SpecQ MCP Server v2.0

电子化学品销售攻单情报包 — MCP Server + 跨平台 Skill

是什么

SpecQ 把电子化学品销售的攻单流程封装为 MCP（Model Context Protocol）标准工具，任何支持 MCP 的 AI Agent 都能接入使用。

新功能（v2.0）：

• 🧠 三层记忆系统：跨会话语义搜索召回 + 多任务工作记忆
• 🌐 联网搜索：实时补充竞品动态和行业信息
• 📸 多模态输入：图片 OCR + 语音转录 + 视频关键帧
• 📄 多格式输出：Markdown / Word / PPT / 邮件 / 聊天消息
• 🔒 脱敏保护：客户名自动替换为行业标签
• 📊 用量追踪：调用统计 + 成交率漏斗

一句话：输入产品名 + 应用场景 + 销售目标，输出一份结构化的八模块攻单情报包。

快速开始

1. 前置依赖

需要一个运行中的 SpecQ FastAPI 后端服务（提供 /api/intel/* 和 /api/customers/* 接口）。

2. 安装

git clone https://github.com/daizehua-wq/Specq-mcp.git
cd Specq-mcp
pip install -r requirements.txt

3. 配置

cp .env.example .env
# 编辑 .env，填入你的配置

.env 示例：

SPECQ_MCP_API_KEY=***
SPECQ_MCP_BASE_URL=http://localhost:8000
SPECQ_DATA_DIR=/home/ubuntu/specq_data
LLM_API_KEY=***
LLM_BASE_URL=https://api.deepseek.com
LLM_MODEL=deepseek-chat
EMBEDDING_API_KEY=***
EMBEDDING_API_URL=https://open.bigmodel.cn/api/paas/v4/embeddings
EMBEDDING_MODEL=embedding-2
SEARCH_API_KEY=***  # 可选

4. 启动

python mcp_server.py
# 服务运行在 http://0.0.0.0:8001/mcp

---

接入你的 AI Agent

OpenClaw

"mcp": {
  "servers": {
    "specq": {
      "url": "http://your-server:8001/mcp",
      "transport": "streamable-http",
      "headers": {
        "X-API-Key": "***"
      }
    }
  }
}

Cursor

在 .cursor/mcp.json：

{
  "mcpServers": {
    "specq": {
      "url": "http://your-server:8001/mcp",
      "transport": "streamable-http",
      "headers": {
        "X-API-Key": "***"
      }
    }
  }
}

Claude Code

在 claude_mcp.json：

{
  "mcpServers": {
    "specq": {
      "command": "python",
      "args": ["/path/to/specq-mcp/mcp_server.py"],
      "env": {
        "SPECQ_MCP_API_KEY": "***",
        "SPECQ_MCP_BASE_URL": "http://localhost:8000",
        "LLM_API_KEY": "***",
        "LLM_BASE_URL": "https://api.deepseek.com",
        "LLM_MODEL": "deepseek-chat",
        "EMBEDDING_API_KEY": "***",
        "EMBEDDING_API_URL": "https://open.bigmodel.cn/api/paas/v4/embeddings",
        "EMBEDDING_MODEL": "embedding-2"
      }
    }
  }
}

---

六个 Tool

Tool	功能	输入	输出
specq_memory	三层记忆（recall/save/get_plan/set_plan）	action, query/content...	记忆操作结果
specq_search	联网搜索	query, limit, source	结构化搜索结果
specq_generate_intel	生成攻单情报包	product, application, scenario, context_block, output_format	八模块 Markdown/Word/PPT/邮件/聊天
specq_log_visit	多模态拜访纪要	customer_id, content, image_paths, audio_path, video_path	拜访记录 ID
specq_extract_insights	暗数据洞察	customer_id, db_path, db_query, api_url	结构化洞察 JSON
specq_feedback	成交闭环反馈	product, application, outcome, lesson	反馈记录

---

情报包八个模块

1. 产品概览 — 产品定义、核心功能、适用工艺段
2. 技术指标对比 — 关键参数 vs 竞品/行业标准
3. 竞品格局 — 主要竞品、差异化
4. 客户关注指标 — 该客户/行业重点技术指标
5. 切入机会 — 当前切入窗口
6. 导入障碍 — 历史丢单原因、技术壁垒
7. 行动建议 — 拜访话术、演示重点、报价策略
8. 参考来源 — 各模块数据来源 + 置信度

输出格式

格式	说明
markdown	标准八模块 Markdown（默认）
docx	Word 文档导出
ppt	PPT 结构化提纲
email	邮件正文 + 主题
chat	300 字精简消息，适配飞书/微信

数据库

本项目不含数据库。用户需要自行准备以下数据以启用完整功能：

• 客户档案（/api/customers/*）
• 客户拜访记录（用于暗数据注入和 extract_insights）
• knowledge.db（公司档案 + 工艺化学品映射表）

---

架构

specq-mcp/
├── mcp_server.py          # 主入口（6 tool）
├── memory.py              # 记忆模块（ChromaDB + 通用 embedding）
├── search.py              # 联网搜索模块
├── multimodal.py          # 多模态输入（OCR/语音/视频）
├── output.py              # 多格式输出（docx/ppt/email/chat）
├── SKILL.md               # 跨平台 Skill 工作流
├── requirements.txt
├── .env.example
└── LICENSE

许可证

Apache License 2.0