Kivor Ontology MCP

MCP运维云端

提供方 deenakivor

运维云端 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

一个基于LLM的动态本体管理服务器,提供本体存储、检索、验证和分配功能,适用于智能票务分类系统。

一句话选型结论

按资料字段整理

Kivor Ontology MCP 属于运维云端类 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。

分类运维云端 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 10 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

运维云端
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10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

本体管理Python本地部署LLM分类票务系统动态分配版本管理

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
pip install -r requirements.txt

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 Node.js 等运行时,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

    连接成功后客户端会列出约 10 个工具,随便调一个只读工具确认能返回结果。

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
云资源查询

查实例、存储、账单等云上资源状态。

部署与发布

把部署、重启、回滚这类操作接进对话。

监控与告警

拉取监控指标,异常时让模型帮你判断。

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

  • 资料标注 10 个工具,职责相对集中,接入后不容易误操作。
  • 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。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在运维云端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
Kivor Ontology MCP当前 10 stdio · 本地进程 本地部署 有 2026-05-17
lobehub 未标注 stdio · 本地进程 本地部署 有 2026-04-11
TrendRadar 未标注 stdio · 本地进程 本地部署 有 2026-04-13
Ui Tars Desktop 8a825770 未标注 stdio · 本地进程 本地部署 有 2026-05-17
ruflo 未标注 stdio · 本地进程 本地部署 有 2026-04-13
FastGPT 未标注 stdio · 本地进程 本地部署 有 2026-04-11

服务器档案

运维云端
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deenakivor上游标注的维护方 deenakivor
分类运维云端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 · 未标注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

8.4 KB
来自项目仓库与上游目录的原文,未做删改

Kivor本体MCP服务器

FastMCP服务器,用于基于LLM的票证分类的动态本体管理。

概述

此MCP服务器使用OpenAI LLM将静态项目级本体选择替换为动态票级分类。它提供了用于存储、检索、验证和为票证分配本体的全面工具。

特性

  • 动态本体选择:基于LLM的智能票到本体匹配分类
  • 版本管理:支持多个本体版本
  • 作业历史:完成本体分配的审计跟踪
  • 手动覆盖:能够用推理覆盖LLM选择
  • GraphRAG SDK验证:内置本体结构验证
  • RESTful API:FastMCP HTTP接口,易于集成

建筑```

kivor-ontology-mcp/
├── ontology_mcp.py # Main FastMCP server
├── src/
│ ├── agents/
│ │ └── ontology_agent.py # All 10 tool implementations
│ ├── config/ # Configuration management
│ ├── logging/ # Centralized logging
│ └── utility/
│ ├── db_manager.py # PostgreSQL connection
│ └── llm_classifier.py # LLM-based classification
├── migrations/ # Database schema migrations
├── logs/ # Application logs
└── docker-compose.yml # Container orchestration


## 提供的工具

### P0工具(必备)

1. **商店生物学** -上传并存储新的本体
1. **retrieve_ontology_by_id** -按ID获取本体
1. **选择门票** ⭐ - 基于LLM的票证分类(主要工具)
1. **列表_生物学家** -具有过滤和分页功能的列表
1. **validate_ontology** -验证GraphRAG SDK兼容性

### P1工具(重要)

6. **retrieve_ontology_by_name** -按名称获取(最新或特定版本)
1. **更新生物学** -更新现有本体
1. **缺失生物学** -软删除(保留历史记录)
1. **override_ticket_生物学** -手动分配超控
1. **获取门票登录历史** -查看作业历史记录

## 数据库模式

### 本体论_商店

使用元数据存储所有本体定义:

- `ontology_id` (PK)
- `name`, `version` (独一无二)
- `ontology_json` (JSONB)
- `category`, `description`, `tags`
- `priority` (选择偏好为1-100)
- `is_active`, `deleted_at` (软删除)

### 票务_票务_作业

记录所有本体分配的票:

- `assignment_id` (PK)
- `ticket_id`, `ontology_id` (FK)
- `match_confidence`, `match_method`
- `llm_reasoning`, `llm_category`, `llm_keywords_found`
- `is_override`, `override_reason`, `override_by`
- 完整的票证上下文以供审核

## 安装

### 先决条件

- Python 3.11+
- PostgreSQL 12+
- OpenAI API密钥
- Docker(可选)

### 本地设置

1. **克隆和导航**:```bash
cd kivor-ontology-mcp
  1. 安装依赖项:```bash
    pip install -r requirements.txt

1. **配置环境**:```bash
cp .env.example .env
# Edit .env with your credentials
  1. 运行数据库迁移:```bash
    psql -h 74.225.248.241 -p 5433 -U your_user -d kivorticketing -f migrations/001_create_ontology_store.sql
    psql -h 74.225.248.241 -p 5433 -U your_user -d kivorticketing -f migrations/002_create_ticket_assignments.sql
    psql -h 74.225.248.241 -p 5433 -U your_user -d kivorticketing -f migrations/003_create_functions.sql

1. **启动服务器**:```bash
python ontology_mcp.py

服务器在上运行 http://localhost:8102

Docker设置

  1. 构建并运行:```bash
    docker-compose up -d

1. **查看日志**:```bash
docker-compose logs -f ontology-mcp
  1. 停止服务器:```bash
    docker-compose down

## 配置

### 环境变量

|变量|描述|默认值|
|----------|-------------|---------|
| `DB_HOST` |PostgreSQL主机|74.225.248.241|
| `DB_PORT` |PostgreSQL端口|5433|
| `DB_NAME` |数据库名称|kivacticketing|
| `DB_SCHEMA` |架构名称|kivacticketing|
| `DB_USER` |数据库用户|(必填)|
| `DB_PASSWORD` |数据库密码|(必填)|
| `OPENAI_API_KEY` |OpenAI API密钥|(必需)|
| `OPENAI_MODEL` |LLM型号|gpt-4o-mini|
| `MCP_HOST` |服务器主机|0.0.0.0|
| `MCP_PORT` |服务器端口|8102|

## 使用示例

### 示例1:存储本体```json
POST /tools/store_ontology
{
"name": "infrastructure_ontology",
"ontology_json": {
"entities": [
{"name": "Server", "type": "Infrastructure"},
{"name": "Network", "type": "Infrastructure"}
],
"relationships": [
{"source": "Server", "target": "Network", "type": "CONNECTS_TO"}
]
},
"category": "infrastructure",
"description": "Ontology for infrastructure tickets",
"tags": ["infrastructure", "server", "network"],
"priority": 80,
"version": "1.0.0"
}

示例2:为票证选择本体(基于LLM)```json

POST /tools/select_ontology_for_ticket
{
"ticket_id": "TKT-ABC123",
"ticket_title": "Server connectivity issue in production",
"ticket_description": "Production server unable to connect to database. Network tests show intermittent packet loss.",
"project_id": 42
}


答复:```json
{
"success": true,
"assignment_id": 123,
"selected_ontology": {
"ontology_id": 5,
"name": "infrastructure_ontology",
"version": "1.0.0",
"category": "infrastructure"
},
"classification": {
"confidence": 0.92,
"reasoning": "Ticket involves infrastructure components (server, network, connectivity) requiring infrastructure ontology",
"category": "infrastructure",
"keywords_found": ["server", "network", "connectivity", "production"],
"processing_time_ms": 1234
}
}

示例3:列出本体论```json

POST /tools/list_ontologies
{
"category": "infrastructure",
"is_active": true,
"limit": 10
}


### 示例4:手动超控```json
POST /tools/override_ticket_ontology
{
"ticket_id": "TKT-ABC123",
"ontology_id": 7,
"override_reason": "Ticket requires specialized database ontology",
"override_by": "admin_user"
}

与现有系统集成

Planner代理集成

替换Planner Agent中的静态本体选择:```python

OLD CODE (project_description_detector.py)

ontology = get_ontology_by_project_description(project_description)

NEW CODE (using Ontology MCP)

response = await call_mcp_tool(
"select_ontology_for_ticket",
{
"ticket_id": ticket_id,
"ticket_title": ticket_title,
"ticket_description": ticket_description,
"project_id": project_id
}
)
ontology_id = response["selected_ontology"]["ontology_id"]


### 在哪里更新

1. **KivorPlanner代理**:更新 `generate_workflow_plan()` 叫 `select_ontology_for_ticket`
1. **处理器**:将门票详细信息传递给Planner(已经这样做了)
1. **代理注册表**:注册本体mcp服务器
1. **移除**: `project_description_detector.py` 逻辑(保留文件以保持向后兼容性)

## 监控

### 日志

- **位置**: `logs/ontology_mcp.log`
- **格式**:用函数和行号标记时间戳
- **旋转**:每个文件10MB,5个备份

### 要监控的指标

- LLM分类置信度得分
- 每个分类的处理时间
- 超控率(手动与LLM)
- 最常选择的本体

## 故障排除

### 常见问题

1. **“没有可用的活动本体”**

- 解决方案:至少存储一个本体 `is_active=true`

1. **“LLM返回了无效的JSON”**

- 解决方案:检查OpenAI API密钥和模型的可用性
- 验证 `OPENAI_MODEL` 支持JSON响应格式

1. **数据库连接错误**

- 解决方案:验证 `DB_*` 环境变量
- 从容器/主机检查PostgreSQL的可访问性

1. **端口8102已在使用中**

- 解决方案:更改 `MCP_PORT` 在 `.env` 和 `docker-compose.yml`

## 发展

### 运行测试```bash
# Unit tests (TODO)
pytest tests/

# Manual testing
python -m src.utility.llm_classifier  # Test LLM classifier
python -m src.utility.db_manager      # Test DB connection

添加新工具

  1. 实现功能 src/agents/ontology_agent.py
  2. 在中注册工具 ontology_mcp.py 随着 @mcp.tool 装饰器
  3. 将文档添加到此README中

从旧系统迁移

第一阶段:平行运行(推荐)

  1. 部署本体mcp服务器
  2. 使用迁移现有本体 store_ontology 工具
  3. 更新Planner以调用新旧系统
  4. 记录差异以供验证

第二阶段:切换

  1. 移除 project_description_detector.py 逻辑
  2. 更新所有引用以供使用 select_ontology_for_ticket
  3. 监控分类质量

第三阶段:清理

  1. 归档旧本体存储文件
  2. 删除未使用的代码
  3. 更新文档

API 参考

API完整文档可在以下网址获取: http://localhost:8102/docs (服务器运行时)

支持

对于问题或疑问:

  • 检查日志: logs/ontology_mcp.log
  • 审查迁移: migrations/*.sql
  • 联系人:Kivor平台团队

许可证

专有-Kivor人工智能平台

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
Kivor Ontology MCP 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

Kivor Ontology MCP 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。

Kivor Ontology MCP 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。

Kivor Ontology MCP 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。

Kivor Ontology MCP 能提供哪些能力?

资料显示约 10 个工具;能力标签包括 版本管理、Python、云端部署。具体工具清单以官方文档为准。

Kivor Ontology MCP 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Kivor Ontology MCP 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。