🗨️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
- 📚 解析和分块PDF
- ✨ 使用GenAI嵌入文本
- 🧭 使用FAISS存储嵌入
- 🔎 检索相关块
- 🤖 Agent综合最终答案
- 🌐 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
______________________________________________________________________