KPI Dashboard MCP Server

基于 FastAPI 与 FastMCP 构建的智能 KPI Dashboard 服务端。
支持本地数据分析与智能体交互，适用于企业运营、业务监控、智能分析等场景。

🌟 项目亮点

• ✅ 使用 FastAPI 构建轻量高性能 HTTP 接口
• 🤖 集成 FastMCP Server，支持与 MCP 客户端（如 Cherry Studio）智能对话
• 📊 内置数据分析模块，无需外部数据库或 CSV 文件
• 🔧 支持本地开发调试与 VS Code 插件使用

📁 项目结构

kpi-dashboard-mcp-server/
│
├── api.py              # 提供数据分析相关 API
├── helper.py           # 数据分析工具函数（如 KPI 计算）
├── main.py             # 启动 MCP Server 服务
├── data.py             # 内置模拟数据，替代 CSV 加载
├── requirements.txt    # 所需 Python 依赖
└── README.md           # 项目说明文档

🚀 快速开始

1. 克隆仓库

git clone https://github.com/aicoting/mcp_demo.git
cd mcp_demo

2. 创建虚拟环境（可选）

python -m venv venv
# macOS/Linux:
source venv/bin/activate
# Windows:
venv\Scripts\activate

3. 安装依赖

pip install -r requirements.txt

▶️ 启动服务

启动 API 服务（默认端口 8000）

python api.py

访问文档地址：

• http://127.0.0.1:8000/docs

启动 MCP Server 服务（默认端口 8080）

python main.py

启动后输出：

FastMCP Server is running at http://localhost:8080

示例截图

🔗 Cherry Studio 中连接 MCP Server

1. 打开 Cherry Studio
2. 进入设置 → 添加 MCP 服务配置
3. 使用以下内容：

{
  "name": "KPI Analysis Agent",
  "command": "D:\\Anaconda\\envs\\mcp\\python.exe",
  "args": [
    "D:/Users/Desktop/mcp_demo/main.py"
  ],
  "env": {
    "PYTHONUNBUFFERED": "1"
  }
}

连接成功后即可通过 Cherry 与 Agent 对话

📡 API 接口说明

GET /kpi/summary

返回 KPI 汇总结果。

示例返回：

{
  "total_sales": 150000,
  "conversion_rate": 0.035,
  "active_users": 3421
}

💡 示例：添加新的 KPI 分析逻辑

在 helper.py 中添加：

def calculate_average_order_value(sales_data):
    return sum(s["amount"] for s in sales_data) / len(sales_data)

然后在 api.py 的 /kpi/summary 接口中使用它。

📚 技术栈

• FastAPI
• FastMCP
• Python 3.8+

📌 常见问题

Q: 访问 http://127.0.0.1:8000/ 显示 404？

A: 直接访问根路径会返回 404，请使用以下路径：

• http://127.0.0.1:8000/kpi/summary
• http://127.0.0.1:8000/docs

🧑‍💻 开发者建议

• 可将 data.py 替换为数据库或外部接口数据源
• MCP Server 支持扩展上下文记忆、图表输出、多轮问答
• 可用于构建嵌入式知识库、BI 平台、客户运营分析系统等

📄 License

MIT License