AI导哈

文档问答引擎

Doc Ask Engine MCP 是一个基于生成式AI和代理推理的自定义文档问答引擎，可用于查询内部文档和数据，适用于HR、法律、医疗等多个领域。

  • by RishulGupta
  • Jupyter Notebook
  • 本地部署
  • 更新于
在 GitHub 查看 rishulgupta/doc-ask-engine-mcp

使用说明

🗨️Doc Ask发动机MCP

一个可定制的、由代理驱动的GenAI聊天机器人，用于查询您自己的文档和数据——最初是为 Naukri.com 自动化人力资源策略查询。

🔍 什么是Doc-Ask引擎MCP？

Doc Ask发动机MCP 是一个由人工智能驱动的问答引擎，可以让你与内部文档“对话”。使用 生成式人工智能 和 代理推理，托管在 MCP（模块化命令处理）服务器，根据自定义数据为用户查询返回智能答案。

最初是在我实习期间开发的 Naukri.com，它有助于回答以下问题：

  • 🕒 办公时间是什么时候？
  • 📝 我一年可以放多少片叶子？
  • 💰 报销流程是什么？

现在开源和 完全可定制 --插入 您自己的PDF 构建一个问答引擎 任何 领域（人力资源、法律、医疗等）。

⚡ 特性

✅ GenAI+代理推理
📄 基于PDF的摄取
🧠 FAISS支持的相似性搜索
🖥️ API通过MCP服务器提供服务
🔄 完全可根据您的数据进行定制

🚀 入门指南

🧾 步骤1：克隆存储库

git clone https://github.com/RishulGupta/Doc-Ask-Engine-MCP.git
cd Doc-Ask-Engine-MCP

📁 第二步：添加您的PDF

创建文件夹并添加文档：

Doc-Ask-Engine-MCP/
└── my_data/
    ├── handbook.pdf
    └── code_of_conduct.pdf

⚙️ 步骤3：修改 data_ingestion.py

编辑文件并更改此行：

SOURCE_DIRECTORY = "my_data"

然后运行：

python data_ingestion.py

这将从您的文档中生成一个FAISS索引。

🧠 步骤4：启动MCP服务器

python mainwithmcp.py

您将看到服务器正在启动。

🗨️ 第五步：提问

📡 端点： http://127.0.0.2:8000/mcp/ask_faiss

通过以下方式发送请求：

{
  "ask_query": "What are the office working hours?"
}

您将根据上传的文档获得智能AI生成的响应。

🧩 运作原理

  1. 📚 解析和分块PDF
  2. ✨ 使用GenAI嵌入文本
  3. 🧭 使用FAISS存储嵌入
  4. 🔎 检索相关块
  5. 🤖 Agent综合最终答案
  6. 🌐 通过MCP端点提供答案

👨‍💻 作者

里舒尔·古普塔

📌 备注

  • 🔓 专为Naukri打造，适用于所有人

相关 MCP