AI Assistant for Avito Marketplace

ИИ-ассистент для автоматизации продаж на маркетплейсе Avito. Система интегрируется с Avito Messenger API, обрабатывает входящие сообщения клиентов и предоставляет персонализированные рекомендации товаров на основе RAG (Retrieval-Augmented Generation) технологии.

🎯 Ключевые возможности

🤖 Автоматизация продаж

• Интеграция с Avito Messenger API - автоматический опрос и обработка входящих сообщений
• RAG-агент на GigaChat - интеллектуальные ответы с поиском по базе товаров
• Персонализированные рекомендации - подбор товаров на основе запросов клиентов
• Краткие ответы - оптимизированные ответы до 400 токенов для быстрого общения

🏗️ Модульная архитектура

• Avito Worker - фоновый процесс для обработки сообщений
• Cloud MCP Server - RAG API с векторным поиском по товарам
• Monitor API - веб-интерфейс для мониторинга и статистики
• Redis - управление состоянием диалогов и кэширование

📊 Мониторинг и аналитика

• Real-time статистика - количество обработанных сообщений, активные диалоги
• Web Dashboard - визуальный интерфейс для отслеживания работы системы
• Graceful shutdown - корректное завершение работы без потери данных
• Логирование - детальные логи всех операций

🏛️ Архитектура системы

graph TB
    A[Avito Messenger API] -->|Webhook/Polling| B[Avito Worker]
    B -->|HTTP Request| C[Cloud MCP Server]
    C -->|Vector Search| D[PostgreSQL + pgvector]
    C -->|LLM Query| E[GigaChat API]
    B -->|Store State| F[Redis]
    B -->|Send Response| A
    G[Monitor API] -->|Read Stats| F
    H[Web Dashboard] -->|UI| G

Loading

Компоненты системы

1. Avito Worker (src/avito_worker/)

   • Опрос Avito API каждые 30 секунд
   • Обработка только последних непрочитанных сообщений
   • Интеграция с RAG-агентом через MCP
   • Автоматическая отправка ответов клиентам

2. Cloud MCP Server (cloud_mcp/)

   • RAG API с векторным поиском
   • Интеграция с Evolution AI Knowledge Base
   • Поиск релевантных товаров по запросам
   • FastMCP для совместимости с MCP протоколом

3. Monitor API (src/monitor_api/)

   • FastAPI для мониторинга системы
   • Web Dashboard с real-time статистикой
   • REST API для получения метрик
   • Health checks и диагностика

4. Redis - управление состоянием

   • Хранение состояния диалогов (TTL 24 часа)
   • Статистика работы системы
   • Кэширование результатов поиска

📁 Структура проекта

AV_ASSISTANT/
├── agent/                     # RAG-агент на GigaChat
│   ├── app/                   # Основной код агента
│   ├── gigachat/              # GigaChat интеграция
│   └── requirements.txt
├── cloud_mcp/                 # Cloud MCP Server (RAG API)
│   ├── cloud_server.py        # FastMCP сервер
│   └── requirements.txt
├── src/                       # Avito интеграция
│   ├── avito_worker/          # Worker для Avito API
│   ├── common/                # Общие модули
│   ├── monitor_api/           # Monitor API
│   └── docker-compose.yml     # Docker конфигурация
├── database/                  # База данных товаров
│   ├── create_db.py           # Создание векторной БД
│   └── shop_data_main.json    # Данные товаров
├── frontend/                  # Gradio веб-интерфейс
├── mcp_server/                # Локальный MCP сервер
├── config.py                  # Конфигурация проекта
├── docker-compose.yml         # Основная Docker конфигурация
└── README.md

🚀 Быстрый старт

1. Клонирование и настройка

git clone https://github.com/Filichkin/AV_ASSISTANT.git
cd AV_ASSISTANT

2. Настройка переменных окружения

Создайте файл .env в корне проекта:

# Avito API Configuration
AVITO_CLIENT_ID=your_client_id
AVITO_CLIENT_SECRET=your_client_secret
AVITO_USER_ID=your_user_id
AVITO_POLL_INTERVAL=30

# GigaChat Configuration
GIGACHAT_CREDENTIALS=your_credentials
GIGACHAT_SCOPE=GIGACHAT_API_PERS
GIGACHAT_MODEL=GigaChat:latest
GIGACHAT_TEMPERATURE=0.7
MAX_TOKENS=400

# Evolution AI (для Cloud MCP)
KEY_ID=your_key_id
KEY_SECRET=your_key_secret
EVOLUTION_PROJECT_ID=your_project_id
KNOWLEDGE_BASE_ID=your_kb_id
KNOWLEDGE_BASE_VERSION_ID=your_version_id

# Database Configuration
POSTGRES_HOST=localhost
POSTGRES_PORT=5432
POSTGRES_USER=postgres
POSTGRES_PASSWORD=12345
POSTGRES_DB=av_assistant

# Redis Configuration
REDIS_URL=redis://localhost:6379/0

# Monitor API
MONITOR_API_PORT=8080

3. Запуск через Docker Compose

# Сборка и запуск всех сервисов
docker-compose up -d

# Проверка статуса
docker-compose ps

4. Проверка работы

Откройте в браузере:

• Monitor Dashboard: http://localhost:8080/dashboard
• Monitor API: http://localhost:8080/docs
• Health Check: http://localhost:8080/health

🛠️ Локальная разработка

Установка зависимостей

# Основные зависимости
pip install -r requirements.txt

# Зависимости для агента
pip install -r agent/requirements.txt

# Зависимости для Cloud MCP
pip install -r cloud_mcp/requirements.txt

# Зависимости для Avito Worker
pip install -r src/requirements.txt

Запуск компонентов

# 1. Запуск Redis
redis-server

# 2. Запуск PostgreSQL с pgvector
docker run -d --name pgvector -e POSTGRES_PASSWORD=12345 -p 5432:5432 pgvector/pgvector:pg16

# 3. Создание векторной базы данных
python -m database.create_db

# 4. Запуск Cloud MCP Server
python -m cloud_mcp

# 5. Запуск Avito Worker
python -m src.avito_worker

# 6. Запуск Monitor API
python -m src.monitor_api

# 7. Запуск Gradio интерфейса (опционально)
python -m frontend.chat

📊 Мониторинг и статистика

Monitor API Endpoints

• GET / - Информация о сервисе
• GET /health - Проверка здоровья системы
• GET /stats - Статистика работы worker
• GET /dialogs - Активные диалоги
• GET /dashboard - Web-интерфейс с дашбордом

Пример статистики

{
  "total_messages": 150,
  "completed_messages": 140,
  "failed_messages": 3,
  "active_dialogs": 12,
  "last_poll_time": "2025-10-26T21:20:00",
  "last_error": null
}

⚙️ Конфигурация

Основные параметры

Параметр	Описание	По умолчанию
AVITO_POLL_INTERVAL	Интервал опроса Avito API (сек)	30
MAX_TOKENS	Максимальная длина ответа агента	400
GIGACHAT_TEMPERATURE	Температура генерации (0.0-1.0)	0.7
MONITOR_API_PORT	Порт Monitor API	8080

Настройка базы данных

# Создание векторной базы данных
python -m database.create_db

# Принудительное пересоздание
FORCE_LOAD=1 python -m database.create_db

🔧 Troubleshooting

Частые проблемы

Worker не получает сообщения:

1. Проверьте credentials Avito API в .env
2. Проверьте логи: docker-compose logs -f avito-worker
3. Убедитесь что AVITO_USER_ID корректный

MCP Server недоступен:

1. Проверьте credentials Evolution AI
2. Проверьте health check: curl http://localhost:8003/
3. Проверьте логи: docker-compose logs -f cloud-mcp

Статистика показывает нули:

1. Дождитесь первого цикла опроса (30 сек)
2. Проверьте подключение к Redis
3. Убедитесь что worker запущен

Просмотр логов

# Все сервисы
docker-compose logs -f

# Конкретный сервис
docker-compose logs -f avito-worker
docker-compose logs -f cloud-mcp
docker-compose logs -f monitor-api

🚀 Масштабирование

Горизонтальное масштабирование

# Запуск нескольких worker'ов
docker-compose up -d --scale avito-worker=3

Оптимизация производительности

1. Увеличение интервала опроса для снижения нагрузки на API
2. Настройка Redis для кэширования результатов поиска
3. Мониторинг ресурсов через Monitor Dashboard

📈 Roadmap

• Поддержка других маркетплейсов (Wildberries, Ozon)
• Интеграция с CRM системами
• A/B тестирование ответов агента
• Аналитика эффективности продаж
• Многоязычная поддержка

🤝 Вклад в проект

1. Fork репозитория
2. Создайте feature branch (git checkout -b feature/amazing-feature)
3. Commit изменения (git commit -m 'Add amazing feature')
4. Push в branch (git push origin feature/amazing-feature)
5. Создайте Pull Request

📄 Лицензия

Этот проект распространяется под лицензией MIT. См. файл LICENSE для подробностей.

🔗 Полезные ссылки

• Avito Messenger API Documentation
• GigaChat API Documentation
• Model Context Protocol
• FastMCP Documentation
• pgvector Documentation

---

⭐ Понравился проект? Поставьте звездочку! ⭐