价格监控 MCP 服务器
大纲
该项目是一个基于模型上下文协议（MCP）的价格监控服务器。通过产品代码比较DB标准价格和Gmarket实时价格，当价格下降时通过Slack发送通知。
- 遵循MCP 标准的服务器/工具/提示���构
- 自动化整个抓取、价格比较和通知过程
- 支持Slack webhook集成
主要特点
- DB标准价格搜索：使用产品代码搜索DB中的标准价格
- Gmarket 实时价格爬取：使用 Firecrawl API
- 比较价格并计算折扣率
- 价格下降时发送 Slack 通知
- 提供自动化整个工作流程的工具
文件夹结构
price_monitor_mcp/
├── src/
│ └── price_monitor_mcp.py # MCP 서버 메인 코드
├── mcp_client.py # MCP 클라이언트 코드
├── README.md
└── .env # 환경변수
如何运行
1.准备虚拟环境并安装包
conda activate price_monitor_mcp
pip install -r requirements.txt
# 또는 필요한 경우
pip install mcp firecrawl requests python-dotenv psycopg2-binary pydantic
2.设置环境变量
在.env文件中设置环境变量，例如 Slack webhooks，如下所示。
SLACK_WEBHOOK_URL=https://hooks.slack.com/services/...
DB_HOST=...
DB_PORT=...
DB_NAME=...
DB_USER=...
DB_PASSWORD=...
3. 运行 MCP 服务器
mcp run src/price_monitor_mcp.py
- 或者使用 devtools 运行它：
mcp dev src/price_monitor_mcp.py - 或者使用 shell 脚本激活 conda 环境，然后运行
MCP 工具/提示列表
get_db_price(product_code) ：DB标准价格查询crawl_gmarket_price(product_code) ：Gmarket实时价格爬取send_slack_alert(message) ：发送 Slack 通知monitor_price_workflow(product_code) ：自动运行整个流程（推荐）monitor_price(product_code) ：提示（针对法学硕士）
自动化整个过程（推荐）
调用工作流工具的示例
在 MCP 开发工具/客户端中：
- 选择
monitor_price_workflow工具，输入product_code ，然后运行它。 - 结果：返回数据库价格、最低价、差价、折扣率、Slack通知等。
Python 客户端示例
import asyncio
from mcp import ClientSession, StdioServerParameters
from mcp.client.stdio import stdio_client
async def main():
server_params = StdioServerParameters(
command="python",
args=["src/price_monitor_mcp.py"],
)
async with stdio_client(server_params) as (read, write):
async with ClientSession(read, write) as session:
await session.initialize()
result = await session.call_tool("monitor_price_workflow", arguments={"product_code": "ULCK25151"})
print("워크플로우 결과:", result)
if __name__ == "__main__":
asyncio.run(main())
Slack 通知测试
- 如果您的 Slack webhook 设置正确，当价格下降时您将自动收到通知。
- 消息格式可以在
send_slack_alert函数中自由修改。
LLM（Claude、GPT等）链接
- 一旦 MCP 服务器连接得到官方支持，Claude、GPT 等将能够以自然语言运行提示/工具
- 目前，通过 MCP 客户端代码接收结果并粘贴到 LLM 以供摘要/分析请求。
参考文献/文件
联系/贡献