MIEM Employees Server

Сервис собирает сотрудников МИЭМ с сайта ВШЭ, хранит карточки и историю обновлений в Postgres, показывает минимальную админку и отдает read-only MCP endpoint для ИИ-агентов.

Архитектура

api: FastAPI, REST API, HTML-админка, healthcheck.
worker: weekly scheduler, который запускает парсинг по CRAWL_CRON.
mcp: открытый HTTP MCP endpoint для ИИ-агентов.
postgres: основная БД.

Парсер использует фиксированный источник сотрудников, по умолчанию https://miem.hse.ru/persons. Для каждой карточки сохраняются ФИО, должности, год начала работы, контакты, идентификаторы, вкладки профиля, секции, публикации, курсы, ВКР, JSON-снапшот и сжатый HTML-снапшот. Ссылки обходятся только из меню профиля самого сотрудника (person-menu), например #sci, #teaching, #main.

Переменные окружения

Скопируйте .env.example в .env и поменяйте секреты:

cp .env.example .env

Основные настройки:

DATABASE_URL: строка подключения SQLAlchemy.
SOURCE_URL: список сотрудников МИЭМ.
CRAWL_CRON: расписание в формате crontab, по умолчанию 0 3 * * 1.
CRAWL_LIMIT: опциональный лимит профилей для тестового запуска.
ADMIN_USERNAME, ADMIN_PASSWORD: логин и пароль админки.
SESSION_SECRET: секрет подписи cookie.
PARSER_USE_PLAYWRIGHT: включение Playwright-рендера динамических вкладок.

Локальный запуск

python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
uvicorn app.main:app --reload

Админка: http://localhost:8000/admin.

В админке доступны:

Dashboard: общая статистика, последний добавленный сотрудник, прогресс текущего/последнего парсинга и ручной запуск.
Directory: настраиваемая таблица сотрудников с фильтрами, сортировкой, пагинацией и выбором колонок.
Runs: история запусков, ошибки и progress bar.

Docker Compose

docker compose up --build

По умолчанию:

API и админка: http://localhost:8000
MCP: http://localhost:8001/mcp
Postgres: localhost:5432

Таблицы создаются приложением при старте. SQL-миграция для ручного применения лежит в migrations/001_init.sql.

Парсинг

Weekly worker запускается по CRAWL_CRON. Ручной запуск доступен в админке на Dashboard и странице Runs или через REST:

curl -X POST http://localhost:8000/api/crawl-runs --cookie "miem_admin_session=..."

Алгоритм обновления:

найденные сотрудники получают статус active и обновленный last_seen_at;
новые сотрудники добавляются в employees;
количество новых сотрудников за запуск сохраняется в crawl_runs.new_count;
активные сотрудники, исчезнувшие из текущего списка источника, получают статус dismissed и dismissed_at;
каждый успешный новый или измененный разбор сохраняет запись в employee_snapshots;
неизмененные профили учитываются в crawl_runs.skipped_count и не получают новый snapshot.

Во время выполнения парсинга found_count, parsed_count, skipped_count и error_count обновляются в базе. Админка опрашивает /api/crawl-runs/latest и показывает прогресс как (parsed_count + skipped_count + error_count) / found_count.

MCP

Endpoint: POST /mcp, без авторизации на уровне приложения.

Поддерживаемые tools:

get_service_info()
sync_employees(client_hash?, include_data?)
search_employees(query, status?, limit?)
get_employee(profile_id_or_url)
list_employee_publications(profile_id_or_url)
list_employee_courses(profile_id_or_url)
get_crawl_status()
get_crawl_run_details(run_id)

get_service_info возвращает метаданные сервиса, список tools и текущую версию набора сотрудников. sync_employees отдает полный snapshot или delta по client_hash; checksum набора строится по сотрудникам, их статусам и текущим checksums. Ответы tools возвращаются как JSON-строка внутри MCP content[0].text.

Пример локального запроса списка tools:

curl http://localhost:8001/mcp \
  -H "Content-Type: application/json" \
  -d '{"jsonrpc":"2.0","id":1,"method":"tools/list","params":{}}'

Если MCP нужно ограничить, делайте это на сетевом уровне: localhost binding, VPN, firewall, reverse proxy или другой внешний контур доступа.

Обслуживание

docker compose logs -f api
docker compose logs -f worker
docker compose exec postgres pg_dump -U miem miem_workers > backup.sql
docker compose down

Версия сервиса: 0.6.0. Админка всегда показывает версии backend и frontend в footer.

6.1 KiB Raw Permalink Blame History Unescape Escape