法律案件搜索管道
韩国金融法律文件搜索管道：爬行、预处理、嵌入、索引和MCP服务器。
概述
This pipeline crawls，preprocessses，embeds，index，and services Korean financial legal documents from regulatory sources，包括FSC（金融委员会）、FSS（金融监督院）和MOLEG（法制处）通过一个MCP server for hybrid search。
主要特点：
- 9数据来源：FSC（5）+FSS（3）+MOLEG（1）
- 混合搜索：密集（双子座3072昏暗）+稀疏（新西兰TF-IDF 2M声音）+RRF融合
- MCP 服务器:
search_cases和get_chunksAI代理集成工具 - Docker就绪：生产准备就绪，支持GCP e2介质
文档
| 文档 | 描述 |
|---|---|
| CRAWLER.md | 数据源、爬网模式、crontab设置 |
| 管道.md | 预处理、嵌入、索引 |
| 部署.md | Docker部署、GCP工作流 |
| MCP.md | MCP服务器API参考 |
| 更改日志.md | 版本历史 |
快速开始
先决条件
- Python 3.12+Docker
- Gemini API密钥(
GEMINI_API_KEY)
安装
# Clone and setup
cd RegLink-Search-ko-mcp
uv sync
# Or with Docker
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 \
-v $(pwd)/data/qdrant_storage:/qdrant/storage qdrant/qdrant
docker-compose -f docker-compose.app.yml build基本用法
# Run crawlers
uv run python scripts/crawl.py --source all --mode full
# Build IDF weights
uv run python scripts/build_idf.py --data-dir data/raw
# Build search index
uv run python scripts/index.py --source all --recreate-collection
# Run MCP server
uv run python -m src.mcp_server.serverDocker 使用
# Create .env file (automatically loaded by docker-compose)
cat > .env =2.31.0",
"beautifulsoup4>=4.12.0",
"qdrant-client>=1.7.0",
"google-genai>=1.0.0",
"kiwipiepy>=0.16.0",
"pyhwp>=0.1b12",
"pymupdf>=1.23.0",
"fastmcp>=0.1.0",
]