catalyst MCP

Catalyst MCP服务器

加载和提供知识包的MCP（模型上下文协议）服务器实现。

特性

• 使用FastAPI实现MCP服务器
• LibreChat网络界面集成
• Docker部署支持
• 从YAML配置加载知识包
• 身份验证和速率限制
• 支持多种AI模型（Claude、GPT、Gemini）

快速开始

1.克隆和配置

# Clone the repository
git clone https://github.com/billebel/catalyst_mcp.git
cd catalyst_mcp

# Copy environment template
cp .env.example .env

# Edit .env with your API keys
nano .env

2.设置API密钥

编辑 .env 文件：

# Add your API keys
ANTHROPIC_API_KEY=your-claude-api-key
OPENAI_API_KEY=your-openai-api-key        # Optional
GOOGLE_API_KEY=your-gemini-api-key        # Optional

# JWT secrets (change for production!)
JWT_SECRET=your-secure-jwt-secret
JWT_REFRESH_SECRET=your-secure-refresh-secret

3.从Docker开始

# Start the complete stack
docker-compose up -d

# View logs
docker-compose logs -f

4.访问您的AI助手

• 网络聊天界面: http://localhost:3080
• MCP服务器: http://localhost:8443
• API文档: http://localhost:8443/docs

建筑

graph TD
    A[AI Assistant
Claude Desktop] --> B[MCP Protocol]
    C[Web Chat
LibreChat] --> B
    B --> D[Catalyst MCP Server]
    D --> E[Knowledge Packs]
    E --> F[Your Business Systems]
    F --> G[Databases]
    F --> H[REST APIs] 
    F --> I[Cloud Services]

知识包

Catalyst包括用于常见业务系统的示例知识包：

创建自定义包

使用创建知识包 催化剂生成器:

# Install the pack builder
pip install catalyst-builder

# Create a new CRM integration pack
catalyst-packs create crm-integration \
  --type rest \
  --description "Connect to our CRM system"

# This generates a complete pack structure:
# crm-integration/
# ├── pack.yaml           # Main configuration
# ├── tools/              # Tool definitions
# ├── prompts/            # AI prompts
# └── README.md           # Documentation

生成的 pack.yaml:

metadata:
  name: crm-integration
  description: "Connect to our CRM system"
  domain: sales

connection:
  type: rest
  base_url: "https://api.yourcrm.com/v1"
  auth:
    method: bearer
    token: "${CRM_API_TOKEN}"

tools:
  - name: search_customers
    type: search
    description: "Find customers by name or email"
    endpoint: "/customers/search"

包生成器资源:

• **** -完整的文档
• 入门指南 -分步教程
• CLI参考 -所有可用命令
• 包装开发指南 -高级配置

部署选项

Docker Compose（推荐）

# Production deployment
docker-compose up -d

# Development with hot reload
docker-compose -f docker-compose.yml -f docker-compose.override.yml up -d

地方发展

# Install Python dependencies
pip install -r requirements.txt

# Start MCP server
python -m catalyst_mcp.server

# Start chat interface (separate terminal)
# See docs/chat-customization.md for LibreChat setup

配置

环境变量

\*至少需要一个AI提供程序API密钥。

聊天界面定制

Catalyst使用LibreChat作为web界面。定制：

• 品牌化：编辑 librechat.yaml 用于颜色、徽标
• 认证：在中配置OAuth提供程序 .env
• 模型：为每个用户启用/禁用AI模型
• 插件：添加自定义插件和工具

请参阅： 聊天定制指南

AI助手集成

克劳德桌面

添加到您的Claude Desktop配置中：

{
  "mcpServers": {
    "catalyst": {
      "command": "mcp-client",
      "args": ["--url", "http://localhost:8443"]
    }
  }
}

ChatGPT/OpenAI

使用兼容MCP的插件或直接集成API。

自定义AI应用程序

连接任何与MCP兼容的AI应用程序：

import mcp_client

# Connect to Catalyst MCP server
client = mcp_client.MCPClient("http://localhost:8443")

# Use business tools
result = client.call_tool("search_customers", {"query": "ACME Corp"})

安全功能

身份验证和授权

• 基于JWT的会话管理
• 基于角色的访问控制
• OAuth提供者集成（GitHub、Google等）

API安全

• 速率限制和请求限制
• 输入验证和净化
• 合规性审计日志

部署安全

• HTTPS/TLS加密
• 环境变量机密
• 容器隔离

示例和用例

商业智能

使用 催化剂生成器 要创建数据库分析包，请执行以下操作：

catalyst-packs create bi-dashboard --type database --description "Executive dashboard"

DevOps自动化

创建部署和监控包：

catalyst-packs create devops-tools --type rest --description "CI/CD automation"

客户支持

构建支持系统集成：

catalyst-packs create support-tools --type rest --description "Help desk integration"

社区与支持

• 催化剂生成器: PyPI催化剂助剂
• 文档: 完整的包开发指南
• GitHub问题: 报告错误和请求功能

许可证

MIT许可证

______________________________________________________________________

快速命令

# Start everything
docker-compose up -d

# View logs
docker-compose logs -f catalyst-mcp

# Stop services
docker-compose down

# Create custom packs
pip install catalyst-builder
catalyst-packs create my-integration --type rest

入门指南

1. 克隆存储库： git clone https://github.com/billebel/catalyst_mcp.git
2. 安装包构建器： pip install catalyst-builder
3. 根据需要创建包
4. 使用Docker进行部署： docker-compose up -d