MCP inventory chatbot

MCP库存聊天机器人（Django+简单代理）

一个最小的、本地友好的项目聊天机器人演示，通过工具调用回答库存数据库问题。

• 后端： 姜戈
• DB: SQLite（自动创建）
• “MCP风格”工具： 每个表（产品、供应商、订单、订单项）在内部注册表中注册的Python函数
• 型号： 可选拥抱面部 transformers 基于辅助程序（默认为简单的关键字/规则路由，因此无需大量下载即可运行）
• 前端： 使用HTMX在本地主机上发送/接收消息的简单聊天页面

这是一个演示脚手架，您可以稍后扩展到完整的MCP服务器集成中。目前，代理在简单的意图解析后在本地执行工具。

特性

• 包含示例数据（产品、供应商、订单、订单项）的库存模式。
• 聊天提示->代理->所选工具->通过Django ORM进行数据库->格式化响应。
• 示例查询：

- “列出产品” - “显示产品小部件A” - “库存低于10” - “供应商Contoso” - “2025年1月1日至2025年12月31日之间的订单”

快速入门

1. 创建venv并安装deps

python -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
pip install -r requirements.txt

注意：该应用运行良好 没有 变压器模型。如果你想要LLM辅助解析，请保留 transformers 安装。不需要大型模型；默认情况下配置了小text2text模型（例如flan-t5-small）。

1. 运行迁移并加载示例数据

python manage.py migrate
python manage.py loaddata inventory/fixtures/sample.json

（或者，您可以运行：）

python manage.py load_sample_data

1. 启动服务器

python manage.py runserver

打开http://127.0.0.1:8000/chat

拥抱脸模型（可选）

• 默认情况下，代理使用关键字和正则表达式规则进行路由。
• 要让代理向小型HF模型请求结构化操作（tool+args），请设置：

export USE_NLP=1

该应用程序将尝试使用小 flan-t5-small 模型（text2text）。您可以在中更改此设置 core/hf_model.py.

项目布局

mcp_inventory_chatbot/
├─ manage.py
├─ mcp_chatbot/
│  ├─ settings.py
│  ├─ urls.py
│  ├─ wsgi.py
│  ├─ asgi.py
├─ core/
│  ├─ agent.py
│  ├─ hf_model.py
│  ├─ tool_registry.py
│  ├─ utils.py
├─ inventory/
│  ├─ models.py
│  ├─ admin.py
│  ├─ fixtures/sample.json
│  ├─ management/commands/load_sample_data.py
│  ├─ migrations/ (created at migrate)
├─ webui/
│  ├─ views.py
│  ├─ urls.py
│  ├─ templates/chat.html
│  ├─ static/chat.css
│  ├─ static/chat.js
├─ requirements.txt
├─ FLOWCHART.md
└─ SCHEMA.md

安全说明

此演示有意将查询限制为安全的ORM调用和已知工具。避免在没有严格保护措施的情况下插入任意SQL生成。

扩展到真正的MCP

• 替换 core/tool_registry.py 使用真正的MCP工具客户端，按表发布工具。
• 改变 core/agent.py 从模型中格式化符合MCP的工具调用，通过MCP执行它们，并返回结果。
• 考虑添加身份验证、分页、流媒体和更丰富的UI。