Customer Support Langgraph

MCP数据服务

提供方 OPanurag

数据服务 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个模块化、可扩展的Python管道,用于处理客户支持查询,包括输入验证、实体提取、知识库检索、决策制定和响应生成,提供CLI和FastAPI服务器两种运行方式。

一句话选型结论

按资料字段整理

Customer Support Langgraph 属于数据服务类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类数据服务 传输方式stdio · 本地进程 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

数据服务
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

客户支持Python本地部署问答系统知识库检索Python管道FastAPI

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python3 -m venv venv

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
数据库查询

用自然语言查库、取数,不用手写 SQL。

数据同步与清洗

把多来源数据拉到一处做整理。

报表取数

按口径快速拉出统计结果。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在数据服务场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Customer Support Langgraph当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Memory 9d25f64e 9 未标注 未标注 无 2026-05-17
Getzep MCP 9 stdio · 本地进程 本地部署 有 2026-05-17
anything-llm 未标注 stdio · 本地进程 本地部署 有 2026-04-11
Prisma MCP Server 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Astr Bot 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

数据服务
字段来自项目仓库与公开索引,中文说明由本站标注
提供方OPanurag上游标注的维护方 OPanurag
分类数据服务本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式无需鉴权远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · Python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

13.7 KB
来自项目仓库与上游目录的原文,未做删改

客户支持LangGraph

用于处理客户支持查询的模块化、可扩展的Python管道。它验证输入,提取实体,从知识库(ChromaDB+SentenceTransformers)中检索答案,做出决策(解决与升级),并产生最终响应。它同时提供CLI工作流和FastAPI web服务器。

  • 内置:Pydantic、ChromaDB、句子转换器、FastAPI
  • 通过管道代理执行的YAML定义的阶段进行编排
  • 知识库:基于嵌入的持久ChromaDB集合检索

目录

  1. 特性
  2. 架构概述
  3. 项目结构
  4. 安装
  5. 快速开始
  6. 运行CLI
  7. 运行FastAPI服务器
  8. 配置(stages.yaml)
  9. 知识库与摄入
  10. 管道内部
  11. API终点
  12. 测试
  13. 故障排除
  14. 开发技巧
  15. 许可证

1) 特点

  • 具有确定性、条件性和非确定性阶段的模块化管道
  • 基于ChromaDB和句子转换器的知识库检索
  • 输入有效载荷的验证
  • 具有升级功能的简单决策逻辑
  • 控制台和文件的结构化日志记录
  • CLI和FastAPI集成
  • 每个阶段都可以轻松扩展“能力”

2) 架构概述

  • 使用Pydantic验证输入(InputPayload).
  • 管道(LangGraphAgent)从以下位置读取阶段定义 config/stages.yaml.
  • 每个阶段通过MCP式路由器运行一个或多个“能力”(mcp_client.py),它在中调用本地函数 src/langie/abilities.py.
  • 知识库检索使用 Retriever 由ChromaDB+句子转换器支持。
  • 非确定性阶段(DECIDE)评估并可能升级。
  • 最终输出是一个结构化的有效载荷,包括实体、分数、标志和响应。

3) 项目结构```

.
├── app.py # FastAPI app with / and /chat endpoints
├── config/
│ └── stages.yaml # Pipeline stages configuration
├── data/
│ ├── kb_faq.json # FAQ seed data for ingestion
│ ├── tickets.json # Ticket history (updated by FastAPI)
│ └── chroma/ # Persisted ChromaDB store (created after ingest)
├── logs/
│ ├── pipeline.log # Runtime logs
│ └── pipeline_test.log # Test logs
├── pipeline/
│ └── abilities/
│ └── knowledge_base_search.py # (legacy path used by the FastAPI app)
├── scripts/
│ ├── kb_ingest.py # Ingest FAQ JSON into ChromaDB
| └── run.sh # Convenience script to start the FastAPI server
├── src/langie/
│ ├── main.py # python -m src.langie entrypoint
│ ├── abilities.py # Ability implementations
│ ├── cli.py # CLI wrapper to run the pipeline
│ ├── logger.py # Logger configuration (console + file)
│ ├── mcp_client.py # Ability router: COMMON/ATLAS + KB fallback
│ ├── models.py # Pydantic models (InputPayload)
│ ├── pipeline.py # LangGraphAgent: loads YAML, executes stages
│ └── retriever.py # ChromaDB + SentenceTransformers retriever
├── static/
│ └── index.html # Simple UI page (served under /static)
├── test_insertDB.py # Add FAQ and rebuild ChromaDB demo
├── test_out_of_scope.py # OOD retrieval test (uses legacy method name)
├── test_pipeline.py # Pipeline smoke test
├── test_retriever.py # Retrieval test (uses legacy method name)
├── pyproject.toml # Build metadata
├── requirements.txt # Runtime dependencies
└── README.md # This document


注意:一些测试调用 `Retriever.retrieve(...)` 而当前的实现暴露了 `search(...)`。如果按原样运行这些测试,请相应调整或添加一个小适配器。

______________________________________________________________________

## 4) 安装

1. 创建干净的虚拟环境:```bash
python3 -m venv venv
source venv/bin/activate
  1. 安装依赖项:```bash
    pip install -r requirements.txt

3. 验证Python版本:

- 需要Python 3.10+(请参阅 `pyproject.toml`).推荐使用Python 3.11。

______________________________________________________________________

## 5) 快速入门

1. 吸收知识库(创建 `data/chroma` 带有嵌入):```bash
python scripts/kb_ingest.py
  1. 使用默认示例运行CLI:```bash
    python -m src.langie run --config config/stages.yaml

3. 启动FastAPI服务器:```bash
uvicorn app:app --reload --port 8000

打开http://localhost:8000/static/index.html


6) 运行CLI

命令:```bash
python -m src.langie run --config config/stages.yaml [--input path/to/input.json] [--debug]


- `--config`:管道YAML的路径。
- `--input`:可选JSON有效载荷文件。如果省略,则使用内置示例。
- `--debug`:启用详细日志记录。

示例输入JSON:```json
{
"customer_name": "Alice",
"email": "alice@example.com",
"query": "My order #123 hasn’t arrived",
"priority": "High",
"ticket_id": "TKT-5678"
}

发生了什么:

  • 负载 stages.yaml
  • 使用验证有效载荷 InputPayload
  • 每个阶段的运行能力
  • 将最终状态JSON打印到stdout

7) 运行FastAPI服务器

开始:```bash
uvicorn app:app --reload --port 8000


终点:

- 获取 `/` → 供应 `static/index.html`
- 发布 `/chat` → 接受姓名/电子邮件/查询,运行KB搜索,返回带响应的工单

示例 `curl`:```bash
curl -X POST http://localhost:8000/chat \
-H "Content-Type: application/json" \
-d '{
"customer_name": "Bob",
"email": "bob@example.com",
"query": "What is your refund policy?"
}'

响应将包括:

  • ticket_id
  • response
  • alternatives
  • status (已解决/待定)
  • timestamp

门票存放在 data/tickets.json.


8) 配置(stages.yaml)

config/stages.yaml 定义管道阶段和能力。模式:

  • 确定性:按顺序运行能力
  • 非确定性:执行评估然后分支(例如,升级)

摘录:```yaml
stages:
- name: INTAKE
mode: deterministic
abilities:
- { name: accept_payload, server: COMMON }

  • name: UNDERSTAND
    mode: deterministic
    abilities:
  • { name: parse_request_text, server: COMMON }
  • { name: extract_entities, server: ATLAS }

  • name: RETRIEVE
    mode: deterministic
    abilities:

  • { name: knowledge_base_search, server: ATLAS }
  • { name: store_data, server: COMMON }

  • name: DECIDE
    mode: non-deterministic
    abilities:

  • { name: solution_evaluation, server: COMMON }
  • { name: escalation_decision, server: ATLAS }
  • { name: update_payload, server: COMMON }

  • name: CREATE
    mode: deterministic
    abilities:

  • { name: response_generation, server: COMMON }

- 能力被路由到 `COMMON` 或 `ATLAS` 通过 `mcp_client.py`.
- `knowledge_base_search` 通过中的检索器快捷方式处理 `pipeline.py`.

______________________________________________________________________

## 9) 知识库与摄入

- 来源常见问题解答: `data/kb_faq.json`
- 摄入: `scripts/kb_ingest.py` 读取JSON并使用嵌入的SentenceTransformers将其索引到ChromaDB中。

跑步摄入:```bash
python scripts/kb_ingest.py

添加常见问题解答并重新构建(示例脚本):```bash
python test_insertDB.py


检索器实现(简化):```python
# Python example showing how the retriever works
from src.langie.retriever import Retriever

# Create retriever (persisted DB)
retriever = Retriever(db_path="data/chroma", collection_name="faq")

# Search top-3 results for a query
hits = retriever.search("How do I get a refund?", top_k=3)

# Each hit contains question, answer, doc, and a distance-based score
for h in hits:
print(h["answer"])  # comment: prints the retrieved answer text

笔记:

  • “全MiniLM-L6-v2”的初始下载发生一次并被缓存。
  • 确保 data/chroma/ 可写且存在(通过摄入创建)。

10) 管道内部

核心类: src/langie/pipeline.py → LangGraphAgent

  • 加载YAML配置
  • 通过以下方式验证有效载荷 InputPayload
  • 执行阶段和能力
  • 将结果合并到共享 state
  • 提供结构化日志和摘要

关键能力亮点(src/langie/abilities.py):

  • accept_payload:确保存在所需的密钥和默认结构。
  • parse_request_text:对查询进行标记,提取简单模式(例如订单ID)。
  • extract_entities:启发式意图/问题/产品提取。
  • normalize_fields:规范电子邮件、优先级和清理订单ID格式。
  • enrich_records:添加SLA/历史元数据。
  • clarify_question / extract_answer / store_answer:针对缺失细节的模拟问答循环。
  • knowledge_base_search:没有操作能力(管道本身已经注入KB结果)。
  • store_data:衍生品 kb_hits 和 kb_top_answer 根据检索结果。
  • solution_evaluation:根据KB点击量分配0-100分。
  • escalation_decision:如果分数\<90,则升级为人类。
  • response_generation:选择最佳响应(KB顶级答案或回退)。
  • update_ticket / close_ticket:模拟CRM更新。
  • output_payload:供下游使用的最终结构化输出。

能力路由(src/langie/mcp_client.py):

  • call_common 和 call_atlas 地图 ability_name 功能在 abilities.py.
  • 特殊情况 knowledge_base_search 调用共享检索器以获取KB结果。

输入验证(src/langie/models.py):```python

Python: Pydantic schema with comments

from pydantic import BaseModel, Field
from typing import Optional

class InputPayload(BaseModel):

comment: schema for the incoming ticket/request

customer_name: str
email: str
query: str
priority: Optional[str] = Field(default="Normal")
ticket_id: Optional[str] = None


______________________________________________________________________

## 11) API终点

定义于 `app.py` (FastAPI):

- 获取 `/`:
- 供应 `static/index.html`.
- 发布 `/chat`:
- 请求正文:```json
{
&quot;customer_name&quot;: &quot;Alice&quot;,
&quot;email&quot;: &quot;alice@example.com&quot;,
&quot;query&quot;: &quot;Where is my order?&quot;
}
  • 流量:
    1. 通过以下方式运行知识库搜索 KnowledgeBaseSearch (中的传统管道组件 pipeline/abilities/knowledge_base_search.py).
    1. 选择最高答案,如果分数>=阈值,则将票状态标记为已解决。
    1. 把票坚持到 data/tickets.json.
  • 答复:```json
    {
    "ticket_id": "TKT-00X",
    "customer_name": "Alice",
    "email": "alice@example.com",
    "query": "Where is my order?",
    "response": "KB answer...",
    "alternatives": [{"answer": "...", "score": 0.12}],
    "status": "resolved",
    "timestamp": "2025-..."
    }

注:网络流使用简化的能力类 `pipeline/abilities/knowledge_base_search.py` 而不是全部 `LangGraphAgent` 管道。CLI使用基于YAML的管道。

______________________________________________________________________

## 12) 测试

- `test_pipeline.py`:

- 烟雾测试 `LangGraphAgent` 阅读 `config/stages.yaml` 并端到端执行。
- 打印最终输出并断言基础知识。

- `test_retriever.py` 和 `test_out_of_scope.py`:

- 搜索知识库的演示。
- 这些调用 `retriever.retrieve(...)`,但目前 `Retriever` 暴露 `search(...)`.
- 您可以:
- 替换 `retrieve(...)` 随着 `search(...)` 在测试中,或
- 添加一个小型适配器方法 `Retriever`:```python
# Python: Optional adapter for backward compatibility
class Retriever(...):
def retrieve(self, query: str, top_k: int = 3):
# comment: call the new search method for legacy tests
return self.search(query, top_k=top_k)

运行测试:```bash
pytest


______________________________________________________________________

## 13) 故障排除

- SentenceTransformers模型下载缓慢:
- 首次下载“全MiniLM-L6-v2”可能需要一些时间。它随后被缓存。
- ChromaDB目录缺失:
- 跑 `python scripts/kb_ingest.py` 创建/填充 `data/chroma/`.
- KB搜索没有结果:
- 验证 `data/kb_faq.json` 有效,摄入成功。
- 由于以下原因测试失败 `retrieve` 兽医 `search`:
- 更新要使用的测试 `search`,或添加上面显示的适配器方法。
- 日志记录不可见:
- 使用 `--debug` 在CLI或tail中 `logs/pipeline.log`.

______________________________________________________________________

## 14) 开发技巧

- 在哪里添加新能力:

- 实施中 `src/langie/abilities.py` 作为一个函数:```python
# Python: new ability example with comments
def my_new_ability(state: dict) -&gt; dict:
# comment: read from state
text = state.get(&quot;query&quot;, &quot;&quot;)

# comment: do something simple
if &quot;coupon&quot; in text.lower():
state.setdefault(&quot;entities&quot;, {})[&quot;has_coupon&quot;] = True

# comment: return full state dict
return state
  • 注册 src/langie/mcp_client.py 在...之下 COMMON_ABILITY_MAP 或 ATLAS_ABILITY_MAP.
  • 参考文献 config/stages.yaml:```yaml
  • name: CUSTOM
    mode: deterministic
    abilities:
  • { name: my_new_ability, server: COMMON }
    ```

  • 如何改变决策逻辑:

  • 修改 solution_evaluation 在……里面 abilities.py 以反映你的得分策略。

  • 如何自定义响应:

  • 编辑 response_generation 设置回复格式或使用模板。


15) 许可证

该项目根据MIT许可证获得许可。有关详细信息,请参阅LICENSE文件。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Customer Support Langgraph 怎么安装?

在客户端按下面的安装命令接入:python3 -m venv venv。装完在客户端配置里引用同一个包或端点。

Customer Support Langgraph 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Customer Support Langgraph 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Customer Support Langgraph 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Customer Support Langgraph 能提供哪些能力?

资料显示能力标签包括 问答系统、Python、数据分析。具体工具清单以官方文档为准。

Customer Support Langgraph 需要什么运行环境?

运行时为 Python;属于本地进程,需要在本机装好运行环境。

Customer Support Langgraph 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。