Kommo MCP (Ampulex 23)

CommoMCP

Kommo/amoCRM的人工智能CRM助手。带有自然语言界面的Telegram机器人，用于全面的CRM管理——分析、设置、实体操作、监控。

特性

• 🤖 电报机器人 --AI助手(@kommo_wizard_bot)通过自然语言进行CRM
• 🧠 计划执行器架构 --确定性工具图形规划器+RAG+LLM执行器
• 🔀 工具图形规划器 --基于图的链规划：54个工具，258个动作，24条边，\<2ms延迟
• 📡 RAG层 --动态工具检索，简洁的提示（约500个令牌对3000多个令牌）
• 🏢 多租户SaaS -每个用户都获得独立的CRM连接，拥有自己的API密钥
• 🔧 54工具操作员 --设置、分析、报告、实体、批量操作、清理、模板、人工智能指导
• 🎨 React管理面板 --仪表板、用户/CRM监控、AI会话日志
• 🔄 数据同步 -从Kommo API到PostgreSQL的增量同步
• ⚡ 异步 --采用asyncio+aiohttp构建，实现高性能
• 🗄️ PostgreSQL --用于大数据分析的本地数据库+用于工具规划的图形模式
• 🌐 MCP协议 --适用于克劳德桌面、光标、Windsurf、n8n
• 🛡️ 管道模板 --10个现成的管道模板

架构概述

┌─────────────────┐     ┌──────────────────┐     ┌─────────────────┐
│  Telegram Bot   │────▶│  AI Chat Engine  │────▶│   Kommo API     │
│ (@kommo_wizard) │     │  (Planner + LLM) │     │  (per tenant)   │
└─────────────────┘     └────────┬─────────┘     └─────────────────┘
                                 │
                    ┌────────────┼────────────┐
                    ▼            ▼            ▼
              ┌──────────┐ ┌──────────┐ ┌──────────┐
              │ Tenant A │ │ Tenant B │ │ Tenant C │
              │ (own DB) │ │ (own DB) │ │ (own DB) │
              └──────────┘ └──────────┘ └──────────┘

┌─────────────────┐     ┌──────────────────┐
│  React Admin    │────▶│  Logs Server     │
│  (SPA /logs/)   │     │  (aiohttp:8765)  │
└─────────────────┘     └──────────────────┘

计划执行器架构

该系统实现了 计划执行人 模式——一种最先进的代理架构（2025-2026），将确定性规划与LLM执行分开：

                         ┌─────────────────────────────────────────────┐
                         │           PLANNER (deterministic)           │
                         │                                             │
  User Query ──────────▶ │  Intent Detector ──▶ Capability Mapper     │
                         │        │                    │               │
                         │        ▼                    ▼               │
                         │  Tool Graph (54 nodes, 24 edges)           │
                         │        │                                    │
                         │        ▼                                    │
                         │  Backward Chaining ──▶ Topo Sort           │
                         │        │                    │               │
                         │        ▼                    ▼               │
                         │  Parallel Detection ──▶ Chain Optimizer    │
                         │                             │               │
                         └─────────────────────────────┼───────────────┘
                                                       │
                                          PlannedChain + Filtered Tools
                                                       │
                         ┌─────────────────────────────┼───────────────┐
                         │           EXECUTOR (LLM)    ▼               │
                         │                                             │
                         │  Dynamic Prompt ──▶ GPT + Filtered Tools   │
                         │        │                    │               │
                         │        ▼                    ▼               │
                         │  RAG Context        Tool Call Loop          │
                         │                         │                   │
                         │                         ▼                   │
                         │                  Kommo API / PostgreSQL     │
                         │                                             │
                         └─────────────────────────────────────────────┘

它是如何工作的：

1. 规划师 接收用户查询，通过关键字匹配检测意图（\<2ms）
2. 地图意图 能力，在图中查找满足它们的工具
3. 逆向推理 解决依赖关系（例如。， move_lead 需要 list_pipelines)
4. 拓扑排序 订购工具，检测可并行化的步骤
5. 输出a PlannedChain 使用有序步骤，参数参考($step0.contact_id)，以及成本
6. 执行者 仅接收计划的工具（例如，54个中的3个）+带有执行顺序的计划器提示
7. LLM按规定的顺序调用工具，在步骤之间传递结果

关键指标：

• 54工具，258个动作，24个图边，154个功能
• 链规划延迟：\<2ms（确定性，无LLM调用）
• 工具过滤：LLM只看到2-6个相关工具，而不是全部54个
• 依赖解析：通过图形边缘自动检测先决条件
• 31次测试 涵盖10个amoCRM场景，全部通过

RAG层

在计划者之上 RAG（检索增强生成） 图层提供了额外的上下文：

┌─────────────────┐     ┌──────────────────┐     ┌─────────────────┐
│  User Request   │────▶│  Tool Retriever  │────▶│  Dynamic Prompt │
│                 │     │  (keyword match) │     │  (base + tools) │
└─────────────────┘     └──────────────────┘     └────────┬────────┘
                                                          │
                        ┌──────────────────┐              ▼
                        │   Tool Registry  │     ┌─────────────────┐
                        │   (YAML files)   │────▶│   LLM + Tools   │
                        └──────────────────┘     │   (execution)   │
                                                 └─────────────────┘

优点：

• 简洁的提示：约500个代币，而不是3000多个（仅加载相关工具）
• 可扩展性：添加数百个工具，而不会迅速增加尺寸
• 可维护性：单独的YAML文件中的工具定义
• 准确度：通过关键字匹配+图形规划更好地选择工具

对话记忆

机器人维护 对话历史 每个用户用于上下文保留：

• 按用户隔离：每个Telegram用户都有单独的历史记录
• 上下文窗口：每个请求中包含的最后10条消息
• 智能确认：Bot会记住待处理的操作（例如，“删除管道？”→ “是”）

工具注册表 (src/kommo_mcp/telegram/tools/*.yaml):

name: kommo_pipeline_analytics
category: analytics
keywords: [воронка, конверсия, аналитика, статистика]
description: Аналитика воронки продаж
examples:
  - query: "Покажи аналитику воронки"
  - query: "Конверсия по этапам"

AI驱动的分析引擎

系统使用 AI脚本 将自然语言查询转换为结构化工具调用的方法：

1. 自然语言→ 工具选择：AI助手分析用户请求并选择合适的MCP工具
2. 工具执行：MCP服务器针对本地PostgreSQL或Kommo API执行该工具
3. 大数据处理：在本地PostgreSQL上运行复杂的分析以提高速度（数百万条记录）
4. 响应生成：AI将结果格式化为人类可读的见解

大数据战略

我们没有针对每个分析请求（缓慢、速率受限）查询Kommo API，而是：

1. 同步一次: kommo_sync_start 将所有数据拉到本地PostgreSQL
2. 本地分析：所有分析工具查询本地数据库（快速，无限制）
3. 增量更新：仅在后续运行中同步新/更改的记录

这使得：

• 复杂聚合 跨越数百万笔交易/联系
• 历史分析 没有API页码限制
• 实时仪表板 未达到速率限制
• 自定义SQL 用于Kommo UI中不可用的高级分析

多租户SaaS模式

对于生产部署，系统支持多租户架构：

┌─────────────────┐     ┌──────────────────┐
│  Telegram Bot   │────▶│  Tenant Manager  │
│  (@kommo_wizard)│     │                  │
└─────────────────┘     └────────┬─────────┘
                                 │
                    ┌────────────┼────────────┐
                    ▼            ▼            ▼
              ┌──────────┐ ┌──────────┐ ┌──────────┐
              │ Tenant A │ │ Tenant B │ │ Tenant C │
              │ (own DB) │ │ (own DB) │ │ (own DB) │
              └──────────┘ └──────────┘ └──────────┘

每位租户可获得：

• 独立的PostgreSQL数据库
• 拥有Kommo API证书
• 拥有用于AI功能的OpenAI API密钥
• 每位租户的费率限制

最新技术：2026年代理建筑比较

我们的架构与Gartner、麦肯锡和学术研究（NeurIPS 2024、ACL 2025）确定的生产代理系统的主要趋势相一致：

我们擅长的是：

• 确定性规划 消除LLM在工具选择中的“任意性”——生产代理中的首要问题
• 零成本规划师 --无需额外的LLM调用，\<2ms的图遍历
• 依赖解析 通过反向链接防止遗漏步骤（例如，在移动潜在客户之前列出管道）
• 工具过滤 在复杂的工作流程中，减少提示大小并将LLM精度提高40%以上

全面SOTA路线图：

• 故障时重新计划 --如果工具调用失败，请使用更新的上下文重新输入planner
• 验证器代理 --在返回给用户之前验证链输出（Planner Verifier Executor模式）
• 从执行中学习 --将成功的链记录到PostgreSQL，用于未来的优化
• A2A协议 --谷歌的跨系统代理协作代理对代理

快速开始

先决条件

• Python 3.10+
• PostgreSQL 15+
• 具有API访问权限的Kommo帐户

安装

# Clone repository
git clone https://github.com/your-repo/kommo-mcp.git
cd kommo-mcp

# Install dependencies
poetry install

# Copy environment file
cp .env.example .env
# Edit .env with your Kommo credentials

# Create database
createdb kommo_mcp

# Run server
poetry run kommo-mcp

Claude桌面配置

添加到您的Claude桌面配置(claude_desktop_config.json):

{
  "mcpServers": {
    "kommo": {
      "command": "poetry",
      "args": ["run", "kommo-mcp"],
      "cwd": "/path/to/kommo-mcp"
    }
  }
}

n8n配置

使用具有HTTP传输的MCP客户端节点：

• 统一资源定位符: https://your-domain.com/mcp
• 运输：HTTP流式传输

人工智能工具处理程序（电报机器人）

CRM设置

• kommo_setup - CRM配置 行动：

- templates -列出可用的管道模板（内置10个） - apply_template -应用模板（捕获、资格认证、跟进、演示、提案、汽车服务、房地产、教育、电子商务、b2b销售） - create_pipeline -创建新管道 - create_stage -向管道添加阶段 - update_pipeline / update_stage -重命名、重新着色 - delete_pipeline / delete_stage -通过潜在客户迁移删除 - reorder_stages -更改阶段顺序 - create_field / update_field / delete_field -自定义字段CRUD - create_source -添加潜在客户来源

实体行动

• kommo_entity_actions - 实体运营 行动：

- add_note -向实体添加注释 - get_notes / get_history -获取笔记和历史记录 - create_task / get_tasks / complete_task -任务管理 - update_lead / move_lead -潜在客户更新 - link_contact / unlink_contact -联系人链接

批量操作

• kommo_bulk_actions - 大规模行动 行动：

- mass_move -将多条线索移至舞台 - mass_tag -向实体添加标签 - mass_assign -重新分配实体 - mass_update -批量更新字段

用户和团队

• kommo_users - 用户管理 行动：

- list -列出所有CRM用户 - workload -经理工作量分配 - activity -用户活动统计

报告

• kommo_reports - CRM报告 行动：

- top_deals -按金额排列的热门交易 - pipeline_summary -管道概述 - manager_stats -经理绩效

出口

• kommo_export - 数据导出 行动：

- leads_csv -将潜在客户导出为CSV表格 - contacts_csv -将联系人导出为CSV表格 - analytics -所有管道的汇总分析

摘要

• kommo_digest - CRM摘要和总结 行动：

- morning -早间简报（交易、任务、过期、过时） - weekly -周报（新/赢/输交易，已完成任务） - my_tasks -个人任务列表（逾期、今天、即将）

AI顾问

• kommo_advisor - 基于人工智能的推荐 行动：

- next_action -下一步做什么交易 - pipeline_tips -管道优化建议 - loss_analysis -损失交易分析和模式 - closing_tips -交易结束建议 - objections -基于CRM数据的异议处理指南 - strategy -战略建议：管道覆盖、增长杠杆、流程改进 - qualification -交易的BANT资格分析（lead_id）：预算、权限、需求、时间表 - qualification_checklist -带问题的交互式BANT检查表，红色/绿色标志 - negotiation -根据交易规模和背景定制的谈判技巧 - communication_style -从笔记中检测客户沟通风格（正式/非正式/中立），并推荐方法 - product_recommendations -基于交易背景和注释的追加销售/交叉销售/追加建议 - talking_points -通话前/会议讨论要点：交易状态、上次互动、定价、竞争

管道健康状况

• kommo_pipeline_health - 深层管道分析 行动：

- check -总体健康评分（0-100），包括关键指标 - velocity -销售速度：周期时间、每日速度、中位数/最快/最慢 - bottlenecks -阶段级分析：过时交易、平均年龄、拥堵 - win_loss -盈亏比、价值比较、周期时间分析 - optimize -每个阶段的优化建议

预测

• kommo_forecast - 销售预测 行动：

- pipeline -按阶段接近度加权管道预测 - revenue -月度收入预测及增长趋势 - deal_probability -每笔交易获胜概率评分（lead_id） - trends -每周趋势分析：新交易、价值、赢/输 - plan_fact -计划与事实分析：完成率、差距、每日目标，按用户分类 - cashflow -基于管道的现金流预测 - scenarios -具有增长杠杆的最佳/基本/最差收入情景 - closing_forecast -收盘预测：按概率和预期值对交易候选人进行排名

主动警报

• kommo_alerts - CRM健康警报 行动：

- check -所有警报：过期交易、过期任务、丢失数据 - risks -风险处理涉及风险评分和因素 - performance -团队绩效警报：超载、过时率 - opportunities -重新激活、跟进，没有下一步的机会

期间比较

• kommo_compare - 数据比较和分析 行动：

- periods -本期与上一期相比：交易、收入、转换 - trends -具有方向检测的每周度量趋势 - patterns -日/小时模式、季节转换分析 - correlations -价格与转化率、源性能分析

智能自动化

• kommo_automation - 线索分配和跟进 行动：

- auto_assign -按工作量分配潜在客户（最不忙的优先） - round_robin -团队成员之间的平均分配 - auto_followup -为不活跃的交易创建后续任务 - auto_followup_smart -基于不活动和紧急程度的交易价值的智能跟进

个人观点

• kommo_my - 个人CRM仪表板 行动：

- pipeline -我按阶段与顶级交易进行的活跃交易 - workload -我的任务/处理负荷与工作量得分 - team -团队概述：交易、价值、每个用户的陈旧程度 - insights -管道洞察：健康状况、胜率、周期时间

游戏化

• kommo_gamification - 团队游戏化 行动：

- leaderboard -按指标（交易、收入、转化率）对团队排行榜进行排名 - achievements -徽章系统：交易机、捕鲸机、速度拉近器等。 - challenges -销售竞赛：交易冲刺、收入竞赛 - points -积分细分：交易、收入奖金、大额交易、快速成交 - badges -成就徽章：首次交易、交易机、捕鲸者、速度拉近器等。 - daily_quests -具有难度和积分奖励的个性化日常任务 - streaks -绩效连胜，积分倍增奖金

损失分析

• kommo_loss_analysis - 深度亏损交易分析 行动：

- reasons -票据损失原因、价格区间明细 - patterns -时间模式：按月、按日、按亏损交易年龄 - by_manager -经理比较：损失率、价值、平均损失年龄

智能定时

• kommo_smart_time - 定时智能 行动：

- best_call_time -基于获胜交易的最佳通话时间/天数 - customer_journey -触按购买路径：周期时间，快速与慢速交易 - time_to_purchase -购买时间分析：平均/中位数天数，快速交易与慢速交易 - lead_response -经理的潜在客户响应时间与评级

团队规划

• kommo_team_planner - 容量规划 行动：

- capacity -团队工作量预测：负载分数、可用插槽、状态

客户细分

• kommo_segments - 客户细分 行动：

- by_volume -基于胜率的购买层次细分 - lookalike -查找与表现最佳者类似的交易 - best_manager -按交易规模细分的经理客户契合度 - basket -产品组合分析（基于目录或标签） - by_behavior -基于活动的细分市场：热、暖、冷、冷冻 - retention -重复客户分析的经理保留率

升级

• kommo_escalation - 交易升级管理 行动：

- check -按优先级查找需要升级的交易 - notify -关键/高价值交易通知 - sla -SLA违规检测，违规严重程度 - support -支持升级的复杂案例识别 - auto_escalate -根据风险评分和阶段自动升级交易

再激活

• kommo_reactivation - 客户端重新激活 行动：

- sleeping -按风险价值排序的非活跃客户 - lost_nurture -丢失的交易值得用策略重试 - churn_prevention -风险交易检测与风险评分 - prevent -针对风险活跃交易的预防措施 - win_back -针对最近丢失的脚本交易的赢回策略

联系人丰富

• kommo_contact_enrichment - 联系人数据质量 行动：

- analyze -每个联系人的数据质量评分 - merge_duplicates -按姓名/电话查找重复联系人 - enrich -建议按交易活动优先级排列的缺失字段

消息模板

• kommo_templates - 消息模板和脚本 行动：

- list -可用模板类别 - generate -AI按类型生成模板 - apply / personalize -用潜在客户数据填充模板 - sales_script -带有异议处理程序的阶段特定销售脚本 - follow_up -基于交易背景和不活动的个性化后续电子邮件模板 - closing_script -结案脚本：假设性、总结性、紧迫性、替代性、审判结案技巧

异常检测

• kommo_anomaly - 异常检测 行动：

- detect -价格异常、交易量飙升/下跌、用户集中度 - sales -胜率异常、大额交易失败、即时获胜

异议处理

• kommo_objections - 销售异议管理 行动：

- handle -获取特定异议的响应脚本 - library -通过示例浏览异议类别 - predict -根据上下文预测交易的反对意见 - best_practices -表现最佳的练习和获胜模式

交易情报

• kommo_deal_intelligence - 复杂交易分析 行动：

- enterprise -具有风险水平的高价值交易跟踪 - stakeholders -联系人角色映射（决策者、影响者、用户） - review -将健康评分与问题和优势联系起来 - pipeline_review -管道健康审查：问题、优势、行动项目 - closing_signals -收尾信号检测：预算、参与度、合同语言、拦截器

联系人评分

• kommo_contact_scoring - 联系人参与度评分 行动：

- score -按活动、数据完整性、时效性对联系人进行评分 - value_segments -按LTV划分的VIP/常规/偶尔细分 - by_value -按交易总价值（溢价/标准/基本）划分联系人 - company_scoring -按交易历史、收入和级别（企业/增长/SMB）对公司进行评分 - relationship_strength -接触关系强度评分（强/中/弱/新） - account_scoring -按参与度、联系人和交易对客户级别进行评分（第1/2/3级）

AI销售教练

• kommo_ai_coach - 人工智能驱动的销售指导 行动：

- review_deal -提供具体指导和可操作建议 - skill_assessment -经理技能雷达：成交、速度、交易规模、活动 - skill_gaps -全团队差距分析及培训建议 - roleplay -销售角色扮演场景练习 - best_practices -顶尖绩效分析：获胜行为、模式、团队洞察力 - micro_learning -基于性能差距的每个用户的个性化微型课程

智能回复

• kommo_smart_reply - 上下文回复建议 行动：

- suggest -基于交易背景和历史的智能回复建议 - objection_response -对客户异议（价格、时间、竞争对手）做出回应 - context -交易的沟通历史背景 - auto_reply -按消息类别（定价、交付、保修、支持）自动回复建议

通信分析

• kommo_communication_analytics - 通信质量监控 行动：

- summary -交易对话总结：统计数据、时间线、关键话题 - quality -经理沟通质量指标：记录率、获胜率、得分 - sentiment -交易沟通的情绪分析：正面/负面/中性评分 - patterns -沟通模式：赢与输交易互动比较 - insights -交易沟通的关键见解：定价、竞争对手、时间线信号

文档生成器

• kommo_doc_generator - 从CRM数据生成文档 行动：

- presentation -客户演示大纲（使用lead_id进行个性化设置） - proposal -具有交易背景的商业提案结构 - case_study -中标交易案例研究模板 - commercial_offer -为交易生成个性化商业报价（lead_id） - report -销售报告：总结，按经理细分，亮点 - partner_report -合作伙伴绩效报告，包括执行摘要和指标 - exportable_report -CSV格式的可导出报告，包含交易数据和汇总统计数据

商业洞察

• kommo_insights - 可操作的商业见解 行动：

- actionable -优先洞察：风险、转换问题、数据质量、管道覆盖率 - root_cause -交易损失的根本原因分析：按经理和价格范围划分的模式 - stale_analysis -按风险价值按账龄区间（14-30d、30-60d、60d+）进行过期交易分析 - campaign_roi -活动/来源投资回报率：潜在客户、获胜、收入、获胜率、效率排名

活动分析

• kommo_activity - 团队活动分析 行动：

- feed -按时间顺序的活动提要：创建的交易、赢得的交易、完成的任务 - productivity -生产率排名及分数细分 - kpi -每个用户的活动KPI：交易、收入、获胜率、任务、逾期 - recommendations -每个用户的个性化改进建议 - correlations -活动结果相关性：表现最好的人做了哪些不同的事情

扩展搜索

• kommo_search - 增强搜索 使用过滤器：

- min_price / max_price -价格范围过滤 - created_from / created_to -日期范围过滤 - sort_by / sort_order -按价格排序，created_at，updated_at - top_deals -按金额排名前N的交易 - deal_context -完整的交易背景：联系人、笔记、任务 - timeline -按时间顺序排列的交易事件时间表 - graph -关系图：潜在客户↔ 联系人↔ 公司 - nl_query -无SQL的自然语言复杂查询 - problems -查找问题交易：过时、无价格、无负责任的用户 - bottlenecks -按阶段拥塞和年龄检测管道瓶颈 - rejection_reasons -从笔记中分析交易失败的原因 - payment_status -从交易记录中检查付款状态（已付款/已开票/无信息） - audit_trail -所有交易事件和变更的按时间顺序的审计跟踪

扩展任务

• kommo_tasks_ext - 扩展任务管理 （新行动）：

- prioritize -人工智能对任务优先级进行评分 - reassign -将任务重新分配给另一个用户 - postpone -将任务推迟N天 - plan_day -AI每日计划，包括逾期/今天/明天 - mass_create -为团队成员创建大量任务 - smart_reminders -按紧急程度排序的非活动交易的智能提醒 - meeting_briefing -会前简报卡，包括联系人、通信、谈话要点 - meeting_prep -会议准备指南，包括议程、关注点、清单

扩展联系人

• kommo_contacts_ext - 接触分析 （新行动）：

- without_deals -查找没有关联交易的联系人 - inactive -查找N天以上没有活动的联系人

其他工具

• kommo_webhooks -Webhook管理（列表、创建、删除）
• kommo_tags -标签管理（列表、创建、删除、分配）
• kommo_custom_fields -自定义字段CRUD+批量操作
• kommo_sources -潜在客户来源管理和分析
• kommo_companies -公司管理（列表、获取、创建、更新）
• kommo_duplicates -重复检测和合并
• kommo_links -实体关系管理
• kommo_catalogs -产品目录管理
• kommo_events -CRM事件日志
• kommo_calls -通话记录管理
• kommo_cleanup -数据清理和CRM重置
• kommo_mock_data -生成测试数据（联系人、公司、潜在客户）

快捷操作

• kommo_list_pipelines -列出所有带阶段的管道
• kommo_search_contacts -快速联系人搜索

查询示例

问你的AI助手：

• “显示分析在主漏斗上个月。”
• “做30天的销售预测”
• “比较管理者的业绩”
• “展示最后10笔交易”
• “漏斗里的交易在哪里丢失？”
• “搜索14天以上未活动的挂起的交易”
• “显示每月收入动态”
• “哪些客户面临外流风险？”
• “评估当前利兹的质量”
• “找到重复的联系人”
• “做一个月的报告”
• “对比一下过去的销售情况”
• “什么可以自动化？”
• “为挂起的交易创建任务”
• “显示前10名客户的收入”
• “做RFM客户分析”
• “管理者的负担是多少？”
• “寻找销售机会”
• “显示所有的警报。”
• “一周的时间”
• “哪些任务已经过期？”
• “转换经理评级”
• “把这个月和过去比较一下。
• “与去年相比，我们是如何工作的？”
• “检查数据质量”
• “找到重复的联系人”
• “为汽车服务配置CRM”
• “显示漏斗模板”
• “创建一个在线商店漏斗”
• “展示与客户的沟通历史”
• “上次打电话给客户是什么时候？”
• “每月电话统计”
• “找到没有交易的联系人”
• “搜索超过100K的交易”
• “什么交易与联系有关？”
• “显示过期的任务”
• “每月任务统计”
• “今天的挑战”
• “LTV客户通过渠道”
• “客户队列分析”
• “客户细分”
• “健康交易”
• “受威胁的交易”
• “交易结算速度”
• “经理联系人”
• “没有联系的客户”
• “通讯摘要”

管理面板

React SPA用于监控和管理，服务于 /logs/.

堆栈： React+Vite+Tailwind CSS+Recharts

页：

• 登录 --基于Cookie的会话认证
• 仪表盘 --会话统计数据、图表（会话随时间变化、用户活动）、最近的会话
• 用户和CRM --Telegram用户、连接的CRM租户、状态（活动/挂起/错误）、Kommo域
• 会话 --具有搜索和状态过滤器的AI交互会话
• 会话详细信息 --完整的迭代分解：用户消息、工具调用、结果、错误、响应

API终点：

• POST /api/login --JSON身份验证
• GET /api/me --当前用户
• GET /api/users --所有拥有CRM租户的TG用户
• GET /api/sessions --包含统计信息的会话列表
• GET /api/session/{id} --会话详细信息

# Dev
cd admin && npm run dev

# Build
cd admin && npm run build
# Output: admin/dist/ → served by logs_server

电报机器人命令

任何纯文本消息都被视为对活动CRM的AI查询。

部署

VDS与nginx+systemd

# Server setup
cd /opt/kommo-mcp
python -m venv venv
source venv/bin/activate
pip install -e .

# Build admin panel
cd admin && npm install && npm run build

# systemd service
sudo systemctl enable kommo-telegram-bot
sudo systemctl start kommo-telegram-bot

# nginx proxy
# /logs/ → localhost:8765 (admin panel + API)
# /mcp   → localhost:8001 (MCP HTTP transport)
sudo certbot --nginx -d your-domain.com

项目结构

KommoMCP/
├── src/kommo_mcp/
│   ├── telegram/
│   │   ├── bot.py              # Telegram bot (aiogram)
│   │   ├── ai_chat.py          # AI chat engine (Planner + GPT + tools)
│   │   ├── tool_retriever.py   # RAG-based tool retrieval
│   │   ├── logs_server.py      # Admin panel backend + SPA serving
│   │   └── tools/              # YAML tool definitions for RAG
│   ├── planner/
│   │   ├── tool_graph_planner.py  # Graph planner: intent detection, chain building, prompt generation
│   │   └── tool_registry.yaml     # Tool graph: 54 tools, 258 actions, 24 edges, capabilities
│   ├── saas/
│   │   ├── manager.py          # TenantManager (multi-tenant)
│   │   └── orchestrator.py     # DB orchestration per tenant
│   └── server.py               # MCP server (stdio + HTTP)
├── migrations/
│   └── graph_schema.sql        # PostgreSQL schema for tool graph persistence
├── tests/
│   └── test_tool_graph_planner.py  # 31 tests: 10 amoCRM scenarios
├── admin/                       # React admin panel
│   ├── src/
│   │   ├── pages/              # Login, Dashboard, Users, Sessions, SessionDetail
│   │   ├── components/         # Layout with sidebar
│   │   └── api.js              # API client
│   └── vite.config.js
├── deploy/
│   └── amomcp-nginx.conf
└── README.md

发展

# Install dependencies
pip install -e ".[dev]"

# Run bot locally
python -m kommo_mcp.telegram

# Run admin panel dev server
cd admin && npm run dev

# Lint
ruff check src/

许可证

麻省理工学院