GenAI销售洞察代理+MCP数据集预览服务器
由两部分组成的GenAI工程项目演示：
- LLM驱动的洞察代理 它使用Python、Pandas和OpenAI模型分析财务销售数据，生成完全格式化的HTML业务报告。
- 最小MCP（模型上下文协议）服务器 在Node.js中实现，将数据集作为可调用工具公开(
dataset_preview)用于基于代理的工作流。
______________________________________________________________________
概述
此存储库包含：
1.AI洞察代理（Python）
一条管道：
- 加载结构化销售数据
- 使用Pandas进行定量分析
- 构建一个总结，以捕捉核心指标
- 将摘要发送给LLM
- 接收结构化 HTML见解
- 生成干净、有风格的 报表预览
2.MCP服务器（Node.js）
一个轻量级的模型上下文协议服务器，公开了一个工具：dataset_preview
此工具：
- 从Python项目中读取相同的销售CSV
- 返回 前8行，格式化为文本
- 允许AI代理在推理之前“检查”企业数据集
______________________________________________________________________
架构原理
企业很少允许LLM直接访问文件系统。相反，他们依赖于：
- 基于工具的访问
- 严格的接口
- 可审计数据流
- 推理层和数据层的分离
本项目遵循这种模式：
Python代理：推理层
执行分析、生成摘要、生成HTML见解。
MCP服务器：数据访问层
通过工具公开对数据集的结构化、受限访问。
______________________________________________________________________
存储库结构
genai销售洞察代理/ │ ├── ai_insights_agent/ │ ├── data/ │ │ └── sales_sample.csv │ ├── sales_insights_agent.py │ ├── sales_insights_report.html │ ├── 需求.txt │ └── .env（忽略） │ └── mcp洞察服务器/ ├── index.mjs ├── package.json └── package-lock.json
______________________________________________________________________
AI洞察代理（Python）
运作原理
- 加载数据\
该脚本加载并解析财务销售数据（地区、产品、收入、成本、单位销售）。
- 生成Pandas摘要\
代理计算：
- 统计摘要 - 利润计算 - 按地区分组的收入/利润 - 按产品分组的收入/利润
- 向LLM发送提示\
摘要被传递给OpenAI模型(gpt-4o-mini)有严格的输出说明 仅限HTML.
- 生成HTML报告\
返回的HTML片段被插入到样式化的模板中。\ 最终文件：sales_insights_report.html
这会产生一个干净、可读的仪表板式洞察页面，类似于内部分析团队可能生成的页面。
______________________________________________________________________
MCP服务器（Node.js）
MCP（模型上下文协议）允许基于LLM的代理通过标准接口调用工具。
这是为了模拟内部GenAI代理如何在将数据集用作上下文之前安全地检查数据集。
这个项目演示了这种工具最简单的工作版本。
______________________________________________________________________
运行项目
1.运行Python Insights代理
pip安装-r要求.txt
创建.env：
OPENAI_API_KEY=您的密钥所在位置
运行脚本：
python sales_insights_agent.py
输出：
- HTML见解打印到控制台
- sales_insights_report.html已生成
注：
- repo中包含一个示例输出文件
2.运行MCP服务器
cd-mcpinsights_server npm安装 npm启动
使用可用的datasetpreview工具通过STDIO启动最小MCP服务器。
作者
Rawan Morshed