deckiokmal/projectwise_mcpclient repository overview

⁠Pre-requisite

1. pastikan anda menjalankan projectwise-mcpserver
2. pastikan anda menjalankan qdrant database
3. jalankan container dengan .env yang di mount dari docker host.

⁠Arsitektur / Topologi

graph TD
  %% Definisi node
  Server["MCP Server"]
  Client["MCP Client"]
  QdrantDB["Qdrant (mem0 vector DB)"]
  OpenAI["OpenAI API (LLM & Embedding)"]

  %% Koneksi utama
  Server -- "Streamable HTTP Transport" --> Client
  Client -- "Streamable HTTP Transport" --> Server

  %% Integrasi database vector
  Client -->|gRPC/HTTP| QdrantDB

  %% Integrasi LLM & Embedding
  Server -- "HTTPS API Calls" --> OpenAI
  Client -- "HTTPS API Calls" --> OpenAI

⁠Jalankan container untuk testing

1. Siapkan file .env di host Di direktori project (sisi host), buat file .env:

MCP_SERVER_URL=http://host.docker.internal:5000/projectwise/mcp
OPENAI_API_KEY=sk-...
OLLAMA_HOST=http://ollama.prod:11434
LLM_MODEL=gpt-4o-mini
EMBED_MODEL=text-embedding-3-small
LLM_TEMPERATURE=0.2
MEM0_VECTOR_HOST=host.docker.internal
MEM0_VECTOR_PORT=6333
MCP_SERVER_API=http://host.docker.internal:5000/api

Anda bebas menambahkan atau override variabel apa pun yang di-MCPSettings.

1. Pastikan docker container qdrant dan container mcp-server telah dijalankan.

docker run -d --name qdrant -p 6333:6333 qdrant/qdrant:latest

1. Mount .env ke path yang di‐load aplikasi Kode Anda mencari .env di /app/.env (karena parent.parent dari modul). Maka jalankan container dengan volume mount:

docker run -d --name projectwise_mcpclient -p 8000:8000 --env-file .env deckiokmal/projectwise_mcpclient:latest

Dengan ini, Pydantic akan mem‐load variabel dari file mounted tersebut.

Dengan ini image Anda akan berisi:

• Python 3.13 sebagai runtime
• uv untuk manajemen dependensi (sinkronisasi dari pyproject.toml)
• Hypercorn ASGI server
• Build image tanpa .env
• Jalankan container dengan opsi mount file .env untuk konfigurasi
• Aplikasi Anda tetap membaca MCPSettings dari variabel luar container