Genai Sales Insights Agent

🚀 GenAI销售洞察代理 + MCP数据集预览服务器

本项目是一个由两部分组成的生成式AI工程项目，主要展示了以下两大功能：

• 由大语言模型驱动的洞察代理：运用Python、Pandas和OpenAI模型分析金融销售数据，并生成格式规范的HTML业务报告。
• 轻量级MCP（模型上下文协议）服务器：采用Node.js实现，将数据集作为可调用工具（dataset_preview）公开，供基于代理的工作流使用。

📋 项目概述

本仓库包含以下两个主要部分：

1. AI洞察代理（Python）

该流程具备以下功能：

• 加载结构化销售数据。
• 利用Pandas进行定量分析。
• 构建核心指标摘要。
• 将摘要发送给大语言模型。
• 接收结构化的HTML洞察内容。
• 生成简洁美观的报告预览。

2. MCP服务器（Node.js）

这是一个轻量级的模型上下文协议服务器，仅公开一个工具：dataset_preview。 该工具的功能如下：

• 读取Python项目中相同的销售CSV文件。
• 以文本格式返回文件的前8行。
• 允许AI代理在对企业数据集进行推理之前对其进行“检查”。

🔍 架构设计原理

企业通常不会允许大语言模型直接访问文件系统，而是依赖以下方式：

• 基于工具的访问。
• 严格的接口。
• 可审计的数据流。
• 推理层与数据层分离。

本项目遵循了上述模式：

Python代理：推理层

负责执行分析、生成摘要并生成HTML洞察内容。

MCP服务器：数据访问层

通过工具为数据集提供结构化、受限的访问。

📁 仓库结构

genai-sales-insights-agent/
│
├── ai_insights_agent/
│ ├── data/
│ │ └── sales_sample.csv
│ ├── sales_insights_agent.py
│ ├── sales_insights_report.html
│ ├── requirements.txt
│ └── .env (ignored)
│
└── mcp_insights_server/
├── index.mjs
├── package.json
└── package-lock.json

💻 AI洞察代理（Python）

工作原理

1. 加载数据 脚本加载并解析金融销售数据（包括地区、产品、收入、成本、销售数量等）。

2. 生成Pandas摘要 代理计算以下内容：

• 统计摘要。
• 利润计算。
• 按地区分组的收入/利润。
• 按产品分组的收入/利润。

3. 向大语言模型发送提示 将摘要传递给OpenAI模型（gpt - 4o - mini），并严格要求其仅输出HTML格式内容。

4. 生成HTML报告 将返回的HTML片段插入到样式模板中，最终生成文件：sales_insights_report.html。

这将生成一个简洁易读的仪表盘式洞察页面，类似于内部分析团队可能生成的报告。

💻 MCP服务器（Node.js）

MCP（模型上下文协议）允许基于大语言模型的代理通过标准接口调用工具。

本项目旨在模拟内部生成式AI代理在使用企业数据集作为上下文之前如何安全地检查这些数据集。

本项目展示了此类工具的最简可行版本。

🚀 运行项目

1. 运行Python洞察代理

pip install -r requirements.txt

创建.env文件：

OPENAI_API_KEY=your_key_here

运行脚本：

python sales_insights_agent.py

输出结果：

• HTML洞察内容将打印到控制台。
• 生成sales_insights_report.html文件。

注意：仓库中包含了一个示例输出文件。

2. 运行MCP服务器

cd mcp_insights_server
npm install
npm start

启动一个基于标准输入输出的轻量级MCP服务器，并提供dataset_preview工具。

✍️ 作者

Rawan Morshed