# Docker 化 MCP Hub Streamlit 应用

本项目已完全 Docker 化，现在使用MCP（Model Context Protocol）服务器架构。

## 🏗️ 项目架构

```
.
├── app.py                          # 主 Streamlit 应用
├── requirements.txt                # 主应用依赖
├── Dockerfile                      # 主应用 Docker 镜像
├── docker-compose.yml              # Docker Compose 配置
├── docker-config.json              # Docker 环境配置文件
├── docker-run.sh                   # 启动脚本
├── docker-stop.sh                  # 停止脚本
├── docker-logs.sh                  # 日志查看脚本
├── config.json                     # MCP服务器配置
└── python-services/                # MCP服务器目录
    ├── service1/                   # RequestProcessor MCP服务器
    │   ├── mcp_server.py          # MCP服务器实现
    │   └── requirements.txt       # MCP服务器依赖
    ├── service2/                   # DataAnalyzer MCP服务器
    │   ├── mcp_server.py          # MCP服务器实现
    │   └── requirements.txt       # MCP服务器依赖
    └── service3/                   # MathComputer MCP服务器
        ├── mcp_server.py          # MCP服务器实现
        └── requirements.txt       # MCP服务器依赖
```

## 🚀 快速开始

### 1. 启动应用

```bash
# 给脚本执行权限
chmod +x docker-run.sh docker-stop.sh docker-logs.sh

# 启动应用
./docker-run.sh
```

### 2. 访问服务

- **Streamlit 应用**: http://localhost:8501
- **MCP服务器**: 通过主应用自动加载，无需单独访问

### 3. 停止服务

```bash
./docker-stop.sh
```

### 4. 查看日志

```bash
# 查看应用日志
./docker-logs.sh streamlit
```

## 🔧 架构说明

### 旧架构 (已废弃)
- 三个独立的FastAPI HTTP服务
- 分别运行在端口8001、8002、8003
- 需要手动管理服务依赖

### 新架构 (当前使用)
- 三个MCP服务器集成到主应用中
- 通过stdio传输方式通信
- 自动工具发现和注册
- 更好的集成性和扩展性

## 📝 MCP服务器功能

### RequestProcessor (service1)
- **功能**: 通用请求处理和数据分析
- **工具**: 请求处理、数据验证、服务信息

### DataAnalyzer (service2)
- **功能**: 数据分析和统计计算
- **工具**: 数据分析、统计计算、结构分析

### MathComputer (service3)
- **功能**: 数学计算和统计函数
- **工具**: 基本运算、高级统计、百分位数计算

## 🔄 配置更新

MCP服务器配置在 `config.json` 中：

```json
{
  "request_processor": {
    "command": "python",
    "args": ["./python-services/service1/mcp_server.py"],
    "transport": "stdio"
  },
  "data_analyzer": {
    "command": "python",
    "args": ["./python-services/service2/mcp_server.py"],
    "transport": "stdio"
  },
  "math_computer": {
    "command": "python",
    "args": ["./python-services/service3/mcp_server.py"],
    "transport": "stdio"
  }
}
```

## 💡 优势

1. **简化部署**: 只需要启动一个主应用容器
2. **统一管理**: 所有MCP服务器通过主应用管理
3. **自动发现**: 工具自动发现和注册
4. **更好集成**: 与LangChain等框架无缝集成

## 🐛 故障排除

如果MCP服务器加载失败：

1. 检查依赖是否正确安装
2. 确认Python版本兼容性（建议3.8+）
3. 检查文件路径是否正确
4. 查看主应用日志获取详细信息

## 🔮 扩展建议

可以基于现有MCP服务器模板创建更多专用服务：
- 文件处理服务
- 数据库查询服务
- 外部API集成服务
- 机器学习推理服务