Chat Analysis

🚀 MCP チャット分析サーバー

このサーバーは、モデルコンテキストプロトコル（MCP）に基づいて構築されており、ベクトル埋め込みと知識グラフを利用して、チャット会話の意味解析を行います。チャットデータの分析、意味検索、概念抽出、会話パターンの分析などのツールを提供します。

✨ 主な機能

• 🔍 意味検索：ベクトルの類似性を利用して、関連するメッセージや会話を検索します。
• 🕸️ 知識グラフ：メッセージ、概念、トピック間の関係をナビゲートします。
• 📊 会話分析：パターン、指標、会話の動態を分析します。
• 🔄 柔軟なインポート：複数のチャットエクスポート形式をサポートします。
• 🚀 MCP 統合：Claude や他の MCP 互換システムと簡単に統合できます。

🚀 クイックスタート

# パッケージのインストール
pip install mcp-chat-analysis-server

# 設定のコピー
cp config.example.yml config.yml
# config.yml を使用してデータベース設定を編集

# サーバーの起動
python -m mcp_chat_analysis.server

📚 詳細ドキュメント

MCP 統合

claude_desktop_config.json に以下を追加します。

{
  "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": "你的密码"
      }
    }
  }
}

利用可能なツール

💻 使用例

基本的な使用法

• import_conversations：チャット会話をインポートして分析します。

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

• semantic_search：意味の類似性を使って会話を検索します。

{
    "query": "机器学习应用",
    "limit": 10,
    "min_score": 0.7
}

• analyze_metrics：会話の指標を分析します。

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

• extract_concepts：概念を抽出して分析します。

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

🔧 技術詳細

アーキテクチャの詳細な図やドキュメントについては、ARCHITECTURE.md を参照してください。以下の内容が含まれています。

• システムコンポーネントとその相互作用
• データの流れと処理プロセス
• ストレージモードとベクトル操作
• ツールの統合メカニズム

📦 インストール

前提条件

• Python 3.8 以上
• 知識グラフの保存には Neo4j データベース
• 意味検索には Qdrant ベクトルデータベース
• 埋め込みには sentence-transformers

手順

1. パッケージのインストール：

pip install mcp-chat-analysis-server

2. データベースの設定：

# Docker を使用することを推奨
docker compose up -d

3. サーバーの設定：

cp .env.example .env
# .env を使用して設定を編集

開発

1. リポジトリのクローン：

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

2. 開発用依存関係のインストール：

pip install -e ".[dev]"

3. テストの実行：

pytest tests/

貢献

1. リポジトリをフォークします。
2. 機能ブランチを作成します。
3. プルリクエストを送信します。

詳細なガイドについては、CONTRIBUTING.md を参照してください。

📄 ライセンス

MIT ライセンス - 詳細は LICENSE ファイルを参照してください。

関連プロジェクト

• モデルコンテキストプロトコル（MCP）
• Claude Desktop
• Qdrant ベクトルデータベース
• Neo4j グラフデータベース

サポート

• 📖 ドキュメント
• 🐛 問題トラッカー
• 💬 ディスカッションエリア