Agentic Ai MCP Feature Management

🚀 智能工單自動化：Agentic AI MCP 功能管理

本項目藉助人工智能實現運維自動化，利用 AWS Bedrock（Claude 3 Haiku）理解自然語言形式的支持請求，並通過獨立的 MCP 服務器自動執行功能管理操作。

🚀 快速開始

前提條件

python --version  # 3.9+
pip install -r requirements.txt

運行示例

# 處理自然語言工單
python lambda_handler/handler.py --input sample_data/jira_webhooks/natural_language.json

# 使用不同表述運行
python lambda_handler/handler.py --input sample_data/jira_webhooks/multi_request.json

# 查看所有 20 多個示例
ls sample_data/jira_webhooks/

運行測試

# 運行所有測試（100% 覆蓋率）
pytest tests/ -v --cov

# 僅運行 AI 集成測試
pytest tests/test_bedrock_extraction.py -v

# 僅運行安全測試
pytest tests/test_security/ -v

✨ 主要特性

1. 自然語言理解（人工智能驅動）

支持多種表述方式：

# 以下所有表述均有效：
"Check premium for account abc123"
"Can you verify if abc123 has premium enabled?"
"Please confirm premium status for account abc123"
"Is premium active for abc123?"
"Status check: premium feature for abc123"
# ... 包含 20 多種變體

2. 企業級安全

• ✅ 提示注入檢測 - 檢測 50 多種攻擊模式
• ✅ 輸入清理 - 使用字符白名單和長度限制
• ✅ 輸出驗證 - 確保人工智能返回預期的結構
• ✅ 速率限制 - 使用令牌桶算法
• ✅ 審計日誌 - 完整跟蹤請求/響應
• ✅ 白名單驗證 - 僅允許批准的操作/功能

3. 獨立的 MCP 服務器

團隊成員可重複使用：

from mcp_server import MCPServer

# 任何團隊成員都可以使用
mcp = MCPServer()
result = mcp.execute_tool(
    tool_name='check_status',
    parameters={'account_ids': ['abc123'], 'features': ['premium']}
)

4. 多請求支持

在一個工單中處理多個請求：

"Check premium for abc123 | 
 Enable mobile_access for xyz, def | 
 Check all features for ghi789"

→ 獨立處理 3 個請求
→ 返回合併結果

📦 安裝指南

環境變量

# AWS 配置（用於生產環境）
export AWS_REGION=us-east-1
export AWS_ACCESS_KEY_ID=your_key
export AWS_SECRET_ACCESS_KEY=your_secret

# API 配置（在 POC 中模擬）
export API_BASE_URL=https://api.example.com
export API_CLIENT_ID=your_client_id
export API_CLIENT_SECRET=your_secret

# 安全配置
export RATE_LIMIT_REQUESTS=100
export RATE_LIMIT_WINDOW=60
export MAX_INPUT_LENGTH=10000

切換模擬模式

# lambda_handler/config.py
BEDROCK_MOCK_MODE = True  # 生產環境設置為 False
API_MOCK_MODE = True      # 生產環境設置為 False

💻 使用示例

基礎用法

# 處理自然語言工單
python lambda_handler/handler.py --input sample_data/jira_webhooks/natural_language.json

高級用法

# 使用不同表述運行
python lambda_handler/handler.py --input sample_data/jira_webhooks/multi_request.json

📚 詳細文檔

• 架構指南 - 系統設計與人工智能集成
• 安全指南 - 企業級安全實現
• MCP 指南 - 團隊使用與可重用性
• AI 集成 - Bedrock 集成模式
• 快速入門 - 5 分鐘內啟動項目
• 業務影響 - 超 10 萬美元的價值分析

🔧 技術細節

人工智能集成（AWS Bedrock）

POC 階段模擬，生產環境就緒：

class BedrockClient:
    def __init__(self):
        self.mock_mode = True  # 生產環境設置為 False
        self.model_id = 'anthropic.claude-3-haiku-20240307-v1:0'
        
        # 生產環境配置（可直接使用）：
        self.region = os.getenv('AWS_REGION', 'us-east-1')
        # 只需添加 AWS 憑證並切換模擬模式

提示工程：

prompt = f"""
You are a support ticket automation system.
Extract structured information from user requests.

Request: {description}

Extract for EACH request:
1. action: ["check_status", "enable_features", "disable_features"]
2. account_ids: list of identifiers
3. features: list of feature names

Return ONLY valid JSON array.
"""

安全層

輸入 → 長度檢查 → 字符驗證 → 注入檢測 → 
        速率限制 → Bedrock 調用 → 輸出驗證 → 
        白名單檢查 → 執行

MCP 服務器模式

支持函數調用：

tools = [
    {
        "name": "check_status",
        "description": "Check feature status for accounts",
        "input_schema": {
            "type": "object",
            "properties": {
                "account_ids": {"type": "array", "items": {"type": "string"}},
                "features": {"type": "array", "items": {"type": "string"}}
            }
        }
    }
]

📄 許可證

這是一個展示人工智能集成模式的項目。

📊 業務影響

交付價值

年度節省：支持團隊節省超過 10 萬美元的時間。

🧪 測試

測試覆蓋率

✅ AI 提取測試（20 多種表述）
✅ 安全測試（50 多種注入模式）
✅ MCP 工具測試（所有工具）
✅ 集成測試（完整工作流程）
✅ 錯誤處理測試（所有失敗模式）

總計：100% 覆蓋率

運行測試

# 運行所有測試
pytest tests/ -v --cov --cov-report=html

# 按類別運行
pytest tests/test_bedrock_extraction.py -v
pytest tests/test_security/ -v
pytest tests/test_mcp_server/ -v
pytest tests/test_integration/ -v

# 查看覆蓋率
open htmlcov/index.html

🚀 未來增強功能

第二階段潛力：

• ✨ 多模型支持（Claude、GPT - 4、Llama）
• ✨ 對話記憶（跨工單跟蹤上下文）
• ✨ 從反饋中學習（隨時間改進）
• ✨ 多語言支持（非英語工單）
• ✨ 語音集成（Slack、Teams）
• ✨ 高級分析儀表板
• ✨ 不同提示的 A/B 測試
• ✨ 複雜情況自動升級

👤 作者

高級人工智能/機器學習工程師
展示生產級人工智能自動化

精心打造，展示現代人工智能工程實力 🤖