Chat Analysis MCP

MCP聊天分析服务器

一种模型上下文协议（MCP）服务器，通过向量嵌入和知识图对聊天对话进行语义分析。该服务器提供用于分析聊天数据、执行语义搜索、提取概念和分析对话模式的工具。

主要特点

• 🔍 语义搜索：使用向量相似度查找相关消息和对话
• 🕸️ 知识图谱：导航消息、概念和主题之间的关系
• 📊 会话分析：分析模式、指标和对话动态
• 🔄 灵活导入：支持各种聊天导出格式
• 🚀 MCP集成：易于与Claude和其他MCP兼容系统集成

快速开始

# Install the package
pip install mcp-chat-analysis-server

# Set up configuration
cp config.example.yml config.yml
# Edit config.yml with your database settings

# Run the server
python -m mcp_chat_analysis.server

MCP集成

添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "chat-analysis": {
      "command": "python",
      "args": ["-m", "mcp_chat_analysis.server"],
      "env": {
        "QDRANT_URL": "http://localhost:6333",
        "NEO4J_URL": "bolt://localhost:7687",
        "NEO4J_USER": "neo4j",
        "NEO4J_PASSWORD": "your-password"
      }
    }
  }
}

可用工具

重要对话

导入和分析聊天对话

{
    "source_path": "/path/to/export.zip",
    "format": "openai_native"  # or html, markdown, json
}

语义研究

按语义相似性搜索对话

{
    "query": "machine learning applications",
    "limit": 10,
    "min_score": 0.7
}

分析信息

分析对话指标

{
    "conversation_id": "conv-123",
    "metrics": [
        "message_frequency",
        "response_times",
        "topic_diversity"
    ]
}

提取概念

提取和分析概念

{
    "conversation_id": "conv-123",
    "min_relevance": 0.5,
    "max_concepts": 10
}

建筑

看 建筑.md 有关以下内容的详细图表和文件：

• 系统组件和交互
• 数据流和处理管道
• 存储模式和向量操作
• 工具集成机制

先决条件

• Python 3.8+
• 用于知识图存储的Neo4j数据库
• 用于语义搜索的Qdrant矢量数据库
• 嵌入语句变换器

安装

1. 安装软件包：

pip install mcp-chat-analysis-server

1. 设置数据库：

# Using Docker (recommended)
docker compose up -d

1. 配置服务器：

cp .env.example .env
# Edit .env with your settings

发展

1. 克隆存储库：

git clone https://github.com/rebots-online/mcp-chat-analysis-server.git
cd mcp-chat-analysis-server

1. 安装开发依赖项：

pip install -e ".[dev]"

1. 运行测试：

pytest tests/

贡献

1. 分叉存储库
2. 创建要素分支
3. 提交拉取请求

看 贡献.md 作为指导方针。

许可证

MIT许可证-请参阅 许可证 文件以获取详细信息。

相关项目

• 模型上下文协议（MCP）
• 克劳德桌面
• Qdrant矢量数据库
• Neo4j图形数据库

支持

• 📖 文档
• 🐛 问题追踪
• 💬 讨论