数据查询 MCP 服务器 | Data Query MCP Server

一个强大的MCP (Model Context Protocol) 服务器，提供用户、产品、订单数据的查询功能，支持WebSocket连接到小智AI平台。

A powerful MCP (Model Context Protocol) server that provides user, product, and order data querying capabilities with WebSocket support for XiaoZhi AI platform.

概述 | Overview

本项目实现了一个数据查询MCP服务器，包含以下功能：

用户数据查询和过滤
产品数据查询和过滤
订单数据查询和分析
用户订单关联查询
数据统计分析

This project implements a data query MCP server with the following features:

User data querying and filtering
Product data querying and filtering
Order data querying and analysis
User-order association queries
Data statistics analysis

特性 | Features

🔌 支持WebSocket连接到小智AI平台 | WebSocket connection to XiaoZhi AI platform
🔄 自动重连机制 | Automatic reconnection with exponential backoff
📊 实时数据查询 | Real-time data querying
🛠️ 简单易用的工具接口 | Easy-to-use tool interface
🔒 安全的WebSocket通信 | Secure WebSocket communication
⚙️ 多种传输类型支持 | Multiple transport types support (stdio/websocket/sse/http)

快速开始 | Quick Start

方法1: 使用启动脚本 | Method 1: Using Startup Scripts

Windows PowerShell:

.\start.ps1

Linux/Mac 标准脚本 | Linux/Mac Standard Script:

chmod +x start.sh
./start.sh

Linux/Mac 简化脚本 | Linux/Mac Simple Script:

chmod +x start_simple.sh
./start_simple.sh

方法2: 服务器部署 | Method 2: Server Deployment

自动部署（推荐用于服务器）| Auto Deployment (Recommended for Servers):

chmod +x deploy.sh
./deploy.sh

手动部署 | Manual Deployment: 参考 MANUAL_START.md 文件获取详细步骤。

方法3: 系统服务 | Method 3: System Service

Linux系统服务 | Linux System Service:

# 1. 编辑服务文件
sudo cp mcp-server.service /etc/systemd/system/
sudo nano /etc/systemd/system/mcp-server.service

# 2. 启动服务
sudo systemctl daemon-reload
sudo systemctl enable mcp-server
sudo systemctl start mcp-server

# 3. 查看状态
sudo systemctl status mcp-server

方法4: 手动设置 | Method 4: Manual Setup

安装依赖 | Install dependencies:

pip install -r requirements.txt

设置环境变量 | Set environment variables:

Windows PowerShell:

$env:MCP_ENDPOINT = "wss://api.xiaozhi.me/mcp/?token=your_token_here"
$env:MCP_CONFIG = "./mcp_config.json"

Linux/Mac Bash:

export MCP_ENDPOINT="wss://api.xiaozhi.me/mcp/?token=your_token_here"
export MCP_CONFIG="./mcp_config.json"

启动服务器 | Start the server:

# 运行所有配置的服务器 | Run all configured servers
python mcp_pipe.py

# 或单独运行数据查询服务器 | Or run data query server individually  
python mcp_pipe.py data_query_server.py

项目结构 | Project Structure

data_query_server.py: 数据查询MCP服务器，提供用户、产品、订单查询功能 | Data query MCP server with user, product, and order querying
mcp_pipe.py: WebSocket连接和进程管理的主通信管道 | Main communication pipe handling WebSocket connections and process management
mcp_config.json: 服务器配置文件 | Server configuration file
requirements.txt: Python依赖包列表 | Python dependencies list
.env: 环境变量配置文件 | Environment variables configuration
start.ps1: Windows PowerShell启动脚本 | Windows PowerShell startup script
start.sh: Linux/Mac Bash启动脚本 | Linux/Mac Bash startup script
calculator.py: Example MCP tool implementation for mathematical calculations | 用于数学计算的MCP工具示例实现
requirements.txt: Project dependencies | 项目依赖

Config-driven Servers | 通过配置驱动的服务

编辑 mcp_config.json 文件来配置服务器列表（也可设置 MCP_CONFIG 环境变量指向其他配置文件）。

配置说明：

无参数时启动所有配置的服务（自动跳过 disabled: true 的条目）
有参数时运行单个本地脚本文件
type=stdio 直接启动；type=sse/http 通过 python -m mcp_proxy 代理

Creating Your Own MCP Tools | 创建自己的MCP工具

Here's a simple example of creating an MCP tool | 以下是一个创建MCP工具的简单示例:

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("YourToolName")

@mcp.tool()
def your_tool(parameter: str) -> dict:
    """Tool description here"""
    # Your implementation
    return {"success": True, "result": result}

if __name__ == "__main__":
    mcp.run(transport="stdio")

Use Cases | 使用场景

Mathematical calculations | 数学计算
Email operations | 邮件操作
Knowledge base search | 知识库搜索
Remote device control | 远程设备控制
Data processing | 数据处理
Custom tool integration | 自定义工具集成

Requirements | 环境要求

Python 3.7+
websockets>=11.0.3
python-dotenv>=1.0.0
mcp>=1.8.1
pydantic>=2.11.4
mcp-proxy>=0.8.2

Contributing | 贡献指南

Contributions are welcome! Please feel free to submit a Pull Request.

欢迎贡献代码！请随时提交Pull Request。

License | 许可证

This project is licensed under the MIT License - see the LICENSE file for details.

本项目采用MIT许可证 - 详情请查看LICENSE文件。

Acknowledgments | 致谢

Thanks to all contributors who have helped shape this project | 感谢所有帮助塑造这个项目的贡献者
Inspired by the need for extensible AI capabilities | 灵感来源于对可扩展AI能力的需求

数据查询 MCP 服务器 | Data Query MCP Server

一个强大的MCP (Model Context Protocol) 服务器，提供用户、产品、订单数据的查询功能，支持WebSocket连接到小智AI平台。

A powerful MCP (Model Context Protocol) server that provides user, product, and order data querying capabilities with WebSocket support for XiaoZhi AI platform.

概述 | Overview

本项目实现了一个数据查询MCP服务器，包含以下功能：

用户数据查询和过滤
产品数据查询和过滤
订单数据查询和分析
用户订单关联查询
数据统计分析

This project implements a data query MCP server with the following features:

User data querying and filtering
Product data querying and filtering
Order data querying and analysis
User-order association queries
Data statistics analysis

特性 | Features

🔌 支持WebSocket连接到小智AI平台 | WebSocket connection to XiaoZhi AI platform
🔄 自动重连机制 | Automatic reconnection with exponential backoff
📊 实时数据查询 | Real-time data querying
🛠️ 简单易用的工具接口 | Easy-to-use tool interface
🔒 安全的WebSocket通信 | Secure WebSocket communication
⚙️ 多种传输类型支持 | Multiple transport types support (stdio/websocket/sse/http)

快速开始 | Quick Start

方法1: 使用启动脚本 | Method 1: Using Startup Scripts

Windows PowerShell:

.\start.ps1

Linux/Mac 标准脚本 | Linux/Mac Standard Script:

chmod +x start.sh
./start.sh

Linux/Mac 简化脚本 | Linux/Mac Simple Script:

chmod +x start_simple.sh
./start_simple.sh

方法2: 服务器部署 | Method 2: Server Deployment

自动部署（推荐用于服务器）| Auto Deployment (Recommended for Servers):

chmod +x deploy.sh
./deploy.sh

手动部署 | Manual Deployment: 参考 MANUAL_START.md 文件获取详细步骤。

方法3: 系统服务 | Method 3: System Service

Linux系统服务 | Linux System Service:

# 1. 编辑服务文件
sudo cp mcp-server.service /etc/systemd/system/
sudo nano /etc/systemd/system/mcp-server.service

# 2. 启动服务
sudo systemctl daemon-reload
sudo systemctl enable mcp-server
sudo systemctl start mcp-server

# 3. 查看状态
sudo systemctl status mcp-server

方法4: 手动设置 | Method 4: Manual Setup

安装依赖 | Install dependencies:

pip install -r requirements.txt

设置环境变量 | Set environment variables:

Windows PowerShell:

$env:MCP_ENDPOINT = "wss://api.xiaozhi.me/mcp/?token=your_token_here"
$env:MCP_CONFIG = "./mcp_config.json"

Linux/Mac Bash:

export MCP_ENDPOINT="wss://api.xiaozhi.me/mcp/?token=your_token_here"
export MCP_CONFIG="./mcp_config.json"

启动服务器 | Start the server:

# 运行所有配置的服务器 | Run all configured servers
python mcp_pipe.py

# 或单独运行数据查询服务器 | Or run data query server individually  
python mcp_pipe.py data_query_server.py

项目结构 | Project Structure

data_query_server.py: 数据查询MCP服务器，提供用户、产品、订单查询功能 | Data query MCP server with user, product, and order querying
mcp_pipe.py: WebSocket连接和进程管理的主通信管道 | Main communication pipe handling WebSocket connections and process management
mcp_config.json: 服务器配置文件 | Server configuration file
requirements.txt: Python依赖包列表 | Python dependencies list
.env: 环境变量配置文件 | Environment variables configuration
start.ps1: Windows PowerShell启动脚本 | Windows PowerShell startup script
start.sh: Linux/Mac Bash启动脚本 | Linux/Mac Bash startup script
calculator.py: Example MCP tool implementation for mathematical calculations | 用于数学计算的MCP工具示例实现
requirements.txt: Project dependencies | 项目依赖

Config-driven Servers | 通过配置驱动的服务

编辑 mcp_config.json 文件来配置服务器列表（也可设置 MCP_CONFIG 环境变量指向其他配置文件）。

配置说明：

无参数时启动所有配置的服务（自动跳过 disabled: true 的条目）
有参数时运行单个本地脚本文件
type=stdio 直接启动；type=sse/http 通过 python -m mcp_proxy 代理

Creating Your Own MCP Tools | 创建自己的MCP工具

Here's a simple example of creating an MCP tool | 以下是一个创建MCP工具的简单示例:

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("YourToolName")

@mcp.tool()
def your_tool(parameter: str) -> dict:
    """Tool description here"""
    # Your implementation
    return {"success": True, "result": result}

if __name__ == "__main__":
    mcp.run(transport="stdio")

Use Cases | 使用场景

Mathematical calculations | 数学计算
Email operations | 邮件操作
Knowledge base search | 知识库搜索
Remote device control | 远程设备控制
Data processing | 数据处理
Custom tool integration | 自定义工具集成

Requirements | 环境要求

Python 3.7+
websockets>=11.0.3
python-dotenv>=1.0.0
mcp>=1.8.1
pydantic>=2.11.4
mcp-proxy>=0.8.2

Contributing | 贡献指南

Contributions are welcome! Please feel free to submit a Pull Request.

欢迎贡献代码！请随时提交Pull Request。

License | 许可证

This project is licensed under the MIT License - see the LICENSE file for details.

本项目采用MIT许可证 - 详情请查看LICENSE文件。

Acknowledgments | 致谢

Thanks to all contributors who have helped shape this project | 感谢所有帮助塑造这个项目的贡献者
Inspired by the need for extensible AI capabilities | 灵感来源于对可扩展AI能力的需求