MCP生产级客户端文档
欢迎使用MCP生产级客户端！这是一个功能强大的AI服务平台，提供完整的MCP工具调用和RAG知识库功能。
📚 文档目录
新手入门
高级配置
- AI模型配置 - 配置和更换不同的AI服务
🚀 快速开始
最简单的部署方式（Docker）
-
克隆项目
git clone <项目地址> cd python-mcp-server-client -
配置环境变量
cp .env.example .env # 编辑.env文件，至少设置OPENAI_API_KEY -
启动服务
./scripts/start.sh docker -
访问服务
- API文档：http://localhost:8000/docs
- Grafana监控：http://localhost:3000
第一次API调用
# 健康检查
curl http://localhost:8000/health
# 发送查询
curl -X POST "http://localhost:8000/query" \
-H "Content-Type: application/json" \
-d '{"query": "今天天气如何？"}'
# 上传文档到知识库
curl -X POST "http://localhost:8000/rag/documents/upload" \
-F "file=@你的文档.pdf" \
-F "title=测试文档"
# 搜索知识库
curl -X POST "http://localhost:8000/rag/search" \
-H "Content-Type: application/json" \
-d '{"query": "搜索内容"}'
🔧 主要功能
MCP工具调用
- 连接多个MCP服务器
- 智能工具路由和负载均衡
- 实时状态监控
RAG知识库
- 支持多种文档格式（PDF、Word、Markdown、TXT）
- 智能文档分块和向量化
- 高性能语义搜索
监控和运维
- Prometheus指标收集
- Grafana可视化面板
- 完整的日志记录
- 健康检查端点
🛠️ 系统要求
- Python: 3.11+
- 内存: 4GB以上（推荐8GB）
- 存储: 20GB可用空间
- 数据库: PostgreSQL + pgvector
- 缓存: Redis
📖 详细文档
1. 项目说明
了解项目的核心功能、技术架构和应用场景。适合想要全面了解项目的用户。
2. 部署指南
详细的部署步骤，包括本地开发环境和生产环境部署。支持Docker和手动部署两种方式。
3. API调用示例
完整的API使用教程，包括Python和JavaScript客户端示例，以及错误处理和性能优化建议。
4. AI模型配置
如何配置和更换不同的AI服务，支持OpenAI、国产AI服务和本地模型。
🤝 支持和反馈
如果您在使用过程中遇到问题或有任何建议，请：
- 查看相关文档是否有解决方案
- 检查常见问题
- 提交Issue或联系技术支持
📄 许可证
本项目采用MIT许可证，详情请查看LICENSE文件。
最后更新：2025年6月