🚀 MCP Ecosystem Platform

🌟 Key Features

🤖 AI-Powered Development

• Smart Git Review: AI-driven code analysis and review automation
• Intelligent Workflow Orchestration: Chain MCP servers for complex tasks
• Multi-Model AI Access: Groq Llama 3.1, OpenRouter, and more
• Real-time Code Intelligence: Context-aware suggestions and analysis

🔒 Security & Monitoring

• API Key Protection: Advanced sniffer and protection mechanisms
• Network Analysis: Real-time traffic monitoring and optimization
• Security Scanning: Continuous threat detection and vulnerability assessment
• Automated Compliance: Security best practices enforcement

🌐 Web & Browser Automation

• Real Browser Control: No-simulation browser automation
• Deep Web Research: Comprehensive competitive intelligence
• Data Extraction: Automated web scraping and analysis
• Cross-platform Testing: Multi-browser compatibility testing

📊 Developer Dashboard

• Unified Control Interface: Single pane of glass for all operations
• Real-time Metrics: Performance monitoring and analytics
• Workflow Visualization: Interactive workflow designer
• Team Collaboration: Shared workspaces and project management

🏗️ Architecture

┌─────────────────────────────────────────────────────────────┐
│                    Frontend (React + TS)                    │
├─────────────────────────────────────────────────────────────┤
│                   FastAPI Backend                          │
├─────────────────────────────────────────────────────────────┤
│                  MCP Server Layer                          │
├─────────────────────────────────────────────────────────────┤
│  PostgreSQL  │    Redis     │   Docker    │  Kubernetes   │
└─────────────────────────────────────────────────────────────┘

🔧 MCP Servers (11 Specialized Servers)

🚀 Quick Start

🎯 Faz 0: Stabilizasyon Tamamlandı! Tek komutla tüm sistemi başlatabilirsiniz.

Prerequisites

• Python 3.11+
• Node.js 18+ (Frontend için)
• Git

⚡ One-Command Startup (Recommended)

git clone https://github.com/turtir-ai/mcp-ecosystem-platform.git
cd mcp-ecosystem-platform

# Edit .env with your API keys (optional for basic testing)
# Then start everything with one command:
python start-dev.py

That's it! 🎉 The script will:

• ✅ Check prerequisites
• 📦 Install dependencies automatically
• 🚀 Start all services in the correct order
• 🔧 Fix VS Code extension connection issues

🌐 Access the Platform

• Frontend: http://localhost:3000
• Backend API: http://localhost:8001
• API Documentation: http://localhost:8001/docs
• Health Check: http://localhost:8001/health
• MCP Status: http://localhost:8001/api/v1/mcp/status
• MCP Manager: http://localhost:8009

🔧 Port Standardization

🛠️ Manual Setup (Advanced)

git clone https://github.com/turtir-ai/mcp-ecosystem-platform.git
cd mcp-ecosystem-platform

# Copy environment template
cp .env.example .env
# Edit .env with your API keys

cd backend
python -m venv venv

# Windows
venv\Scripts\activate
# Linux/Mac
source venv/bin/activate

pip install -r requirements.txt

cd frontend
npm install

# Terminal 1: Backend
cd backend
uvicorn app.main:app --reload --port 8001

# Terminal 2: Frontend
cd frontend
npm start

# Terminal 3: MCP Manager
python mock-api-server.py

📁 Project Structure

mcp-ecosystem-platform/
├── 📁 backend/                 # FastAPI backend
│   ├── 📁 app/
│   │   ├── 📁 core/           # Core interfaces and config
│   │   ├── 📁 services/       # Business logic services
│   │   ├── 📁 api/            # API routes
│   │   ├── 📁 models/         # Database models
│   │   └── 📄 main.py         # FastAPI application
│   ├── 📁 tests/              # Backend tests
│   ├── 📄 requirements.txt    # Python dependencies
│   └── 📄 Dockerfile          # Backend container
├── 📁 frontend/               # React frontend
│   ├── 📁 src/
│   │   ├── 📁 components/     # React components
│   │   ├── 📁 pages/          # Page components
│   │   ├── 📁 services/       # API clients
│   │   └── 📁 types/          # TypeScript types
│   ├── 📄 package.json        # Node dependencies
│   └── 📄 Dockerfile.dev      # Frontend container
├── 📁 mcp-servers/            # MCP server configurations
├── 📁 vscode-extension/       # VS Code extension
├── 📄 docker-compose.yml      # Development environment
├── 📄 .env.example           # Environment template
└── 📄 README.md              # This file

🔧 Configuration

Environment Variables

# API Keys
GROQ_API_KEY=your_groq_api_key
OPENROUTER_API_KEY=your_openrouter_key
GOOGLE_API_KEY=your_google_key
BRAVE_SEARCH_API_KEY=your_brave_key

# Database
DATABASE_URL=postgresql://postgres:password@localhost:5432/mcp_platform
REDIS_URL=redis://localhost:6379/0

# Security
SECRET_KEY=your_secret_key
JWT_SECRET=your_jwt_secret

MCP Server Configuration

The platform automatically discovers and configures MCP servers from your .kiro/settings/mcp.json file.

🧪 Testing

Backend Tests

cd backend
pytest tests/ -v --cov=app

Frontend Tests

cd frontend
npm test

Integration Tests

# Run full test suite
docker-compose -f docker-compose.test.yml up --build

🚀 Deployment

Docker Production

# Build and start production containers
docker-compose -f docker-compose.prod.yml up -d

Kubernetes

# Deploy to Kubernetes
kubectl apply -f k8s/

📊 Monitoring & Analytics

• Health Checks: /health endpoint for all services
• Metrics: Prometheus metrics at /metrics
• Logs: Structured logging with correlation IDs
• Tracing: Distributed tracing support

🤝 Contributing

1. Fork the repository
2. Create a feature branch (git checkout -b feature/amazing-feature)
3. Commit your changes (git commit -m 'Add amazing feature')
4. Push to the branch (git push origin feature/amazing-feature)
5. Open a Pull Request

Development Guidelines

• Follow PEP 8 for Python code
• Use TypeScript for all frontend code
• Write comprehensive tests
• Update documentation
• Follow conventional commits

🤖 AI ile Sistem Yönetimi

MCP Ecosystem Platform, AI destekli proaktif sistem yönetimi sunar. AI, sistem sağlığını sürekli izler ve sorunları otomatik olarak tespit ederek çözüm önerileri sunar.

🔍 Akıllı Sistem İzleme

AI sistemi şu bileşenleri sürekli izler:

• MCP Sunucuları: Tüm 11 MCP sunucusunun durumu ve performansı
• Sistem Kaynakları: CPU, bellek, disk kullanımı
• Veritabanı Performansı: Sorgu süreleri ve bağlantı havuzu durumu
• Ağ Bağlantıları: API yanıt süreleri ve bağlantı durumu

🚨 Proaktif Hata Tespiti

AI, şu pattern'leri otomatik olarak tespit eder:

• Tekrarlayan Hatalar: Belirli aralıklarla tekrarlanan sistem hataları
• Performans Düşüşü: Zaman içinde artan yanıt süreleri
• Kaynak Tükenmesi: Kritik eşiklere yaklaşan sistem kaynakları
• Cascade Hatalar: Birden fazla bileşeni etkileyen zincirleme hatalar

🛠️ AI Eylem Önerileri

Tespit edilen sorunlar için AI şu eylemleri önerebilir:

🟢 Otomatik Onaylı (Düşük Risk)

• Sistem durumu sorgulama
• Log dosyalarını okuma
• Performans metriklerini toplama
• Süreç analizi yapma

🟡 Kullanıcı Onayı Gerekli (Orta Risk)

• Dosya düzenleme işlemleri
• Konfigürasyon değişiklikleri
• Otomatik düzeltme uygulama
• Git işlemleri

🔴 Yüksek Riskli (Açık Onay Gerekli)

• MCP sunucu yeniden başlatma
• MCP sunucu durdurma
• Sistem servislerini yeniden başlatma
• Güvenlik ayarları değişiklikleri

📊 AI Dashboard Özellikleri

Web arayüzünde AI destekli özellikler:

• Akıllı Sistem Kartları: Gerçek zamanlı durum ve AI önerileri
• Eylem Önerisi Paneli: Kullanıcı dostu AI önerileri
• Onay Sistemi: Güvenli AI eylem onay workflow'u
• Akıllı Bildirimler: Bağlam duyarlı toast bildirimleri

🔐 Güvenlik ve İzinler

AI'ın sistem üzerindeki yetkileri katı güvenlik kurallarıyla sınırlandırılmıştır:

# AI İzin Seviyeleri
SAFE:     # Otomatik onaylı
  - get_system_health
  - mcp_server_logs (INFO/ERROR)
  
MEDIUM:   # Kullanıcı onayı gerekli
  - auto_fix_apply
  - config_changes
  
HIGH:     # Açık onay gerekli
  - mcp_server_restart
  - mcp_server_stop
  
CRITICAL: # Yasaklı
  - system_shutdown
  - database_delete

🚀 AI Kullanım Örnekleri

Senaryo 1: MCP Sunucu Hatası

1. AI, groq-llm sunucusunun offline olduğunu tespit eder
2. Kullanıcıya "Server Restart" önerisi sunar
3. Kullanıcı onayladıktan sonra sunucuyu yeniden başlatır
4. Başarılı restart sonrası sistem durumunu doğrular

Senaryo 2: Yüksek CPU Kullanımı

1. AI, %85 CPU kullanımı tespit eder
2. Süreç analizi yaparak kaynak tüketen uygulamaları bulur
3. Optimizasyon önerileri sunar
4. Gerekirse servis yeniden başlatma önerir

Senaryo 3: Veritabanı Gecikmesi

1. AI, 200ms+ veritabanı gecikmesi tespit eder
2. Bağlantı havuzu durumunu analiz eder
3. Sorgu optimizasyonu önerileri sunar
4. Gerekirse veritabanı bakım önerir

📈 AI Metrikleri ve Raporlama

AI sistemi şu metrikleri takip eder:

• Tespit Edilen Sorun Sayısı: Günlük/haftalık trend
• Çözülen Sorun Oranı: AI önerilerinin başarı oranı
• Ortalama Çözüm Süresi: Sorun tespitinden çözüme kadar geçen süre
• Proaktif Müdahale Sayısı: Kritik hale gelmeden önlenen sorunlar

🔧 AI Konfigürasyonu

AI davranışı .kiro/steering/ai-permissions.md dosyasıyla yapılandırılabilir:

# AI Risk Toleransı
risk_tolerance: "medium"

# Otomatik Onay Ayarları
auto_approve_safe: true
auto_approve_low: false

# Onay Timeout Süreleri
approval_timeout_high: 5 minutes
approval_timeout_critical: 2 minutes

🎯 Gelecek AI Özellikleri

Roadmap'te yer alan AI geliştirmeleri:

• Makine Öğrenmesi: Geçmiş verilerden öğrenen adaptif AI
• Tahmine Dayalı Analiz: Sorunları önceden tahmin etme
• Otomatik Optimizasyon: Sistem performansını otomatik iyileştirme
• Doğal Dil İşleme: Sesli komutlarla AI etkileşimi

📄 License

This project is licensed under the MIT License - see the LICENSE file for details.

🆘 Support

• Documentation: Wiki
• Issues: GitHub Issues
• Discussions: GitHub Discussions

🙏 Acknowledgments

• MCP Protocol: Model Context Protocol specification
• FastAPI: Modern, fast web framework for building APIs
• React: A JavaScript library for building user interfaces
• Docker: Containerization platform
• All Contributors: Thank you for your contributions!

Built with ❤️ by the Kairos AI Team

Empowering developers with AI-driven productivity tools