化回复

项目结构

.
├── app.py                  # Main Flask application
├── mcp_server.py          # MCP server implementation
├── mcp_client.py          # MCP client implementation
├── requirements.txt       # Python dependencies
├── .env                   # Environment variables
├── templates/             # HTML templates
│   └── index.html        # Chat interface
└── logs/                 # Log files
    ├── client_messages.log
    ├── mcp_client.log
    └── mcp_server.log

前提条件

• Python 3.8 或更高版本
• Azure OpenAI API 访问权限
• 所需的 Python 包（参见 requirements.txt）

安装

1. 克隆仓库：

   git clone <repository-url>
   cd banking-chatbot
   

2. 创建并激活虚拟环境：

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

3. 安装依赖项：

   pip install -r requirements.txt
   

4. 创建包含凭据的 .env 文件：

   ENDPOINT_URL=your_azure_endpoint
   AZURE_OPENAI_API_KEY=your_api_key
   DEPLOYMENT_NAME=your_deployment_name
   

使用

1. 启动 MCP 服务器：

   python mcp_server.py
   

2. 在新的终端中启动 Flask 应用程序：

   python app.py
   

3. 在 http://localhost:5000 访问聊天机器人界面

MCP 协议

模型上下文协议 (MCP) 实现了聊天机器人与服务器之间的消息通信。它提供了：

• 安全的消息传输
• 消息排队和可靠性
• 详细日志记录
• 实时消息处理

消息类型

• 聊天消息：用户查询和 AI 回复
• 系统消息：管理及控制消息

日志记录

应用程序在 logs 目录中维护详细日志：

• client_messages.log：聊天消息历史
• mcp_client.log：客户端连接和操作日志
• mcp_server.log：服务器操作日志

银行信息

聊天机器人配置了包括以下内容在内的全面银行信息：

• 营业时间
• 分行位置
• 可用服务
• 联系信息
• 支持渠道

开发

添加新功能

1. 更新 app.py 中的 BANK_INFO 字典以添加新的银行信息
2. 修改 SYSTEM_MESSAGE 以更新 AI 行为
3. 在 mcp_client.py 中添加新的消息处理器以增加额外功能

测试

运行测试客户端以验证 MCP 功能：

python test_client.py

清除日志以便测试：

python clear_logs.py

安全性

• API 密钥和其他敏感信息存储在 .env 文件中
• MCP 提供安全的消息传输
• 实现了输入验证和错误处理

贡献

请按照 贡献指南 进行参与。

1. Fork 仓库
2. 创建特性分支
3. 提交你的更改
4. 推送到分支
5. 创建 Pull Request

许可证

本项目采用 MIT 许可证 - 详情请参见 LICENSE 文件。