发票智能解析服务

AI发票洞察——多代理MCP（Ollama就绪）

这是什么

一种多代理发票智能产品，由以下组件构建：

• 用户界面：用于上传发票和查看结果的静态前端
• API服务：接受PDF上传、提取文本、调用MCP、持续运行
• MCP服务：运行多代理管道（预处理→ 提取→ 验证→ 供应商标准化）

业务问题

发票有多种布局和语言。基于规则的解析器很脆弱；黑盒AI很难信任。 该项目的重点是 可解释提取 （结果+警告+跟踪），因此用户可以查看和更正。

用户旅程（当前）

1. 上传一张发票或一批发票（PDF）
2. 系统独立处理每张发票
3. 对于您收到的每张发票：
   • 提取的关键字段（供应商、发票日期、金额总计等）
   • 警告/信心信号
   • 代理跟踪（用于调试和透明）
4. 每张发票导出JSON，批量结果导出CSV/JSON（UI功能）

建筑

UI → API → MCP (/process) → Orchestrator → Agents → Structured Output (+ Trace)

服务

• 用户界面：调用API终结点
• API:
  • POST /analyze （单个PDF）
  • POST /analyze/batch （一个请求中包含多个PDF）
  • 将每个发票处理作为 Run 在SQLite（SQLModel）中
• 主控程序:
  • POST /process 随着 { "text": "..." }
  • 编排代理并返回稳定的模式+跟踪

关键产品选择（CPTO叙述）

• 单体上的多药剂：实现每个功能的增量改进（预处理/提取/验证/供应商）。
• MCP编排：保持路由和可追溯性的明确性和可测试性。
• 可解释性优先：发票是财务文件；部分提取必须可见。
• beta的批处理：真实用户处理发票集，而不是逐一处理。

端点

API

• 健康： GET http://localhost:8080/
• 斯瓦格： http://localhost:8080/docs

单

• POST http://localhost:8080/analyze
  • multipart/form-data
  • 字段： file （PDF）

批次

• POST http://localhost:8080/analyze/batch
  • multipart/form-data
  • 字段： files （对多个PDF重复）
  • 每张发票返回一个结果（以及 run_id 每张发票）

主控程序

• 健康： GET http://localhost:8000/
• 斯瓦格： http://localhost:8000/docs
• POST http://localhost:8000/process
  • JSON： { "text": "..." }

本地运行（无Docker）

安装deps：

• pip install -r api/requirements.txt
• pip install -r mcp/requirements.txt

运行：

• make run-mcp
• make run-api

Docker运行

开始一切：

• make dev

服务：

• UI：http://localhost:5500
• APIhttp://localhost:8080/docs
• MCP：http://localhost:8000/docs

Ollama设置（可选）

在本地安装并运行Ollama，然后拉取一个模型：

• ollama pull llama3.2

.env.dev 通常使用：

• LLM_BACKEND=ollama
• OLLAMA_URL=http://host.docker.internal:11434
• OLLAMA_MODEL=llama3.2:latest

要在没有LLM的情况下运行：

• 集 LLM_BACKEND=none

路线图（高级别）

现在

• 批处理+用户体验反馈循环（内测版）
• 改进错误消息、置信度显示、跟踪可读性

下一步

• 分类器+路由器（多代理路由故事）
• 对不断增长的发票集进行评估报告和回归测试

稍后

• 身份验证、工作区管理、集成（驱动器/电子邮件/会计工具）