在今天的文章里，我们来展示一下如何使用 MCP 来进行交易搜索。
安装
Elasticsearch 及 Kibana
如果你还没有安装好自己的 Elasticsearch 及 Kibana，那么请参考一下的文章来进行安装：
在安装的时候，请选择 Elastic Stack 8.x/9.x 进行安装。在安装的时候，我们可以看到如下的安装信息：
在本文中，我们使用 Elastic Stack 9.1.2 来进行展示。
启动白金试用
我们需要使用到内置的 ELSER 模型来向量化我们的数据。我们需要启动白金试用：
这样就启动了白金试用。
下载代码
我们按照如下的方式来下载代码：
`git clone https://github.com/liu-xiao-guo/transaction_search_mcp`AI写代码
我们可以看到如下的文件：
`
1. $ pwd
2. /Users/liuxg/python/transaction_search_mcp
3. $ ls -al
4. total 32
5. drwxr-xr-x 11 liuxg staff 352 Feb 10 14:12 .
6. drwxr-xr-x@ 38 liuxg staff 1216 Feb 10 14:12 ..
7. -rw-r--r-- 1 liuxg staff 838 Feb 10 14:12 .env.example
8. drwxr-xr-x 12 liuxg staff 384 Feb 10 14:12 .git
9. -rw-r--r-- 1 liuxg staff 4050 Feb 10 14:12 .gitignore
10. -rw-r--r-- 1 liuxg staff 4501 Feb 10 14:12 README.md
11. drwxr-xr-x 4 liuxg staff 128 Feb 10 14:12 docs
12. drwxr-xr-x 4 liuxg staff 128 Feb 10 14:12 requirements
13. drwxr-xr-x 6 liuxg staff 192 Feb 10 14:12 scripts
14. drwxr-xr-x 5 liuxg staff 160 Feb 10 14:12 src
15. drwxr-xr-x 3 liuxg staff 96 Feb 10 14:12 tests
`AI写代码
我们把 .env.example 拷贝到 .env 文件中去：
`
1. # Copy environment template
2. cp .env.example .env
4. # Edit .env with your configuration
5. # - Elasticsearch URL and credentials
6. # - OpenAI API key (for LLM client)
`AI写代码
.env
`
1. # Elasticsearch Configuration
2. ELASTICSEARCH_HOST=https://localhost:9200
3. ELASTICSEARCH_USERNAME=elastic
4. ELASTICSEARCH_PASSWORD=LYXAfNkSab8QwsbrriYN
5. ELASTICSEARCH_API_KEY=X3NZeFJwd0Itb1hyWHlSejg4c3c6bHdwWGhaVTRBRTA1WnF1TUlUd1c2dw==
6. ELASTICSEARCH_INDEX=banking_transactions
8. OPEN_AI_KEY=<YourOpenAIKey>
`AI写代码
`
1. transaction_search_mcp/
2. ├── src/ # Source code
3. │ ├── server/ # MCP server implementation
4. │ │ └── server.py # Main MCP server with transaction search tools
5. │ └── clients/ # Client applications
6. │ ├── chat_client.py # Basic Streamlit chat interface
7. │ └── chat_client_llm.py # Enhanced LLM-powered chat client
8. ├── scripts/ # Setup and utility scripts
9. │ ├── setup_elasticsearch.py # Basic Elasticsearch setup with test data
10. │ ├── setup_elasticsearch_llm.py # Enhanced setup with realistic test data
11. │ ├── run_chat.py # Launch basic chat client
12. │ └── run_llm_chat.py # Launch LLM-powered chat client
13. ├── tests/ # Test files
14. │ └── test_server.py # Comprehensive server tests
15. ├── docs/ # Documentation
16. │ ├── README.md # Basic implementation docs
17. │ └── README_LLM.md # LLM-enhanced version docs
18. ├── requirements/ # Dependencies
19. │ ├── requirements.txt # Server dependencies
20. │ └── client_requirements.txt # Client dependencies
21. ├── .env # Environment variables (not in git)
22. ├── .env.example # Environment template
23. └── .gitignore # Git ignore rules
`AI写代码
创建虚拟环境
我们使用如下的命令：
`
1. $ python -m venv .venv
2. $ source .venv/bin/activate
3. (.venv) $ # Server dependencies
4. pip install -r requirements/requirements.txt
6. # Client dependencies (for chat interfaces)
7. pip install -r requirements/client_requirements.txt
`AI写代码
设置 Elasticsearch
我们运行如下的命令：
`python scripts/setup_elasticsearch.py`AI写代码
我们可以到 Kibana 中进行查看：
我们可以看到有 500 个交易记录。其中的一个交易记录如下：
`GET banking_transactions/_doc/txn_000001`AI写代码
`
1. {
2. "_index": "banking_transactions",
3. "_id": "txn_000001",
4. "_version": 1,
5. "_seq_no": 0,
6. "_primary_term": 1,
7. "found": true,
8. "_source": {
9. "transaction_id": "txn_000001",
10. "account_id": "acc_001",
11. "account_type": "savings",
12. "transaction_date": "2026-01-16",
13. "posted_date": "2026-01-17",
14. "amount": -47.64,
15. "currency": "USD",
16. "description": "Home Depot - car_wash",
17. "memo": "Purchase at Home Depot",
18. "reference": "REF271525",
19. "merchant": "Home Depot",
20. "category": "gas",
21. "subcategory": "car_wash",
22. "transaction_type": "fee",
23. "location": {
24. "city": "Austin",
25. "state": "TX",
26. "country": "US",
27. "postal_code": "73301",
28. "coordinates": {
29. "lat": 33.40455,
30. "lon": -96.542508
31. }
32. },
33. "tags": [
34. "transportation"
35. ],
36. "balance_after": 3929.25,
37. "is_pending": false,
38. "is_recurring": false,
39. "created_at": "2026-02-10T14:34:40.767Z",
40. "updated_at": "2026-02-10T14:34:40.767Z"
41. }
42. }
`AI写代码
如果我们希望使用 LLM 来帮我们生成相应的模拟数据，我们可以运行：
`python scripts/setup_elasticsearch_llm.py`AI写代码
这些数据将更符合现实的实际交易。
运行 MCP 服务器
我们使用如下的命令来运行服务器：
`
1. # Start MCP server
2. python src/server/server.py
`AI写代码
运行客户端
我们运行如下的命令：
`python scripts/run_chat.py`AI写代码
我们可以看到如上的界面。我们可以尝试如下的搜索：
我们可以使用由LLM 驱动的界面：
`python scripts/run_llm_chat.py`AI写代码
源码请在地址 github.com/liu-xiao-gu… 下载。
