亚马逊评论MCP服务器（FastMCP）
这个仓库包含一个 模型上下文协议（MCP） 用（某种技术或语言）构建的服务器 FastMCP 这暴露了一个 amazon_reviews 数据集和用于分析品牌提及的工具。它还包括一个小型的Python演示客户端。
包含的内容
server.py— FastMCP 服务器暴露：
- resource： amazon_reviews_csv （CSV文件的前~1MB） - tool: dataset_info() — 列与快速行数统计 - tool： count_brand_mentions(brand, text_column=None, regex=False) — 统计提及次数 - tool： sample_reviews_with_brand(brand, limit=5, text_column=None) — 示例代码片段 - tool: explain_result_with_llm(brand, provider='openai'|'ollama', model=...) — 可选的大语言模型（LLM）解释
demo_client.py— 最小化的Python客户端，通过标准输入输出启动服务器并调用工具requirements.txt
快速入门
- 放置数据集\
将您的CSV文件放在以下位置之一：
- 同一个文件夹，命名为 amazon_reviews.csv， 或者 - 设置一个环境变量：
export AMAZON_REVIEWS_CSV=/absolute/path/to/amazon_reviews.csv- 安装依赖项
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt- 运行服务器（用于检查）
python server.py服务器通过标准输入输出（stdio）使用MCP协议进行通信；请使用兼容MCP的客户端或随附的演示程序。
- 运行演示客户端
python demo_client.py Apple它将会：
- 列出可用工具 - 打电话；呼叫 count_brand_mentions("Apple") - 获取一些示例代码片段 - （可选）如果已配置，则请大型语言模型（LLM）总结发现结果
可选：大型语言模型（LLM）解释
你可以要求服务器使用OpenAI或Ollama生成一段关于该指标的解释。
OpenAI
export OPENAI_API_KEY=sk-...
python demo_client.py Apple演示调用 explain_result_with_llm(provider='openai', model='gpt-4o-mini') 通过服务器。
Ollama（本地）
# Ensure Ollama is running locally (defaults to http://localhost:11434)
# e.g., ollama run llama3.1
export OLLAMA_HOST=http://localhost:11434
python demo_client.py Apple评分说明
- FastMCP 用于定义MCP服务器（
server.py）以及工具/资源。 - 工具需求:
count_brand_mentions(brand)实现了品牌提及次数统计（默认不区分大小写，以单词边界为准；可切换至正则表达式）。 - 演示：
demo_client.py通过标准输入输出（stdio）将MCP服务器作为子进程启动，并调用工具进行端到端的测试。
故障排除
- 如果你看到
Dataset not found，设置AMAZON_REVIEWS_CSV或者将CSV文件放在旁边server.py。 - 如果你的数据集中的文本列不是
review_body服务器将自动检测可能的列
（例如。， reviewText， reviews.text等），或者你可以通过 text_column 明确地。