Bez popisu

1 Větve

Guangyu a946ff1837 bugfix		před 3 týdny
instrument_config_mcp	a946ff1837 bugfix	před 3 týdny
scripts	38d100611f feat: 添加仪表点位查询功能	před 3 týdny
.dockerignore	895c5aaa00 init	před 3 týdny
.gitignore	895c5aaa00 init	před 3 týdny
Dockerfile	ad9a2bbc42 refactor(Dockerfile): 移除前端构建检查步骤	před 3 týdny
README.md	a946ff1837 bugfix	před 3 týdny
mcp-design.md	895c5aaa00 init	před 3 týdny
pyproject.toml	298a137cf2 build: 添加 psycopg2-binary 依赖	před 3 týdny
uv.lock	ce4209cb95 build: 添加 psycopg2-binary 依赖	před 3 týdny

Instrument Config MCP

基于 FastMCP 的只读配置查询 MCP 服务，用于访问以下接口：

位置管理
系统管理
设备类型
仪表类型
设备搜索
仪表搜索

服务特点：

通过 project_key 选择项目环境
自动处理项目登录和 token 缓存
正式查询参数以 id 为准
分页保持后端原样，不自动翻页
返回结果尽量保持后端原始结构

环境要求

Python 3.11 到 3.13
一个可访问的 sys_config 表
DATABASE_URL 指向包含 sys_config 的数据库

Windows 下建议固定使用 uv 的 Python 3.13 环境，避免 pywin32 在 Python 3.14 下的兼容问题。

默认数据库地址：

sqlite:///llm_proxy.db

默认上游超时：

UPSTREAM_REQUEST_TIMEOUT=60

项目配置

服务会从 sys_config 中读取 key 为 mcp_project_data_projects 的 JSON 数组。

示例：

[
  {
    "project_key": "dev-01",
    "project_name": "DEV开发环境",
    "base_url": "http://192.168.1.109:32080",
    "username": "admin",
    "password": "123456",
    "enabled": true
  }
]

安装

在项目根目录执行：

uv sync --python 3.13

启动

默认以 HTTP 模式启动，默认地址：http://127.0.0.1:8500/mcp

方式一：使用模块启动

uv run --python 3.13 python -m instrument_config_mcp

方式二：使用 console script 启动

uv run --python 3.13 instrument-config-mcp

可选环境变量：

MCP_HOST，默认 127.0.0.1
MCP_PORT，默认 8500
MCP_PATH，默认 /mcp

如果需要指定数据库：

set DATABASE_URL=sqlite:///llm_proxy.db
uv run --python 3.13 python -m instrument_config_mcp

如果需要指定 HTTP 地址：

set MCP_HOST=0.0.0.0
set MCP_PORT=8500
set MCP_PATH=/mcp
uv run --python 3.13 python -m instrument_config_mcp

如果需要指定上游超时：

set UPSTREAM_REQUEST_TIMEOUT=60
uv run --python 3.13 python -m instrument_config_mcp

MCP 工具

当前提供以下工具：

project.list
list_locations
list_system_tree
list_systems
list_device_types
list_meter_types
search_devices
search_meters
search_points
topology_group_list
topology_list
topology_get_node
topology_find_context

除 project.list 外，其他工具都必须传 project_key。

拓扑能力概览

当前拓扑能力采用“上游拉取 + 本地缓存索引 + 缓存查询工具”的模式。

目标：

通过本地缓存索引替代每次实时全量扫描拓扑
支持按设备/仪表快速定位所在拓扑及节点上下文
为异常分析场景提供稳定、可重复的查询能力

当前实现主要落在以下文件中：

instrument_config_mcp/config_api.py
instrument_config_mcp/topology_cache.py
instrument_config_mcp/server.py

当前已落地的核心能力：

从上游读取拓扑分组列表
从上游读取单个拓扑结构
支持树形拓扑和图形拓扑两种解析路径
缓存拓扑分组、拓扑主信息、节点、边、实体索引
基于缓存查询拓扑列表
基于缓存查询节点局部上下文
基于缓存按设备/仪表定位拓扑上下文

拓扑上游接口

当前代码实际使用的上游接口只有两个，均定义在 instrument_config_mcp/config_api.py：

Python function	Upstream API	Purpose
`list_topologies_with_group(project_key, group_ids=None)`	`POST /api/configapi/topo/list_with_group`	拉取拓扑分组与拓扑列表
`get_topology(project_key, id)`	`POST /api/configapi/topo/get`	拉取单张拓扑详情

说明：

当前没有实现 topo/get_data 的封装与使用
当前缓存设计围绕“结构查询”和“异常定位”场景，没有引入展示层时序数据缓存

拓扑缓存刷新

核心入口是 refresh_topology_cache(project_key, topology_ids=None)。

实际行为：

校验 project_key
调 list_topologies_with_group(project_key, group_ids=[]) 拉取全量拓扑树
从上游返回中提取分组记录和拓扑候选记录
如果传了 topology_ids，只刷新指定拓扑；否则刷新该项目全部拓扑
对每张目标拓扑调用 get_topology(project_key, topology_id)
根据 data.diagram 形态选择解析策略：list 走树形拓扑，dict 走图形拓扑
解析后写入本地缓存表

刷新结果会返回以下统计字段：

refreshed_group_count
refreshed_topology_count
refreshed_node_count
refreshed_edge_count
refreshed_entity_index_count
topology_ids
refreshed_at

刷新模式：

Mode	Trigger	Behavior
Full refresh	`topology_ids is None`	删除该项目全部拓扑缓存，再重建全部分组、拓扑、节点、边、实体索引
Partial refresh	`topology_ids` 非空	仅删除指定拓扑对应的节点、边、实体索引、拓扑注册信息，但会重建全量分组表

说明：

分组表在局部刷新时也会整体重写，避免分组树和拓扑注册信息不一致
当前没有增量 merge 逻辑，采用“删后重建”的方式，简单且可预测

拓扑解析设计

树形拓扑

入口函数：_parse_tree_topology(project_key, topology_id, diagram)

处理逻辑：

递归遍历树节点
写入 TopologyNode
根据父子关系写入 TopologyEdge
从每个节点的 meter_list / device_list 中抽取实体引用
仅保留“最深层命中的节点”作为实体索引

图形拓扑

入口函数：_parse_graph_topology(project_key, topology_id, diagram)

处理逻辑：

读取 diagram.nodes 和 diagram.edges
用 _build_graph_node_context(...) 推导节点层级、父节点关系、路径文本、子节点数量
写入 TopologyNode
写入 TopologyEdge
从节点的 meter_list / device_list 中抽取实体引用
同样只保留“最深层命中的节点”进入实体索引

实体索引规则

当前实现采用统一实体索引表：

entity_type = meter | device
entity_id
topology_id
node_id
depth

其中 depth 表示该实体命中的节点深度。

当前通过 _record_deepest_entities(...) 保证：

同一个实体如果在多个节点出现，优先保留更深层节点
如果同深度有多个节点，则保留多个 node_id

拓扑缓存表结构

当前数据库模型定义在 instrument_config_mcp/topology_cache.py 中。

`topology_group`

保存拓扑分组树。

关键字段：

project_key
group_id
group_name
parent_group_id
group_path_text
level
sort_index
refreshed_at
is_active

关键约束和索引：

uq_topology_group_project_group
ix_topology_group_project_parent

`topology_registry`

保存拓扑主信息。

关键字段：

project_key
topology_id
topology_name
topology_type
object_type_code
group_id
root_shape
source_updated_time
refreshed_at
is_active

关键约束和索引：

uq_topology_registry_project_topology
ix_topology_registry_project_group

`topology_node`

保存拓扑节点。

关键字段：

project_key
topology_id
node_id
node_name
parent_node_id
level
node_type_code
refer_id
refer_level
is_virtual
path_text
child_count
sort_index

关键约束和索引：

uq_topology_node_project_topology_node
ix_topology_node_project_topology_parent
ix_topology_node_project_topology_refer

`topology_edge`

保存节点边关系。

关键字段：

project_key
topology_id
source_node_id
target_node_id
sort_index

关键约束和索引：

uq_topology_edge_project_topology_nodes
ix_topology_edge_project_topology_source
ix_topology_edge_project_topology_target

`topology_entity_index`

保存设备/仪表到节点的反查索引。

关键字段：

project_key
entity_type
entity_id
topology_id
node_id
depth

关键约束和索引：

uq_topology_entity_index_project_entity_topology_node
ix_topology_entity_index_project_entity
ix_topology_entity_index_project_topology_node

Schema 说明：

topology_entity_index 同时承载 meter 和 device 两类实体关系
刷新时间保存在分组表和拓扑注册表中
缓存刷新采用整批删除后重建的方式，不单独维护刷新状态表

拓扑工具说明

`topology_group_list(project_key)`

用途：

返回缓存中的拓扑分组树

输出结构：

project_key
groups
total

`topology_list(project_key, group_id=None, object_type_code=None)`

用途：

返回缓存中的拓扑列表
可按分组或对象类型过滤

输出结构：

project_key
topologies
total

topologies[] 当前包含：

topology_id
topology_name
topology_type
object_type_code
group_id
group_path_text
root_shape
refreshed_at

`topology_get_node(project_key, topology_id, node_id, include_siblings=True, include_children=True)`

用途：

获取一个节点及其直接邻域

输出结构：

topology
node
parents
children
siblings

`topology_find_context(project_key, entity_type, entity_id, topology_id=None, include_siblings=True, ancestor_depth=5, descendant_depth=2)`

用途：

按实体快速反查命中的拓扑节点上下文

输出结构：

query
matches
total_matches

每个 matches[] 当前包含：

topology
self
parents
children
ancestors
descendants
siblings

拓扑查询行为

分组查询

topology.group_list 直接从 topology_group 组装树结构返回，不再依赖上游实时调用。

拓扑列表查询

topology.list 的过滤逻辑：

如果传 group_id，会把该分组及其全部子分组都纳入可见范围
如果传 object_type_code，再叠加对象类型过滤

节点邻域查询

topology.get_node 返回的是一个节点的直接邻域：

直接父节点
直接子节点
同父兄弟节点

它不做深层遍历。

实体上下文查询

topology.find_context 会：

先查 topology_entity_index
对每个命中结果加载节点图关系
返回当前命中节点、直接父子、祖先链、后代链、同级兄弟

拓扑存储和初始化

当前拓扑缓存不是单独写入 JSON 文件，而是落在服务使用的数据库中。

数据库连接来源：

instrument_config_mcp/db.py 中的 database_url()
默认值是 sqlite:///llm_proxy.db
如果部署时设置了 DATABASE_URL，则以环境变量为准

以默认配置为例：

SQLite 文件位于工作目录下的 llm_proxy.db
拓扑缓存表、sys_config 表都在同一个数据库中

当前仓库没有单独提供 .sql 建表脚本，也没有 migration 目录。

建表行为分两类：

scripts/init_local_sys_config.py 会执行 Base.metadata.create_all(engine)，适合部署初始化时一次性创建 ORM 已注册的表
拓扑缓存相关逻辑会在运行前调用 ensure_topology_cache_tables()，内部同样使用 Base.metadata.create_all(sql_engine())

这意味着：

仅启动 MCP 服务本身，不会做一次全局的统一建表
但首次执行拓扑缓存刷新或查询时，会自动确保拓扑缓存表存在
如果希望部署时显式准备好数据库，建议先运行一次初始化脚本，再启动服务

手动刷新入口

除了 MCP 工具，当前还额外暴露了一个内部路由：

GET /topology/cache/refresh?project_key=...

对应函数：refresh_topology_cache_route

能力：

支持通过 query string 触发缓存刷新
支持传多个 topology_id 做局部刷新

说明：

这个路由设置了 include_in_schema=False
它不是正式 MCP 工具，而是给手动测试和运维刷新缓存用的入口

当前限制

从当前代码和设计对照看，还存在这些空缺：

当前没有将拓扑刷新能力以正式 MCP 工具名暴露出去
当前没有 topology.get_structure 这种直接返回整张拓扑缓存结构的工具
当前没有独立刷新状态表，因此无法直接查询某项目最后一次刷新状态
当前也没有对外暴露节点绑定实体列表的专门工具

分页规则

默认 page_size=100
由调用方显式传 page_num
服务不自动翻页
如果当前页后面还有数据，返回中会附带 mcp_note

示例说明：

{
  "state": 0,
  "state_info": "OK",
  "data": {
    "page_size": 100,
    "page_num": 1,
    "total_page": 8,
    "total": 115,
    "data": []
  },
  "mcp_note": "Current result is page 1. If the target was not found, continue with page_num=2."
}

本地联调

仓库内提供了一个简单的 smoke test 脚本：scripts/smoke_test.py

示例 1：查询位置第一页

uv run --python 3.13 python scripts/smoke_test.py list-locations --project-key dev-01 --keyword F1

示例 2：查询系统树

uv run --python 3.13 python scripts/smoke_test.py list-system-tree --project-key dev-01

示例 3：查询设备类型

uv run --python 3.13 python scripts/smoke_test.py list-device-types --project-key dev-01

示例 4：按位置搜索仪表

uv run --python 3.13 python scripts/smoke_test.py search-meters --project-key dev-01 --location-id 162 --show-below true --page-num 1

示例 5：按系统和设备类型搜索设备

uv run --python 3.13 python scripts/smoke_test.py search-devices --project-key dev-01 --system-ids 21 --device-type-ids 5

示例 6：查询某个仪表下的点位

uv run --python 3.13 python scripts/smoke_test.py search-points --project-key dev-01 --id 1785 --page-num 1

联调建议顺序

先运行 list-device-types 和 list-meter-types，确认认证链路正常
再运行 list-locations 或 list-system-tree，确认配置接口可访问
最后运行 search-devices、search-meters 或 search-points 做正式搜索

使用 OpenCode CLI 隔离测试本地 MCP

如果需要另起一个命令行版 opencode 来测试本地 MCP，建议始终使用“隔离数据库 + 隔离用户目录”的方式启动，避免影响当前桌面版 OpenCode 正在使用的会话数据库。

为什么要隔离

如果直接在当前桌面版 OpenCode 环境里再启动 opencode run，可能会遇到以下问题：

复用桌面版注入的环境变量
命中桌面版当前 session 状态
报 Session not found
干扰当前 GUI 会话状态

因此，命令行测试时不要直接复用桌面版进程环境。

前提条件

本地 MCP 服务已经启动，例如：

uv run --python 3.13 python -m instrument_config_mcp

默认地址：http://127.0.0.1:8500/mcp

当前机器上已经存在可用的 OpenCode 认证文件：

C:\Users\Guangyu\.local\share\opencode\auth.json

如果 openai-gw 需要鉴权，命令行隔离环境里也要提供这份文件。

建议的测试顺序

先确认本地 MCP 服务已启动
再确认 opencode db path 指向临时目录
再测试 project.list
再测试 topology.group_list / topology.list
最后测试 topology.find_context / topology.get_node

常见错误

1. `Session not found`

通常不是 MCP 服务的问题，而是命令行继承了桌面版 OpenCode 注入的环境变量。

优先检查：

是否清除了 OPENCODE_SERVER_PASSWORD
是否清除了 OPENCODE_SERVER_USERNAME
是否清除了 OPENCODE_CLIENT
是否清除了 OPENCODE_PID
opencode db path 是否真的指向临时目录

2. `401 Invalid secret key`

说明隔离环境里没有可用的 auth.json，或者 openai-gw 凭证没有被复制到隔离数据目录。

优先检查：

C:\Users\Guangyu\.local\share\opencode\auth.json 是否存在
是否已复制到 $root\.local\share\opencode\auth.json

3. 命令行能启动，但 MCP 没连接

优先检查本地 MCP 是否真的在监听：

Invoke-WebRequest -UseBasicParsing 'http://127.0.0.1:8500/mcp' -Method Post -ContentType 'application/json' -Body '{}'

只要不是“无法连接到远程服务器”，通常说明服务已经起来了。

不建议的做法

不要直接在桌面版 OpenCode 已打开的同一个环境里运行：

opencode run ...

尤其不要在未隔离 USERPROFILE/HOME/XDG_DATA_HOME 的情况下直接测试，否则有机会干扰当前 GUI 会话数据库或命中桌面版 session 状态。

常见问题

1. `project_key not found`

说明 sys_config 中没有对应的 project_key。

2. `project 'xxx' is disabled`

说明项目配置存在，但 enabled=false。

3. `login failed`

重点检查：

base_url
username
password
上游登录接口是否可访问

4. `upstream returned non-JSON response`

说明上游接口返回的不是 JSON，通常需要检查：

域名或路径是否错误
网关是否拦截
登录态是否失效

开发说明

核心文件：

instrument_config_mcp/auth.py
instrument_config_mcp/db.py
instrument_config_mcp/config_api.py
instrument_config_mcp/server.py

语法校验：

uv run --python 3.13 python -m compileall .

README.md

Instrument Config MCP

环境要求

项目配置

安装

启动

MCP 工具

拓扑能力概览

拓扑上游接口

拓扑缓存刷新

拓扑解析设计

树形拓扑

图形拓扑

实体索引规则

拓扑缓存表结构

topology_group

topology_registry

topology_node

topology_edge

topology_entity_index

拓扑工具说明

topology_group_list(project_key)

topology_list(project_key, group_id=None, object_type_code=None)

topology_get_node(project_key, topology_id, node_id, include_siblings=True, include_children=True)

topology_find_context(project_key, entity_type, entity_id, topology_id=None, include_siblings=True, ancestor_depth=5, descendant_depth=2)

拓扑查询行为

分组查询

拓扑列表查询

节点邻域查询

实体上下文查询

拓扑存储和初始化

手动刷新入口

当前限制

分页规则

本地联调

联调建议顺序

使用 OpenCode CLI 隔离测试本地 MCP

为什么要隔离

前提条件

推荐测试步骤

1. 准备隔离目录

2. 清掉桌面版注入的 OpenCode 环境变量

3. 设置隔离环境变量

4. 确认当前命令会写到隔离数据库

5. 用 openai-gw 跑最小化 MCP 测试

建议的测试顺序

常见错误

1. Session not found

2. 401 Invalid secret key

3. 命令行能启动，但 MCP 没连接

不建议的做法

常见问题

1. project_key not found

2. project 'xxx' is disabled

3. login failed

4. upstream returned non-JSON response

开发说明

`topology_group`

`topology_registry`

`topology_node`

`topology_edge`

`topology_entity_index`

`topology_group_list(project_key)`

`topology_list(project_key, group_id=None, object_type_code=None)`

`topology_get_node(project_key, topology_id, node_id, include_siblings=True, include_children=True)`

`topology_find_context(project_key, entity_type, entity_id, topology_id=None, include_siblings=True, ancestor_depth=5, descendant_depth=2)`

5. 用 `openai-gw` 跑最小化 MCP 测试

1. `Session not found`

2. `401 Invalid secret key`

1. `project_key not found`

2. `project 'xxx' is disabled`

3. `login failed`

4. `upstream returned non-JSON response`