Обертка вокруг нашей базы данных Salesforce, которая содержит встроенные резюме случаев. Это обеспечивает некоторые специализированные инструменты для LLM с помощью протокола Model Context.

Необработанные данные поступают из Salesforce через соединение Fivetran. Это заполняет схему в базе данных TimescaleDB. Отдельный процесс генерирует LLM резюме случаев поддержки, а затем встраивает эти резюме. Эта служба ищет эти резюме.

API

Все методы являются инструментами MCP и конечными точками REST API.

Оригинальное название: Salesforce Case Summary Semantic Search

Поиск резюме дела Salesforce для соответствующих записей на основе семантического встраивания запроса поиска.

** Название инструмента** : semanticSearchSalesforceCaseSummaries

API конечная точка [[Т1]]

####Ввод

(Использовать параметры запросов для REST API)

####Вывод

##Развитие

Клонирование и локальный запуск сервера.

###Строительство

Запустите npm i, чтобы установить зависимости и построить проект. Используйте [[Т3]] для восстановления изменений.

Создайте файл .env на основе .env.sample файла.

###Тестирование

Инспектор MCP очень удобен.

Область | Ценность [скрыто] [скрыто] [скрыто] [скрыто] [скрыто] Транспортный тип STDIO

Tiger Salesforce MCP Server

A wrapper around our Salesforce database, which contains embedded case summaries. This provides some focused tools to LLMs via the Model Context Protocol.

The raw data is sourced from Salesforce via a Fivetran connection. This populates a schema in a TimescaleDB database. A separate process generates LLM summaries of the support cases, and then embeddings of those summaries. This service searches those summaries.

API

All methods are exposed as MCP tools and REST API endpoints.

Salesforce Case Summary Semantic Search

Searches the Salesforce case summaries for relevant entries based on a semantic embedding of the search prompt.

Tool name : semanticSearchSalesforceCaseSummaries

API endpoint : GET /api/semantic-search/salesforce-case-summaries

Input

(use query parameters for REST API)

{
  "prompt": "Why can't I connect to my database?",
  "limit": 10, // optional, default is 10
}

Output

{
  "results": [
    {
      "case_id": "500Nv000005HMfaIAG",
      "summary": "# Some content ...",
      "distance": 0.40739564321624144,
    },
    // more results...
  ],
}

Development

Cloning and running the server locally.

git clone [email protected]:timescale/tiger-salesforce-mcp-server.git

Building

Run npm i to install dependencies and build the project. Use npm run watch to rebuild on changes.

Create a .env file based on the .env.sample file.

cp .env.sample .env

Testing

The MCP Inspector is very handy.

npm run inspector

Testing in Claude Desktop

Create/edit the file ~/Library/Application Support/Claude/claude_desktop_config.json to add an entry like the following, making sure to use the absolute path to your local tiger-salesforce-mcp-server project, and real database credentials.

{
  "mcpServers": {
    "tiger-salesforce": {
      "command": "node",
      "args": [
        "/absolute/path/to/tiger-salesforce-mcp-server/dist/index.js",
        "stdio"
      ],
      "env": {
        "PGHOST": "x.y.tsdb.cloud.timescale.com",
        "PGDATABASE": "tsdb",
        "PGPORT": "32467",
        "PGUSER": "readonly_mcp_user",
        "PGPASSWORD": "abc123",
        "OPENAI_API_KEY": "sk-svcacct"
      }
    }
  }
}

Deployment

We use a Helm chart to deploy to Kubernetes. See the chart/ directory for details.

The service is accessible to other services in the cluster via the DNS name tiger-salesforce-mcp-server.savannah-system.svc.cluster.local.

Secrets