mcp-server-nbotbb 0.8.12

A Model Context Protocol server providing tools for time queries and timezone conversions for LLMs

NBotbb MCP Server

一个基于 Model Context Protocol（MCP）的上下文服务器，提供农资商品查询与收货地址提取能力。该服务器使大语言模型（LLM）能够理解用户关于农药、化肥等农资产品的自然语言查询（包括有效成分、品牌、规格等），并从本地数据库实时检索库存信息；同时可从任意消息中精准解析结构化收货地址，并内置对文本、图片、语音等多模态输入的透明支持。

🔗 Model Context Protocol 官网

---

🧰 核心能力（MCP Tools）

1. agro_product_search：农资商品查询与推荐

从用户输入中自动识别农药/化肥产品信息，并查询本地库存。

• 适用场景：用户询问“有没有草甘膦？”、“滨农金特200ml有货吗？”
• 识别字段：
  • 产品名称（如“烯草酮”）
  • 有效成分（如“烟嘧磺隆+莠去津”）
  • 品牌（如“滨农”、“先正达”）
  • 规格（如“200毫升”、“1公斤”）
  • 用途（如“玉米田除草”、“水稻防虫”）
• 数据源：本地 SQLite 数据库 products.db
• 支持偏好：
  • 价格最低（cheapest）
  • 生产日期最新（recent）
  • 折扣优先（discount）
• 输出：结构化商品列表（含价格、库存、生产日期、折扣信息）

---

2. agro_product_recommend：智能农资推荐

基于作物类型、病虫害、地区气候等上下文，推荐最合适的农资产品组合。

• 适用场景：用户说“山东小麦得了锈病怎么办？”、“南方水稻防虫用什么药？”
• 输入解析：
  • 作物（如“小麦”、“水稻”）
  • 病害/虫害（如“锈病”、“稻飞虱”）
  • 地区（如“山东”、“华南”）
  • 生长期（可选）
• 推荐逻辑：
  • 匹配农业知识库 + 当地用药习惯
  • 排除禁用/高毒产品（符合国家法规）
  • 优先推荐低毒、高效、登记作物匹配的产品
• 输出：
  • 推荐商品列表（含使用剂量、安全间隔期）
  • 简明使用建议（如“亩用30ml，兑水30kg喷雾”）

💡 此工具可与 agro_product_search 联动：先推荐，再查库存。

---

3. extract_delivery_address：收货地址智能提取

从任意用户消息中(文本/图片/语音)精准解析完整收货信息。

• 适用场景：用户发消息“李四 13912345678 上海浦东陆家嘴环路1000号”
• 识别字段：
  • 姓名、手机号
  • 省、市、区（自动补全层级，如“浦东” → “上海市 浦东新区”）
  • 详细地址、邮编（可选）
• 智能清洗：
  • 去重（如“北京市 北京市” → “北京市”）
  • 纠错（如“浦東” → “浦东”）
  • 标准化（统一“路/街/巷”格式）
• 输出：标准化 JSON 地址对象，供下单或确认使用

---

💡 多模态输入（文本/图片/语音）由服务器内部统一处理，LLM 无需额外调用 OCR 或 ASR 工具。 图片 → 调用 Qwen-VL 识别农药包装 语音 → 调用通义千问 ASR 转写为文本 所有输入最终转化为结构化上下文，供上述两个工具使用

编译

conda create env -n uvx python=3.10 -y
conda activate uvx
pip install build twine
cd ~/autodl-tmp/servers/src/nbotbb/
python -m build .
twine upload dist/*
pypi-AgEIcHlwaS5vcmcCJDM0YmQ1N2EzLTQzZjEtNDMxNy05ZTZjLTUwZjU1NmE2NTMxZQACKlszLCI4NWJmOWE2My0wNDdkLTQ0MjItODAzNS1iZTRlMjUxN2VhNTciXQAABiA9sPWebBkkBvgZo4oegT8zA5bbhLFZP9QVswI1OdJRlA
source /etc/network_turbo
unset http_proxy && unset https_proxy
pip install --index-url https://pypi.org/simple/ your-package-name   http://mirrors.aliyun.com/pypi/simple
pip install -i http://mirrors.aliyun.com/pypi/simple/ nbotbb-w1bssjszkadbb-001

npx @modelcontextprotocol/inspector python -m mcp_server_nbotbb [ { "product_name": "烯草酮", "brand": "滨农金特", "specification": "200ml", "main_effect": "除草" } ]

🚀 百炼部署

• 使用 uvx

# 安装当前项目（可编辑模式）
pip install -e .

# 测试命令是否可用
mcp-server-nbotbb --local-name "测试"
pip install -i http://mirrors.aliyun.com/pypi/simple/ mcp-server-nbotbb==0.0.1

{
  "mcpServers": {
    "NBotbb": {
      "command": "uvx",
      "args": ["mcp-server-nbotbb"]  
    }
  }
}

twine upload
--repository-url https://packages.aliyun.com/6916a647ab336f9c842bdf28/pypi/wyb-mcp-tools
-u 6916a5fd79784350ec46049a
-p 'atii)[Vl_c)a'
dist/* pip install mcp_server_nbotbb==0.8.7
--index-url https://6916a5fd79784350ec46049a:[e-mail]/6916a647ab336f9c842bdf28/pypi/wyb-mcp-tools/simple/

https://pypi.org/project/mcp-server-nbotbb/0.8.2/

🌐 多模态输入自动处理（透明化）

输入类型	处理方式
文本	纯文本输入，无需处理
图片	调用 Qwen-VL 识别包装，返回结构化结果
语音	调用通义千问 ASR 转写为文本，返回结构化结果
最终，所有工具接收的都是干净的结构化文本上下文。

---

🛠️ MCP 工具定义（供 LLM 调用）

• agro_product_search

{
  "name": "agro_product_search",
  "description": "根据用户描述查询农资商品库存、价格与规格",
  "parameters": {
    "type": "object",
    "properties": {
      "query_text": { "type": "string", "description": "用户原始输入（已含多模态解析结果）" },
      "preferences": {
        "type": "object",
        "properties": {
          "price_preference": { "enum": ["cheapest", "default"] },
          "date_preference": { "enum": ["recent", "default"] }
        }
      }
    }
  }
}

• extract_delivery_address

{
  "name": "extract_delivery_address",
  "description": "从用户消息中提取并标准化收货地址信息",
  "parameters": {
    "type": "object",
    "properties": {
      "message": { "type": "string", "description": "用户原始消息（已转为文本）" }
    },
    "required": ["message"]
  }
}

💬 示例对话

用户：
有滨农金特200毫升的烯草酮吗？想要最近生产日期的。

AI 调用 agro_product_search 后回复：
老板，为您查询到
🔍 关键词: 烯草酮
🛒 烯草酮 200ml
🏪 店铺：劲牛农资旗舰店
💰 规格和价格：
• 200ml：¥35.00 (🟢 有货:12) 生产日期：2025-10-01 折扣活动：无
`

用户：
李四，手机号[phone]，地址：上海市浦东新区陆家嘴环路1000号

AI 调用 extract_delivery_address 后回复：
📦 已为您提取地址信息：
👤 姓名：李四
📞 手机：[phone]
📍 地址：上海市 浦东新区
🏠 详细：陆家嘴环路1000号

请确认地址信息是否正确？

🐞 调试

使用 MCP Inspector 实时查看工具调用：

bash npx @modelcontextprotocol/inspector uvx jinniu-mcp-server

📦 项目结构

nbotbb/
├── src/
│   └── nbotbb_mcp_server/
│       ├── __init__.py          # main() 入口
│       ├── __main__.py          # 支持 python -m
│       ├── server.py            # MCP Server 初始化
│       └── tools/
│           ├── product_search.py     # agro_product_search
│           ├── product_recommend.py  # agro_product_recommend
│           └── address_extract.py    # extract_delivery_address
├── products.db                  # 农资商品数据库（需自行准备）
├── .env                         # DASHSCOPE_API_KEY 等
├── pyproject.toml
├── Dockerfile
└── README.md

{ "mcpServers": { "NBotbb": { "command": "uvx", "args": ["mcp-server-nbotbb==0.8.7"], "env": { "UV_INDEX_URL": "https://6916a5fd79784350ec46049a:[e-mail]/6916a647ab336f9c842bdf28/pypi/wyb-mcp-tools/simple/", "UV_KEYRING_PROVIDER": "disabled" } } } }

提示词

农商助手

让大模型成为专业的农商智能助手，能够根据用户的提问，帮助用户从数据库查询农资商品信息、推荐防治方案，并处理收货地址。

当然可以！以下是根据你这段 MCP 服务代码（支持农资产品搜索、推荐和地址解析）精心设计的一段 提示词（Prompt），你可以将其喂给大模型 Agent，让它知道如何正确调用你的工具：

🧠 Agent 提示词（System Prompt）

你是一个专业的农业智能助手，能够帮助用户查询农资商品信息、推荐防治方案，并处理收货地址。你拥有以下三个专用工具，请根据用户需求合理调用：

1. agro_product_search 用途：根据用户提供的商品名称、品牌、规格或主要功效，查询农资商品库存与价格信息。 输入要求：必须提供 product_list（数组），每个商品对象至少包含 product_name 字段；可选传入 user_preferences（如偏好品牌、剂型等）。 注意：系统会先按商品名模糊匹配，若无结果则按“主要功效”二次检索。

2. agro_product_recommend 用途：当用户提供作物种类和病虫害名称时，推荐合适的农药或肥料产品。 输入要求：必须提供 crop（作物）和 pest_or_disease（病虫害）；可选 region（地区）和 growth_stage（生育期）以优化推荐。 示例：小麦 + 锈病 → 推荐“戊唑醇悬浮剂”。

3. extract_delivery_address 用途：标准化用户输入的收货地址信息，自动清洗冗余字段（如省=市时自动清空市）。 输入要求：可传入 name, phone, province, city, district, detailed_address, postal_code 中任意字段。

📌 使用规则： 每次只调用一个工具。 工具调用必须严格遵循其参数格式。 若用户同时提出多个需求（如查商品+填地址），请分步处理，先完成一个再进行下一个。 所有返回结果均为结构化数据，请用自然语言清晰解释给用户，不要直接输出 JSON。

你现在正在与一位农户或农资经销商对话，请用专业、耐心、简洁的中文提供帮助。

✅ 使用示例（供你测试）

用户输入： 我想找“烯草酮”，滨农金特牌的，200ml装的，除草用的。

Agent 应调用： json { "name": "agro_product_search", "arguments": { "product_list": [ { "product_name": "烯草酮", "brand": "滨农金特", "specification": "200ml", "main_effect": "除草" } ] } }

你可以将上述提示词作为 system message 输入给你的 LLM Agent（如 Qwen、GPT、Claude 等），它就能正确理解并调用你的 MCP 工具了。

需要我帮你生成一个完整的 agent 调用流程示例（包括多轮对话）吗？

mkdir mcp-deps && cd mcp-deps

pip download
--no-binary=:all: \ # 可选：只下载源码包（若需编译） --dest ./wheels
mcp>=1.0.0
pydantic>=2.0.0
tzdata>=2024.2
tzlocal>=5.3.1
mysql-connector-python>=9.0.0
freezegun>=1.5.1
pyright>=1.1.389
pytest>=8.3.3
ruff>=0.8.1

pip download --dest ./wheels "mcp>=1.0.0" "pydantic>=2.0.0" "tzdata>=2024.2" "tzlocal>=5.3.1" "mysql-connector-python>=9.0.0" "freezegun>=1.5.1" "pyright>=1.1.389" "pytest>=8.3.3" "ruff>=0.8.1"

twine upload --repository-url "https://packages.aliyun.com/6916a647ab336f9c842bdf28/pypi/wyb-mcp-tools" -u "6916a5fd79784350ec46049a" -p "atii)[Vl_c)a" -r "packages-pypi" "./wheels/*"

pypi-AgEIcHlwaS5vcmcCJGUwZmRiN2RmLWMyNjItNDMzMC04ZWE1LWI5ODA2OTIyNjQwOAACGVsxLFsibWNwLXNlcnZlci1uYm90YmIiXV0AAixbMixbImUzYTU4MzM5LTEzMTktNDA3MC1iOGViLTNlNjBjNDNkMjUzZSJdXQAABiCPvXTI2QOI4ooF9TYLNH18uPoH8UKgoKslj1N80uvtZw pi pip install "mcp-server-nbotbb==0.8.7" -i "https://6916a5fd79784350ec46049a:[e-mail]/6916a647ab336f9c842bdf28/pypi/wyb-mcp-tools"