MCP Server Demo

MCP 服务演示

使用 MCP（Model Control Protocol）和 Kafka 构建的可用于生产环境的任务管理系统。

概述

本项目演示了一个健壮的任务管理系统，使用 MCP 让 AI Agent 能够与基于 Kafka 的任务队列交互。该系统支持：

• 任务管理（创建、更新、完成任务）
• 通知处理
• 通过 Kafka 实时处理事件

功能

• 任务管理：创建、更新、设定优先级并完成生产任务
• 通知系统：提供带有优先级的实时通知
• Kafka 集成：可靠的消息队列和事件流
• MCP 工具：便于 AI 使用的任务和通知操作接口
• 消费者服务：在后台处理 Kafka 消息

要求

• Python 3.13+
• Kafka 集群（本地或 AWS MSK）
• Confluent Kafka Python 客户端

安装

# Clone the repository
git clone https://github.com/yourusername/mcp-server-demo.git
cd mcp-server-demo

# Install dependencies
pip install -e .

配置

在 kafka_config.py 中更新 Kafka 配置，填入实际的 Kafka 集群信息：

KAFKA_CONFIG = {
    'bootstrap.servers': 'your-kafka-bootstrap-servers',
    'security.protocol': 'SASL_SSL',
    'sasl.mechanisms': 'SCRAM-SHA-512',
    'sasl.username': 'your-username',
    'sasl.password': 'your-password',
}

使用方法

启动服务

python main.py

加载测试数据

填充系统示例任务和通知：

python kafka_test_data.py

MCP 工具

系统向 AI Agent 提供以下 MCP 工具：

任务管理

• fetch_queue：获取待处理任务列表
• change_task_priority：更新任务优先级
• pickup_task：将任务标记为进行中
• complete_task：将任务标记为已完成
• get_task_details：获取任务详细信息
• check_task_status：检查任务当前状态

通知管理

• check_notification_count：获取未读通知数量
• get_notification_list：获取筛选后的通知列表
• mark_notification_as_read：将通知标记为已读

架构

系统由多个组件组成：

• MCP 服务：提供工具，让 AI Agent 能够与系统交互
• Kafka 生产者：向 Kafka 主题发送消息
• Kafka 消费者：处理来自 Kafka 主题的消息
• 任务服务：处理任务管理的业务逻辑
• 通知服务：处理通知的业务逻辑

开发

项目结构

mcp-server-demo/
├── main.py                # MCP server initialization
├── kafka_config.py        # Kafka configuration
├── consumer_service.py    # Kafka consumer services
├── task_service.py        # Task management logic
├── notification_service.py # Notification handling logic
└── kafka_test_data.py     # Test data generator

许可证

MIT 许可证

参与贡献

欢迎贡献！请随时提交 Pull Request。