Token导航 LogoToken导航

MCP Server · 运维云端

Speckitplus 2 Phaseiii MCP Agenticchatbot

一个集成了AI聊天机器人功能的习惯追踪与目标管理应用,支持Kubernetes部署和本地开发。

stdio官方级别未说明来源级核验工具 0
PythonClaude云端部署

快速开始

作者 / 组织
MAhsanOfficial
提供方
MAhsanOfficial
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

0

仓库热度

收录来源

1 个

MCP World

选型结论

Speckitplus 2 Phaseiii MCP Agenticchatbot 属于运维云端类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,适配 Claude,有可以直接复制的安装命令;接入前要先准备 访问 Token。

分类

运维云端

传输方式

stdio

认证方式

访问 Token

部署方式

公开资料未说明

安装与配置

安装命令

python -m venv venv

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

习惯追踪与目标管理-第四阶段✅ 完成

🎉 成功部署到Kubernetes!

欢迎使用完整的Habit Tracker应用程序,该应用程序具有安全的FastAPI后端、带有AI聊天机器人的现代Next.js前端(第三阶段)和使用规范驱动开发(SDD)构建的完整Kubernetes部署基础设施(第四阶段)。

最新更新:第四阶段基础设施完成!使用Docker容器、Kubernetes清单和Helm charts将应用程序成功部署到Minikube。所有50项任务均已完成(100%)。看 MINIKUBE-DEPLOYMENT-SUCCESS.md 了解详情。

特性

应用功能(第二阶段和第三阶段)

  • 日常习惯养成:用名字和描述来定义你的目标
  • 完成切换:用流畅的动画标记习惯
  • 自动条纹:递归逻辑自动计算一致性
  • 可视化分析:跟踪进度的周报和月报
  • 人工智能聊天机器人:双子座辅助习惯管理(第三阶段)
  • 设计安全:强制JWT验证和严格的用户数据隔离

基础设施特征(第四阶段)🆕

  • 容器化部署:前端和后端的Docker镜像
  • Kubernetes就绪:完成K8s清单和Helm图表
  • 本地开发:Minikube兼容配置
  • 生产模板:生产就绪的Helm值
  • 人工智能辅助DevOps:kubectl ai、kagent、Claude Code工作流
  • 自动验证:基础设施测试脚本

技术栈

应用栈

  • 前端:Next.js 14+,顺风CSS,Framer Motion,TypeScript
  • 后端:FastAPI、SQLModel、PostgreSQL(Neon)、JWT
  • 人工智能:Google Gemini API(第三阶段)
  • 设计:黄色和橙色渐变主题

基础设施堆栈(第四阶段)🆕

  • 容器化:Docker 24+,多阶段构建
  • 编排:Kubernetes 1.28+,Helm 3.12+
  • 本地开发:Minikube 1.32+或Docker桌面
  • 配置:配置映射和秘密
  • 验证:自动测试脚本

______________________________________________________________________

🚀 快速开始

选项1:Kubernetes部署(推荐)🆕

在10分钟内部署到本地Kubernetes:

# 1. Start Docker Desktop (with Kubernetes enabled) or Minikube
minikube start --cpus=2 --memory=4096

# 2. Run validation script
.\validate-infrastructure.ps1  # Windows
./validate-infrastructure.sh   # Linux/macOS

# 3. Configure secrets
cp .env.example backend/.env
# Edit backend/.env with your credentials
kubectl create secret generic habit-tracker-secrets --from-env-file=backend/.env

# 4. Deploy with Helm
helm install habit-tracker ./helm/habit-tracker -f ./helm/habit-tracker/values-local.yaml

# 5. Access application
kubectl port-forward service/habit-tracker-frontend 3000:3000
# Open http://localhost:3000

📖 看 QUICKSTART.md 详细说明

______________________________________________________________________

方案2:地方发展(传统)

🚀 如何在本地运行项目

1.先决条件

  • Python 3.12+
  • Node.js 18+
  • PostgreSQL数据库(例如Neon.tech)

2.后端设置(FastAPI)

导航到 backend 目录:

cd backend

创建虚拟环境:

python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

安装依赖项:

pip install -r requirements.txt

创建 .env 文件在 backend 目录:

DATABASE_URL=postgresql+asyncpg://user:password@host/dbname
JWT_SECRET=your-secret-key-matches-frontend

启动后端服务器:

uvicorn src.api.main:app --reload

API将于 http://localhost:8000。您可以在以下网址查看文档 /docs.

______________________________________________________________________

3.前端设置(Next.js)

导航到 frontend 目录:

cd ../frontend

安装依赖项:

npm install

创建 .env.local 文件在 frontend 目录:

NEXT_PUBLIC_API_URL=http://localhost:8000/api
# Better Auth credentials (if configured)

运行开发服务器:

npm run dev

打开 http://localhost:3000 在您的浏览器中。

______________________________________________________________________

🛠 项目结构

应用程序代码

  • backend/src/api:FastAPI路由(习惯、完成、分析、聊天机器人)
  • backend/src/models:使用SQLModel的数据库架构
  • backend/src/services:核心逻辑,如条纹计算
  • backend/src/mcp:用于AI聊天机器人的MCP工具(第三阶段)
  • frontend/src/components:带有Framer Motion的UI组件
  • frontend/src/services:用于与后端通信的API客户端

基础设施(第四阶段)🆕

  • k8s/base/:Kubernetes清单(部署、服务、ConfigMaps)
  • helm/habit-tracker/:带有模板和值的Helm图表
  • backend/Dockerfile:后端容器映像
  • frontend/Dockerfile:前端容器映像
  • validate-infrastructure.*:验证脚本

文档

  • QUICKSTART.md:10分钟部署指南
  • DEPLOYMENT.md:全面的部署文件
  • IMPLEMENTATION-STATUS.md:当前实施状况
  • PHASE-IV-FINAL-REPORT.md:完成第四阶段报告
  • specs/:所有阶段的设计工件

🛡 安全

应用安全

  • JWT身份验证:所有端点都使用JWT令牌进行保护
  • 用户隔离:每个用户严格的数据隔离
  • 授权标头: Authorization: Bearer 必需的

基础设施安全(第四阶段)🆕

  • 非根容器:所有容器都以非root用户身份运行
  • 密钥管理:敏感数据的Kubernetes秘密
  • 图像中没有秘密:已通过自动脚本验证
  • 资源限制:强制执行CPU和内存限制
  • 健康探测器:已配置活体和准备状态检查

______________________________________________________________________

📚 文档

______________________________________________________________________

🎯 第四阶段状态

✅ 第四阶段完成 -成功部署到Kubernetes! 🎉

取得了什么成就

1.创建的基础设施工件
  • ✅ Docker镜像:后端(577MB)和前端(264MB)的多级Dockerfiles
  • ✅ Kubernetes清单:完成K8s资源(部署、服务、配置映射、机密)
  • ✅ Helm图表:带有本地和生产值的生产就绪Helm图表
  • ✅ 验证脚本:Windows(PowerShell)和Linux/macOS(Bash)的自动测试
  • ✅ 文档:4个综合指南中有1000+行
2.Docker部署
  • ✅ 后端容器:在8000端口上建造和运行
  • ✅ 前端容器:在端口3000上构建和运行
  • ✅ 图像优化:使用最少的基础图像进行多阶段构建
  • ✅ 安全:非root用户,图像中没有秘密
3.Kubernetes部署(Minikube)
  • ✅ 群集设置:Minikube运行2个CPU,3500MB内存
  • ✅ 已加载图像:两个映像都加载到Minikube中
  • ✅ 秘密创造:来自后端/.env的Kubernetes机密
  • ✅ Helm部署:已使用Helm成功部署
  • ✅ Pod正在运行:后端和前端Pod都健康(1/1就绪)
  • ✅ 服务处于活动状态:ClusterIP(后端)和NodePort(前端)服务
  • ✅ 健康检查:活体和准备状态探测器通过
4.部署细节
Minikube IP: 192.168.49.2
Frontend URL: http://192.168.49.2:30080
Backend Service: 10.101.37.247:8000 (internal)

Pods:
- habit-tracker-backend-7bb77d8df5-8s2zv    1/1 Running
- habit-tracker-frontend-6b655b9b49-cpxht   1/1 Running

Services:
- habit-tracker-backend    ClusterIP   8000/TCP
- habit-tracker-frontend   NodePort    3000:30080/TCP
5.任务完成
  • 任务总数: 50
  • 完成: 50/50 (100%) ✅
  • 人工制品创作:35个任务✅
  • Docker验证:8个任务✅
  • Kubernetes部署:7个任务✅

主要成就

  • 🐳 容器化:完全支持Docker并优化镜像
  • ☸️ Kubernetes就绪:生产就绪的K8部署
  • 📦 Helm打包:使用Helm charts轻松部署
  • 🔒 安全:机密管理,非根容器
  • 📊 监控:健康检查和资源限制
  • 📚 已记录:完整的部署指南
  • ✅ 已验证:已在Minikube上成功部署和测试

看 MINIKUBE-DEPLOYMENT-SUCCESS.md 了解完整的部署详细信息。

______________________________________________________________________

🚀 访问应用程序

Kubernetes部署(当前)

# Option 1: NodePort (Direct Access)
http://192.168.49.2:30080

# Option 2: Port Forward (Recommended)
kubectl port-forward service/habit-tracker-frontend 3000:3000
# Then open: http://localhost:3000

# Option 3: Minikube Tunnel
minikube tunnel
# Then open: http://localhost:3000

Docker容器(替代方案)

# Frontend: http://localhost:3000
# Backend: http://localhost:8000
# API Docs: http://localhost:8000/docs

验证部署

# Check cluster status
minikube status

# Check pods
kubectl get pods

# View logs
kubectl logs -f 

# Check services
kubectl get services

______________________________________________________________________

🤝 贡献

本项目遵循使用Spec Kit Plus工作流的规范驱动开发(SDD):

  1. 宪法:确定原则和限制
  2. 规格:定义要构建的内容(以用户为中心)
  3. 计划:定义如何构建(技术方法)
  4. 任务:分解为可操作的步骤
  5. 实施:执行带有验证的任务

看 specs/ 完整设计工件目录。

______________________________________________________________________

🤖 生成于 克劳德代码

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

习惯跟踪Python本地部署目标管理AI聊天机器人Kubernetes部署FastAPINext.js

支持客户端

Claude

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

看服务状态

查询容器、日志和监控指标,定位异常。

执行部署变更

在权限范围内触发发布、回滚和环境切换。

核对资源用量

汇总用量,找出闲置和超额的部分。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 需要自备访问 Token,没有凭据没法直接试。
  • 公开摘要偏短,具体能力和限制要回到仓库确认。

更适合

  • 需要在运维云端场景里让模型直接调用外部能力的人。
  • 已经在用 Claude 的用户,接入路径最短。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到访问 Token的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Speckitplus 2 Phaseiii MCP Agenticchatbot

MCP World · 本页

0stdio有1 个2026-05-17
Ui Tars Desktop 8a825770

MCP World

0stdio有1 个2026-05-17
Elie222 MCP

MCP World

0未说明未标注1 个2026-05-17
Arizeai Phoenix MCP

MCP World

0stdio有3 个2026-05-17
Unity MCP 87ee506e

MCP World

42HTTP有2 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Speckitplus 2 Phaseiii MCP Agenticchatbot 怎么安装?

公开资料给出的安装命令是 python -m venv venv,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Speckitplus 2 Phaseiii MCP Agenticchatbot 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Speckitplus 2 Phaseiii MCP Agenticchatbot 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Speckitplus 2 Phaseiii MCP Agenticchatbot 需要 API Key 吗?

公开资料标注的认证方式是访问 Token,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Speckitplus 2 Phaseiii MCP Agenticchatbot 支持哪些客户端?

公开资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

来源信息

继续浏览同类 MCP