Agentic Ai MCP Feature Management

🚀 智能工单自动化：Agentic AI MCP 功能管理

本项目借助人工智能实现运维自动化，利用 AWS Bedrock（Claude 3 Haiku）理解自然语言形式的支持请求，并通过独立的 MCP 服务器自动执行功能管理操作。

🚀 快速开始

前提条件

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

运行示例

# 处理自然语言工单
python lambda_handler/handler.py --input sample_data/jira_webhooks/natural_language.json

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

# 查看所有 20 多个示例
ls sample_data/jira_webhooks/

运行测试

# 运行所有测试（100% 覆盖率）
pytest tests/ -v --cov

# 仅运行 AI 集成测试
pytest tests/test_bedrock_extraction.py -v

# 仅运行安全测试
pytest tests/test_security/ -v

✨ 主要特性

1. 自然语言理解（人工智能驱动）

支持多种表述方式：

# 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 多种变体

2. 企业级安全

• ✅ 提示注入检测 - 检测 50 多种攻击模式
• ✅ 输入清理 - 使用字符白名单和长度限制
• ✅ 输出验证 - 确保人工智能返回预期的结构
• ✅ 速率限制 - 使用令牌桶算法
• ✅ 审计日志 - 完整跟踪请求/响应
• ✅ 白名单验证 - 仅允许批准的操作/功能

3. 独立的 MCP 服务器

团队成员可重复使用：

from mcp_server import MCPServer

# 任何团队成员都可以使用
mcp = MCPServer()
result = mcp.execute_tool(
    tool_name='check_status',
    parameters={'account_ids': ['abc123'], 'features': ['premium']}
)

4. 多请求支持

在一个工单中处理多个请求：

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

→ 独立处理 3 个请求
→ 返回合并结果

📦 安装指南

环境变量

# AWS 配置（用于生产环境）
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 中模拟）
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

切换模拟模式

# lambda_handler/config.py
BEDROCK_MOCK_MODE = True  # 生产环境设置为 False
API_MOCK_MODE = True      # 生产环境设置为 False

💻 使用示例

基础用法

# 处理自然语言工单
python lambda_handler/handler.py --input sample_data/jira_webhooks/natural_language.json

高级用法

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

📚 详细文档

• 架构指南 - 系统设计与人工智能集成
• 安全指南 - 企业级安全实现
• MCP 指南 - 团队使用与可重用性
• AI 集成 - Bedrock 集成模式
• 快速入门 - 5 分钟内启动项目
• 业务影响 - 超 10 万美元的价值分析

🔧 技术细节

人工智能集成（AWS Bedrock）

POC 阶段模拟，生产环境就绪：

class BedrockClient:
    def __init__(self):
        self.mock_mode = True  # 生产环境设置为 False
        self.model_id = 'anthropic.claude-3-haiku-20240307-v1:0'
        
        # 生产环境配置（可直接使用）：
        self.region = os.getenv('AWS_REGION', 'us-east-1')
        # 只需添加 AWS 凭证并切换模拟模式

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.
"""

安全层

输入 → 长度检查 → 字符验证 → 注入检测 → 
        速率限制 → Bedrock 调用 → 输出验证 → 
        白名单检查 → 执行

MCP 服务器模式

支持函数调用：

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"}}
            }
        }
    }
]

📄 许可证

这是一个展示人工智能集成模式的项目。

📊 业务影响

交付价值

年度节省：支持团队节省超过 10 万美元的时间。

🧪 测试

测试覆盖率

✅ AI 提取测试（20 多种表述）
✅ 安全测试（50 多种注入模式）
✅ MCP 工具测试（所有工具）
✅ 集成测试（完整工作流程）
✅ 错误处理测试（所有失败模式）

总计：100% 覆盖率

运行测试

# 运行所有测试
pytest tests/ -v --cov --cov-report=html

# 按类别运行
pytest tests/test_bedrock_extraction.py -v
pytest tests/test_security/ -v
pytest tests/test_mcp_server/ -v
pytest tests/test_integration/ -v

# 查看覆盖率
open htmlcov/index.html

🚀 未来增强功能

第二阶段潜力：

• ✨ 多模型支持（Claude、GPT - 4、Llama）
• ✨ 对话记忆（跨工单跟踪上下文）
• ✨ 从反馈中学习（随时间改进）
• ✨ 多语言支持（非英语工单）
• ✨ 语音集成（Slack、Teams）
• ✨ 高级分析仪表板
• ✨ 不同提示的 A/B 测试
• ✨ 复杂情况自动升级

👤 作者

高级人工智能/机器学习工程师
展示生产级人工智能自动化

精心打造，展示现代人工智能工程实力 🤖