🤖 Dialogflow CX MCP Server 🚀

🤖 Dialogflow CX MCP サーバー 🚀

Google Dialogflow CX 向けの強力な Model Control Protocol（MCP）サーバー実装です。AI アシスタントと Google の高度な会話プラットフォームをシームレスに統合できます。

💡 プロのヒント： このサーバーは AI アシスタントと Dialogflow CX の間をつなぎ、強力な会話機能を活用できるようにします！

📋 概要

このプロジェクトは、標準化されたプロトコルを介して AI アシスタントが Dialogflow CX エージェントとやり取りできるツール群を提供します。サーバーが会話の管理、インテント検出の処理、Google の強力な NLU システムとの連携に関する複雑な処理をすべて担います。

✨ 主な機能

• 🔄 Dialogflow CX との双方向通信
• 🎯 インテントの検出およびマッチング機能
• 🎤 音声認識のための音声処理
• 🔌 Webhook のリクエスト／レスポンス処理
• 📝 会話を継続するためのセッション管理
• 🔒 安全な API 認証

🔧 必要条件

🚀 インストール

🐳 Docker を使用する場合

# Clone the repository
git clone https://github.com/Yash-Kavaiya/mcp-server-conversation-agents.git
cd mcp-server-conversation-agents

# Build the Docker image
docker build -t dialogflow-cx-mcp .

# Run the container
docker run -it dialogflow-cx-mcp

💻 手動インストール

# Clone the repository
git clone https://github.com/Yash-Kavaiya/mcp-server-conversation-agents.git
cd mcp-server-conversation-agents

# Create a virtual environment (optional but recommended)
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install the package
pip install -e .

⚙️ 設定

以下の設定パラメーターを指定する必要があります。

これらは環境変数として設定できます。

export DIALOGFLOW_API_KEY=your_api_key
export PROJECT_ID=your_project_id
export LOCATION=your_location
export AGENT_ID=your_agent_id

📊 アーキテクチャ

graph TD
    A[AI Assistant] <-->|MCP Protocol| B[MCP Server]
    B <-->|Google API| C[Dialogflow CX]
    C <-->|NLU Processing| D[Intent Detection]
    C <-->|Conversation Management| E[Session Management]
    B <-->|Webhooks| F[External Services]

🛠️ 使用方法

MCP サーバーは AI アシスタント向けに以下のツールを公開します。

🔍 initialize_dialogflow

プロジェクトの詳細を指定して Dialogflow CX クライアントを初期化します。

await initialize_dialogflow(
    project_id="your-project-id",
    location="us-central1",
    agent_id="your-agent-id",
    credentials_path="/path/to/credentials.json"  # Optional
)

💬 detect_intent

テキスト入力からインテントを検出します。

response = await detect_intent(
    text="Hello, how can you help me?",
    session_id="user123",  # Optional
    language_code="en-US"  # Optional
)

🎤 detect_intent_from_audio

音声ファイルを処理してインテントを検出します。

response = await detect_intent_from_audio(
    audio_file_path="/path/to/audio.wav",
    session_id="user123",  # Optional
    sample_rate_hertz=16000,  # Optional
    audio_encoding="AUDIO_ENCODING_LINEAR_16",  # Optional
    language_code="en-US"  # Optional
)

🎯 match_intent

会話セッションに影響を与えずにインテントをマッチングします。

response = await match_intent(
    text="What are your hours?",
    session_id="user123",  # Optional
    language_code="en-US"  # Optional
)

🔄 Webhook の処理

Webhook リクエストを解析し、Webhook レスポンスを作成します。

# Parse a webhook request
parsed_request = await parse_webhook_request(request_json)

# Create a webhook response
response = await create_webhook_response({
    "messages": ["Hello! How can I help you today?"],
    "parameter_updates": {"user_name": "John"}
})

🔧 レスポンス形式

レスポンス形式の例を以下に示します。

{
  "messages": [
    {
      "type": "text",
      "content": "Hello! How can I help you today?"
    }
  ],
  "intent": {
    "name": "greeting",
    "confidence": 0.95
  },
  "parameters": {
    "user_name": "John"
  },
  "current_page": "Welcome Page",
  "session_id": "user123",
  "end_interaction": false
}

🔗 Smithery との統合

このプロジェクトは、MCP サーバーのデプロイと管理を簡単に行えるプラットフォームである Smithery.ai と連携するように設定されています。

💡 プロのヒント： Smithery.ai との統合により、ワンクリックでのデプロイと Dialogflow CX MCP サーバーの簡単な管理が可能になります！

📄 ライセンス

👥 貢献

貢献を歓迎します！お気軽にプルリクエストを送信してください。

貢献のワークフロー

1. 🍴 リポジトリをフォークする
2. 🔧 機能ブランチを作成する（git checkout -b feature/amazing-feature）
3. 💻 変更をコミットする（git commit -m 'Add some amazing feature'）
4. 🚀 ブランチにプッシュする（git push origin feature/amazing-feature）
5. 🔍 プルリクエストを作成する

MCP Server チームが ❤️ を込めて作成