خادم Chatsum MCP

ماذا يفعل خادم “Chatsum” MCP؟

تم تصميم خادم Chatsum MCP (بروتوكول سياق النموذج) لتمكين مساعدي الذكاء الاصطناعي من الاستعلام وتلخيص رسائل الدردشة من قاعدة بيانات دردشة المستخدم. من خلال العمل كجسر بين وكلاء الذكاء الاصطناعي وسجلات الدردشة المخزنة، يعزز خادم Chatsum MCP سير عمل التطوير من خلال السماح لنماذج اللغة الكبيرة (LLMs) باسترجاع وتكثيف بيانات الدردشة ذات الصلة بكفاءة. هذا يجعل من الممكن للمطورين والمستخدمين النهائيين استخراج الرؤى، وتتبع المحادثات، أو جمع الملخصات من سجلات الرسائل الضخمة مباشرةً ضمن أدوات أو منصات الذكاء الاصطناعي المفضلة لديهم. يسهل الخادم مهام مثل استعلام رسائل محددة بناءً على معلمات وتوليد ملخصات موجزة، مما يبسط عملية إدارة وفهم بيانات الدردشة.

قائمة المحفزات

لا توجد قوالب محفزات مذكورة في توثيق المستودع المتاح.

قائمة الموارد

لا توجد موارد MCP صريحة موصوفة في التوثيق أو الشيفرة المتاحة.

قائمة الأدوات

• query_chat_messages
  استعلام رسائل الدردشة باستخدام المعلمات المحددة وتلخيص رسائل الدردشة بناءً على المحفز الاستعلامي.

حالات استخدام هذا الخادم MCP

• تلخيص سجل الدردشة: يمكن للمطورين الاستفادة من الخادم لتلخيص سجلات الدردشة الطويلة بسرعة، مما يتيح مراجعة أسرع واستخلاص النقاط المهمة.
• البحث والتحليل في المحادثات: البحث بكفاءة في سجلات الدردشة للعثور على رسائل أو مواضيع أو أنماط محددة، مما يساعد في التحليلات أو سيناريوهات دعم العملاء.
• رؤى دردشة مدعومة بالذكاء الاصطناعي: استخدام نماذج LLM لتوليد رؤى قابلة للتنفيذ أو إبرازات من بيانات الدردشة، مما يحسن الإنتاجية للفرق والأفراد.
• التكامل مع المساعدين الشخصيين: تعزيز المساعدين الشخصيين أو فريق الذكاء الاصطناعي من خلال منحهم القدرة على الرجوع وتلخيص المحادثات السابقة للاستجابات المدركة للسياق.

كيفية إعداده

Windsurf

لم يتم العثور على تعليمات إعداد لـ Windsurf.

Claude

1. تأكد من تثبيت Node.js و pnpm.
2. قم بإعداد قاعدة بيانات الدردشة الخاصة بك باتباع التعليمات في دليل chatbot.
3. حرر ملف إعدادات Claude:
   • ماك: ~/Library/Application Support/Claude/claude_desktop_config.json
   • ويندوز: %APPDATA%/Claude/claude_desktop_config.json
4. أضف إعداد خادم MCP التالي:

   {
     "mcpServers": {
       "mcp-server-chatsum": {
         "command": "path-to/bin/node",
         "args": ["path-to/mcp-server-chatsum/build/index.js"],
         "env": {
           "CHAT_DB_PATH": "path-to/mcp-server-chatsum/chatbot/data/chat.db"
         }
       }
     }
   }
   

5. احفظ الملف وأعد تشغيل Claude للتحقق من أن الخادم يعمل.

تأمين مفاتيح API

قم بتعيين الأسرار مثل مسارات قواعد البيانات باستخدام الحقل env في إعدادات JSON الخاصة بك:

"env": {
  "CHAT_DB_PATH": "path-to/mcp-server-chatsum/chatbot/data/chat.db"
}

Cursor

لم يتم العثور على تعليمات إعداد لـ Cursor.

Cline

لم يتم العثور على تعليمات إعداد لـ Cline.

كيفية استخدام هذا MCP ضمن التدفقات

استخدام MCP في FlowHunt

لدمج خوادم MCP في سير عمل FlowHunt الخاص بك، ابدأ بإضافة مكون MCP إلى التدفق وربطه بوكيل الذكاء الاصطناعي الخاص بك:

انقر على مكون MCP لفتح لوحة الإعدادات. في قسم إعدادات النظام لخادم MCP، أدخل تفاصيل خادم MCP الخاص بك باستخدام الصيغة التالية لـ JSON:

{
  "chatsum": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

بمجرد الإعداد، سيتمكن وكيل الذكاء الاصطناعي الآن من استخدام هذا MCP كأداة مع إمكانية الوصول إلى جميع وظائفه وقدراته. تذكر تغيير “chatsum” إلى اسم خادم MCP الفعلي الخاص بك (مثل “github-mcp”، “weather-api”، إلخ) واستبدال عنوان URL بعنوان خادم MCP الخاص بك.

نظرة عامة

استناداً إلى المعلومات المتاحة، يوفر خادم Chatsum MCP أداة محددة ومُنفذة بشكل جيد لاستعلام وتلخيص الدردشة، لكنه يفتقر إلى توثيق حول قوالب المحفزات، وموارد MCP، ودعم الإعداد الموسع للمنصة. وهذا يجعله خادماً مركزياً لكن محدوداً نوعاً ما لسير العمل العام.

تقييم MCP

التقييم: 5/10
يقدم خادم Chatsum MCP أداة واضحة لتلخيص واستعلام الدردشة مع تبنٍ جيد (نجوم/تفرعات)، لكنه يفتقر إلى توثيق شامل، وعرض الموارد، ودعم أوسع لقوالب المحفزات، مما يحد من مرونته في سياقات MCP.