Intern AI-assistent – MCP Demo

Dette repositoriet inneholder en liten demoløsning for en intern AI-assistent basert på konseptet Model Context Protocol (MCP).
Løsningen består av to Python/FastAPI-mikrotjenester som kjører i separate Docker-containere.

Tjenester

Vi har to tilgjengelige tjenester, konsulent- og llm vertøy api. Konsulent-apiet fungerer som en server for clienten llm-verktøy-apiet, hvor llm-verktøy-apiet behandler dataen videre før den returnerer objektet med et menneskelig sammendrag.

1. konsulent-api

Gir tilgang til konsulentdata.

• Endepunkt: GET /konsulenter
• Respons: Forhåndsdefinert liste over konsulenter i JSON-format
• Felt: id, navn, ferdigheter, belastning_prosent

2. llm-verktoy-api

Fungerer som et verktøy-API for en AI-assistent.

• Endepunkt: GET /tilgjengelige-konsulenter/sammendrag
• Spørreparametere:
  • min_tilgjengelighet_prosent
  • påkrevd_ferdighet
• Logikk:
  • Henter data fra konsulent-api
  • Filtrerer konsulenter basert på tilgjengelighet og påkrevd ferdighet
  • Returnerer et menneskeleselig sammendrag som JSON

Teknologi

• Python 3.12
• FastAPI
• Pydantic v2
• Docker & Docker Compose

Kjøring av prosjektet

Forutsetninger

• Docker Desktop (Windows/Mac) eller Docker Engine (Linux)
• Docker Compose

Starte prosjektet

Fra repository root:

docker compose up --build

Dette starter begge tjenestene:

• konsulent-api på http://localhost:8001
• llm-verktoy-api på http://localhost:8002

Teste prosjektet

1. Hent alle konsulenter:

curl http://localhost:8001/konsulenter

2. Hent sammendrag med filter:

curl "http://localhost:8002/tilgjengelige-konsulenter/sammendrag?min_tilgjengelighet_prosent=50&påkrevd_ferdighet=python"

3. Swagger dokumentasjon:

• konsulent-api: http://localhost:8001/docs
• llm-verktoy-api: http://localhost:8002/docs

Stoppe prosjektet

docker compose down

Lokal utvikling (uten Docker)

1. Installer Python 3.12+
2. Installer dependencies for hver tjeneste:

# konsulent-api
cd konsulent-api
pip install -r requirements.txt

# llm-verktoy-api
cd ../llm-verktoy-api
pip install -r requirements.txt

3. Kjør hver tjeneste i separate terminaler:

# Terminal 1 - konsulent-api
cd konsulent-api/src
python -m uvicorn main:app --port 8001 --reload

# Terminal 2 - llm-verktoy-api
cd llm-verktoy-api/src
KONSULENT_API_BASE_URL=http://localhost:8001 python -m uvicorn main:app --port 8002 --reload

Eksempelforespørsler

curl http://localhost:8001/konsulenter