Watsonx MCP Server

本項目是一個基於IBM Watsonx.ai和MCP協議的Python聊天機器人服務器，提供醫療諮詢功能，支持通過Flask構建Web界面，實現症狀診斷和個性化問候。

人工智能聊天機器人客戶支持 #醫療聊天 #MCP服務 #Watsonx .Python

評分 : 2分

下載量 : 6.7K

更新時間 : 2025-04-29

打開站點

什麼是基於Watsonx.ai的MCP聊天機器人服務器？

這是一個通過Model Context Protocol (MCP)協議提供服務的聊天機器人服務器，它使用IBM Watsonx.ai的先進大語言模型來生成智能響應。無論您是在開發內部幫助臺還是公共聊天機器人API，這種模式都易於擴展和適應。

如何使用這個服務器？

首先，確保您的環境已正確配置。然後運行服務器腳本，使用客戶端工具進行交互。例如，您可以使用MCP Inspector來測試聊天工具。

適用場景

適用於需要強大語言模型支持的聊天應用，如客服系統、醫療諮詢助手等。

主要功能

多用途聊天工具

支持通過MCP協議調用聊天工具，實現人機對話交互。

個性化問候

可以動態生成個性化的問候語，提升用戶體驗。

症狀評估工具

集成症狀評估工具，能夠根據用戶輸入的症狀生成醫學建議。

優勢

強大的語言模型支持，生成高質量響應。

模塊化設計，易於擴展和複用。

支持多種客戶端，如MCP Inspector、自定義Python客戶端等。

侷限性

需要一定的技術基礎來設置環境和運行服務器。

某些高級功能可能需要額外的費用或資源。

對網絡延遲敏感，可能在低帶寬環境下表現不佳。

如何使用

安裝依賴項

確保Python 3.9+已安裝，並創建虛擬環境以安裝所需依賴項。

配置環境變量

創建.env文件並添加您的Watsonx.ai憑據。

啟動服務器

運行server.py腳本以啟動MCP服務器。

測試聊天工具

使用MCP Inspector連接到服務器並測試聊天工具。

使用案例

基本聊天示例

向聊天工具發送簡單消息並接收回復。

症狀評估示例

輸入症狀並獲取醫學建議。

常見問題

如何加載.env文件？

為什麼連接失敗？

是否支持自定義提示詞？

🚀 使用Watsonx.ai構建全棧聊天機器人服務器的完整指南

本項目展示瞭如何使用Watsonx.ai構建一個全棧聊天機器人，並藉助MCP（機器學習平臺）進行管理。該方案具備清晰的分層架構，可實現對話狀態存儲、支持多輪對話，還能與Watsonx.ai的強大LLM（大語言模型）集成。

🚀 快速開始

讀者可通過運行server.py和chatbot.py腳本，結合HTML模板文件來體驗完整的聊天機器人功能。

✨ 主要特性

採用清晰的分層架構，便於維護、擴展和優化。
實現對話狀態存儲，支持多輪對話。
與Watsonx.ai的強大LLM集成。

📦 安裝指南

文檔中未提及具體安裝步驟，可參考以下最佳實踐進行環境準備：

使用虛擬環境管理依賴。
配置.env文件來存儲敏感信息。
啟用錯誤日誌記錄以便調試。
定期更新模型版本以獲得最佳性能。

💻 使用示例

基礎用法

運行以下腳本啟動項目：

# 運行主服務器入口，啟動Flask應用
# server.py
from flask import Flask, request, render_template, redirect, url_for
import os

app = Flask(__name__)

@app.route('/')
def home():
    return render_template('index.html')

@app.route('/symptoms', methods=['POST'])
def symptoms():
    name = request.form.get('name')
    return render_template('symptoms.html', greeting=f'Hello {name}!')

@app.route('/diagnosis', methods=['POST'])
def diagnosis():
    symptoms = request.form.get('symptoms')
    # 調用MCP服務獲取診斷結果
    result = call_watsonx(symptoms)
    return render_template('diagnosis.html', diagnosis=result)

if __name__ == '__main__':
    app.run(debug=True, port=5000)

# 初始化MCP客戶端，負責調用Watsonx.ai服務
# chatbot.py
import os
from mcp.clients import MCPClient

# 初始化MCP客戶端
mcp = MCPClient(
    endpoint=os.getenv('MCP_ENDPOINT'), 
    api_key=os.getenv('MCP_API_KEY'),
    verbose=True  # 啟用調試模式輸出
)

def call_watsonx(symptoms):
    # 使用預定義的WatsonX模型進行診斷
    response = mcp.chat(
        model='watsonx-33b-instruct', 
        messages=[{
            'role': 'user',
            'content': f'Based on the symptoms {symptoms}, provide a medical diagnosis and recommendations.'
        }]
    )
    return response.choices[0].message.content

高級用法

可參考以下擴展建議對項目進行擴展：

實現會話狀態存儲（使用Redis）。
添加用戶認證功能。
集成第三方醫療知識庫。
優化UI界面增加更多交互功能。

📚 詳細文檔

項目結構

project/
├── server.py           # 主服務器入口，啟動Flask應用
├── chatbot.py         # MCP客戶端，負責調用Watsonx.ai服務
├── templates/         # HTML模板文件夾，包含三個頁面的模版
│   ├── index.html     # 首頁，收集用戶姓名
│   ├── symptoms.html  # 症狀輸入頁面
│   └── diagnosis.html # 診斷結果展示頁面
└── assets/            # 存放截圖和其他資源文件

HTML模板實現

首頁（index.html）

<!DOCTYPE html>
<html>
<head>
    <title>Watsonx Chatbot</title>
</head>
<body>
    <h1>Welcome to Watsonx Chatbot</h1>
    <form method="post">
        <label>Your Name:</label><br>
        <input type="text" name="name"><br>
        <button type="submit">Start Chatting</button>
    </form>
</body>
</html>

症狀頁面（symptoms.html）

<!DOCTYPE html>
<html>
<head>
    <title>Report Symptoms</title>
</head>
<body>
    <h1>{{ greeting }}</h1>
    <h2>Please describe your symptoms:</h2>
    <form method="post">
        <textarea name="symptoms" rows="4"></textarea><br>
        <button type="submit">Submit</button>
    </form>
</body>
</html>

診斷頁面（diagnosis.html）

<!DOCTYPE html>
<html>
<head>
    <title>Diagnosis Result</title>
</head>
<body>
    <h1>Your Medical Diagnosis:</h1>
    <pre>{{ diagnosis }}</pre>
</body>
</html>

🔧 技術細節

本項目通過Flask提供Web界面，並與Watsonx.ai的LLM服務無縫集成。採用分層架構，server.py作為主服務器入口啟動Flask應用，chatbot.py作為MCP客戶端負責調用Watsonx.ai服務，HTML模板文件提供用戶交互界面。

📄 故障排除

常見問題及解決方案

屬性	詳情
無法連接到MCP服務	檢查環境變量是否正確配置，確保API密鑰有效
診斷結果為空	確保症狀描述完整且清晰
頁面加載失敗	檢查服務器是否正常運行在5000端口