ODM Decision Center MCP Server

ODM Decision Center MCP Server

Enables AI assistants to interact with IBM ODM Decision Center for managing business rules, decision tables, ruleflows, and project generation.

Category
Visit Server

README

Servidor MCP para ODM Decision Center

Um servidor MCP (Model Context Protocol) que fornece ferramentas com IA para operações do IBM ODM Decision Center. Este servidor permite que assistentes de IA interajam com o ODM Decision Center através de um protocolo padronizado.

🎯 Visão Geral

Este projeto implementa um servidor MCP que expõe 8 ferramentas especializadas para gerenciar projetos do IBM ODM Decision Center, incluindo:

  • Criação e gerenciamento de regras de negócio
  • Tabelas de decisão
  • Ruleflows (orquestração)
  • Variáveis e vocabulário
  • Geração de projetos com suporte a XOM

🚀 Interfaces Disponíveis

1. Watson Orchestrate (Recomendado para Produção)

Integração nativa com IBM Watson Orchestrate para automação de processos empresariais.

# Iniciar adaptador do Orchestrate
./start_orchestrate.sh  # Linux/Mac
start_orchestrate.bat   # Windows

📖 Documentação completa do Watson Orchestrate

2. Interface Web (Streamlit)

Interface web interativa para desenvolvimento e testes.

streamlit run watson_web_ui.py

3. CLI (Linha de Comando)

Cliente de linha de comando para automação e scripts.

python watson_mcp_client.py

📋 Pré-requisitos

  • Python 3.8+
  • IBM ODM Decision Center (instância em execução)
  • Servidor Backend Java (ODMHttpServer) para operações de regras
  • Cliente de IA compatível com MCP (Claude Desktop, etc.)

🚀 Início Rápido

1. Instalação

# Clone o repositório
git clone <url-do-repositorio>
cd MEUMCP

# Crie o ambiente virtual
python -m venv .venv
source .venv/bin/activate  # No Windows: .venv\Scripts\activate

# Instale as dependências
pip install fastmcp requests

2. Configuração

Configure as variáveis de ambiente:

# API do Decision Center
export DC_BASE_URL="http://seu-servidor-odm:9060/decisioncenter-api/v1"
export DC_USERNAME="odmAdmin"
export DC_PASSWORD="sua-senha"

# Servidor Backend Java (para operações de regras)
export OTHER_BASE_URL="http://localhost:8080"

# Servidor MCP
export MCP_TRANSPORT="stdio"  # ou "http"
export HTTP_HOST="0.0.0.0"    # se usar HTTP
export HTTP_PORT="8000"       # se usar HTTP

3. Execute o Servidor

python decision_center_mcp_server_Regras.py

📁 Estrutura do Projeto

MEUMCP/
├── decision_center_mcp_server_Regras.py  # Servidor MCP principal
├── tools/                                 # Ferramentas MCP (8 módulos)
│   ├── tools_variables.py                # Gerenciamento de variáveis
│   ├── tools_rules.py                    # Criação de regras
│   ├── tools_decisiontables.py           # Tabelas de decisão
│   ├── tools_ruleflows.py                # Orquestração de ruleflows
│   ├── tools_vocab.py                    # Consultas ao vocabulário BOM
│   ├── tools_decisioncenter.py           # API REST do DC
│   ├── tools_project_generator.py        # Geração de projetos
│   └── tools_chatbot.py                  # Integração com IA
├── helpers/                              # Clientes utilitários
│   ├── dc_rest_client.py                # Cliente REST do Decision Center
│   └── http_java_client.py              # Cliente do backend Java
├── examples/                             # Exemplos de uso
│   ├── criar_projeto_completo.py        # Criação de projeto completo
│   ├── criar_projeto_com_xom.py         # Projeto com XOM
│   ├── gerar_vocabulario.py             # Geração de vocabulário
│   └── list_tools.py                    # Listar ferramentas disponíveis
├── tests/                                # Scripts de teste
├── docs/                                 # Documentação
└── data/                                 # Arquivos de exemplo

🛠️ Ferramentas Disponíveis

1. criar_variables - Gerenciamento de Variáveis

Crie e gerencie variáveis de negócio com verbalizações adequadas.

2. criar_regra - Criação de Regras

Crie regras de negócio com sintaxe BAL (Business Action Language).

3. criar_decision_table - Tabelas de Decisão

Crie e gerencie tabelas de decisão.

4. criar_ruleflow - Orquestração de Ruleflows

Crie ruleflows para orquestrar a execução de regras.

5. consultar_vocabulario_bom - Consultas ao Vocabulário

Consulte o vocabulário e classes do BOM (Business Object Model).

6. operacoes_decision_center - API REST do DC

Acesso direto às operações da API REST do Decision Center.

7. gerar_projeto_odm - Geração de Projetos

Gere projetos ODM completos com suporte a XOM.

8. integracao_chatbot - Integração com IA

Integre com assistentes de IA para interações em linguagem natural.

📖 Documentação

🔧 Detalhes de Configuração

Conexão com o Decision Center

O servidor se conecta ao IBM ODM Decision Center usando a API REST:

DC_BASE_URL = "http://seu-servidor:9060/decisioncenter-api/v1"
DC_USERNAME = "odmAdmin"
DC_PASSWORD = "sua-senha"

Servidor Backend Java

As operações de regras requerem um servidor backend Java (ODMHttpServer):

OTHER_BASE_URL = "http://localhost:8080"

Este servidor gerencia:

  • Criação e validação de regras
  • Geração de XML de ruleflows
  • Operações de tabelas de decisão
  • Verbalização de variáveis

🎯 Exemplos de Uso

Criar um Projeto Completo

from examples.criar_projeto_completo import criar_projeto_completo

# Criar projeto com regras e ruleflow
criar_projeto_completo(
    project_name="AprovacaoCredito",
    branch_name="Main"
)

Criar Regras de Negócio

# Regras são criadas usando sintaxe BAL
regra_bal = """
se a idade do cliente é pelo menos 18
    e o score de crédito é pelo menos 650
então
    definir o status de aprovação como "APROVADO";
"""

Criar Ruleflow

# Ruleflows orquestram a execução de regras
ruleflow_xml = """
<Ruleflow xmlns="http://schemas.ilog.com/Rules/7.0/Ruleflow">
  <Body>
    <TaskList>
      <StartTask/>
      <RuleTask>
        <RuleList package="validacao"/>
      </RuleTask>
      <StopTask/>
    </TaskList>
  </Body>
</Ruleflow>
"""

⚠️ Notas Importantes

Verbalizações de Variáveis

Sempre use verbalizações de variáveis nas regras, não nomes técnicos:

  • ✅ CORRETO: se 'a idade do cliente' é pelo menos 18
  • ❌ ERRADO: se 'idadeCliente' é pelo menos 18

Organização de Pacotes

Agrupe regras relacionadas em pacotes lógicos:

  • ✅ CORRETO: Pacote "Validacao" → Regra1, Regra2, Regra3
  • ❌ ERRADO: Pacote "Regra1" → Regra1 (uma por pacote)

Fluxo de Trabalho Recomendado

  1. Criar projeto
  2. Criar variáveis
  3. Criar regras em pacotes
  4. Criar ruleflow (obrigatório para execução)

🤝 Contribuindo

Contribuições são bem-vindas! Por favor, leia CONTRIBUTING.md para detalhes.

📄 Licença

Este projeto está licenciado sob a Licença MIT - veja o arquivo LICENSE para detalhes.

🔗 Projetos Relacionados

  • FastMCP - Framework de servidor MCP
  • IBM ODM - Plataforma de gerenciamento de decisões

📞 Suporte

Para problemas e questões:

  1. Consulte a documentação
  2. Revise os exemplos
  3. Abra uma issue no GitHub

🎓 Recursos de Aprendizado

Recommended Servers

playwright-mcp

playwright-mcp

A Model Context Protocol server that enables LLMs to interact with web pages through structured accessibility snapshots without requiring vision models or screenshots.

Official
Featured
TypeScript
Magic Component Platform (MCP)

Magic Component Platform (MCP)

An AI-powered tool that generates modern UI components from natural language descriptions, integrating with popular IDEs to streamline UI development workflow.

Official
Featured
Local
TypeScript
Audiense Insights MCP Server

Audiense Insights MCP Server

Enables interaction with Audiense Insights accounts via the Model Context Protocol, facilitating the extraction and analysis of marketing insights and audience data including demographics, behavior, and influencer engagement.

Official
Featured
Local
TypeScript
VeyraX MCP

VeyraX MCP

Single MCP tool to connect all your favorite tools: Gmail, Calendar and 40 more.

Official
Featured
Local
graphlit-mcp-server

graphlit-mcp-server

The Model Context Protocol (MCP) Server enables integration between MCP clients and the Graphlit service. Ingest anything from Slack to Gmail to podcast feeds, in addition to web crawling, into a Graphlit project - and then retrieve relevant contents from the MCP client.

Official
Featured
TypeScript
Kagi MCP Server

Kagi MCP Server

An MCP server that integrates Kagi search capabilities with Claude AI, enabling Claude to perform real-time web searches when answering questions that require up-to-date information.

Official
Featured
Python
E2B

E2B

Using MCP to run code via e2b.

Official
Featured
Neon Database

Neon Database

MCP server for interacting with Neon Management API and databases

Official
Featured
Exa Search

Exa Search

A Model Context Protocol (MCP) server lets AI assistants like Claude use the Exa AI Search API for web searches. This setup allows AI models to get real-time web information in a safe and controlled way.

Official
Featured
Qdrant Server

Qdrant Server

This repository is an example of how to create a MCP server for Qdrant, a vector search engine.

Official
Featured