AutoCompliance MCP

Система для анализа гарантийных обращений и истории ремонтов автомобилей с использованием Model Context Protocol (MCP) и мультиагентной архитектуры на базе LangGraph.

🐳 Docker & Deployment: infra/DOCKER.md

Компоненты системы

🔧 MCP Сервер

MCP сервер предоставляет инструменты для получения данных об истории ремонтов, гарантийных обращений, технического обслуживания автомобилей и стандартах и процедурах гарантийного обслуживания и клиентской службы.

Документация: backend/mcp_server/README.md

🤖 Система агентов

Мультиагентная система для анализа данных с использованием LangGraph и GigaChat LLM.

Документация: backend/agent/README.md

🖥️ Frontend (Gradio)

Веб-интерфейс на базе Gradio для взаимодействия с системой агентов через чат-интерфейс.

Документация: frontend/README.md

Возможности деплоя

🚀 Развертывание через Artifact Registry

MCP сервер поддерживает развертывание через Artifact Registry платформы Cloud.ru. Это позволяет использовать MCP сервер как часть инфраструктуры Evolution Platform для создания AI-агентов.

📚 Подробная документация: Создание MCP сервера в Cloud.ru

🧠 Технологии AI/ML

В основе инструментов MCP сервера лежат современные технологии платформы Cloud.ru:

• Managed RAG - сервис платформы Cloud.ru для семантического поиска и извлечения информации из базы знаний с использованием векторного поиска и LLM
• Foundation Models (GigaChat API) - использование GigaChat через Evolution Platform API (платформа Cloud.ru) для обработки естественного языка и генерации ответов

Эти технологии обеспечивают интеллектуальный анализ гарантийных обращений и истории ремонтов с высокой точностью и контекстным пониманием.

Быстрый старт

Локальная разработка

1. Установка зависимостей

uv sync

2. Настройка окружения

Скопируйте файл с примером конфигурации и заполните необходимые параметры:

cp infra/.env.example infra/.env

📋 Подробное описание всех переменных окружения: infra/SECRETS_DESCRIPTION.md

3. Запуск MCP сервера

cd backend
python -m mcp_server.server

Сервер будет доступен на http://0.0.0.0:8004

4. Запуск системы агентов

cd backend
python -m agent.main

API будет доступен на http://localhost:8005

5. Запуск Frontend (Gradio)

cd frontend
./run.sh

Или напрямую:

cd frontend
python app.py

Frontend будет доступен на http://0.0.0.0:7860

Примечание: Убедитесь, что система агентов запущена на http://localhost:8005 перед запуском frontend.

Production Deployment

Для production развертывания с HTTPS, аутентификацией и nginx reverse proxy:

Быстрый старт с Docker Compose

# 1. Генерация SSL сертификатов (для development)
cd infra/scripts
./generate-certs.sh

# 2. Настройка переменных окружения
cp infra/.env.example infra/.env
# Отредактируйте .env: включите MCP_AUTH_ENABLED и установите MCP_AUTH_TOKEN

# 3. Настройка домена (для production)
# Отредактируйте infra/nginx/conf.d/mcp-server.conf:
# - Замените server_name _; на server_name your-domain.com;
# - Для HTTPS: настройте SSL сертификаты (см. infra/DOCKER.md)

# 4. Запуск
docker-compose --profile full up -d

# 5. Проверка
# Для development (localhost):
curl http://localhost/health
# Для production (замените на ваш домен):
# curl https://your-domain.com/health

Важно для production:

• Настройте server_name в nginx конфигурации на ваш домен
• Используйте реальные SSL сертификаты (Let's Encrypt или корпоративные)
• Настройте DNS записи для вашего домена

📚 Подробная документация: infra/DOCKER.md

Основные изменения для Production

• ✅ HTTP Streamable Transport - современный транспорт вместо устаревшего SSE
• ✅ Bearer Token Authentication - защита MCP endpoints
• ✅ HTTPS/TLS Support - шифрование трафика
• ✅ Nginx Reverse Proxy - rate limiting и дополнительная защита
• ✅ Docker Compose - простое развертывание

Архитектура системы

┌─────────────┐
│   Frontend  │  Gradio Web UI (порт 7860)
│   (Gradio)  │
└──────┬──────┘
       │ HTTP POST /agent/query
       ▼
┌─────────────────┐
│  Agent System   │  FastAPI (порт 8005)
│  (LangGraph)    │
└──────┬──────────┘
       │ MCP Protocol
       ▼
┌─────────────────┐
│   MCP Server    │  FastMCP (порт 8004)
│  (Data Access)  │
└─────────────────┘

Документация

• Docker & Deployment Guide - Полная документация по контейнеризации, Docker Compose и production развертыванию
• Описание переменных окружения - Подробное описание всех секретов и переменных конфигурации
• MCP Server README - Полная документация по MCP серверу, доступным инструментам и их использованию
• Agent System README - Документация по мультиагентной системе, архитектуре и примерам использования
• Frontend README - Документация по Gradio веб-интерфейсу, настройке и использованию

Использование Frontend

Примеры запросов

Общие вопросы (без VIN):

• "Что делать если превысим сроки ремонта?"
• "Какие права у клиента при гарантии?"
• "Какие контакты клиентской службы?"
• "Какая процедура при повторном ремонте?"

С указанием VIN:

• "Сколько дней автомобиль был в ремонте?"
• "История обслуживания автомобиля"
• "Анализ частоты ремонтов у дилера"
• "Покажи все гарантийные обращения"

📚 Подробная документация по API: backend/agent/README.md

Примеры использования

MCP сервер в Cloud.ru Evolution

Интеграция MCP сервера с платформой Cloud.ru Evolution для создания AI-агентов:

Доступные инструменты MCP сервера:

Пример ответа от MCP сервера при тестировании на платформе Cloud.ru Evolution:

Frontend интерфейс

Анализ статистики дней в ремонте

История ремонтов

Гарантийная политика и compliance

Полный отчет

Планы развития и улучшения

Приоритизация внедрения улучшений

Фаза 1

1. ✅ Memory система (Redis-based) - контекстные диалоги и история разговоров
2. ✅ OpenTelemetry + Phoenix (базовая настройка) - трейсинг и наблюдаемость
3. ✅ Структурированное логирование - улучшенная отладка и мониторинг

Фаза 2

1. Prometheus метрики - сбор метрик производительности
2. Улучшенное кэширование - многоуровневое кэширование для оптимизации
3. Детальные health checks - расширенный мониторинг состояния системы
4. Retry логика - улучшенная обработка ошибок с exponential backoff

Фаза 3

1. Vector Memory (семантический поиск) - интеллектуальный поиск по истории
2. Асинхронная обработка (Celery) - фоновая обработка длительных запросов
3. Расширенная валидация - улучшенная проверка входных данных
4. Rate limiting - защита от перегрузок и злоупотреблений

Лицензия

См. корневой файл LICENSE.