Enterprise AI Assistant

MCPAI代理

提供方 Raul909

AI代理 stdio · 本地进程 Token 社区 / 第三方
查看接入方式

一个企业级AI助手,允许员工使用自然语言查询内部知识(文档、数据库、GitHub、Jira),采用MCP协议和RAG技术提供安全的AI响应。

一句话选型结论

按资料字段整理

Enterprise AI Assistant 属于AI代理类 MCP 服务器,stdio · 本地进程,Token,有可直接执行的安装命令。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类AI代理 传输方式stdio · 本地进程 鉴权Token 部署方式本地部署
GitHub 星标 0 仓库热度,无公开仓库时显示未标注
工具数 4 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

AI代理
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量4暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

适用场景

AI助手Python本地部署知识管理企业工具自然语言处理RAG

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
pip install -r requirements.txt

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 Node.js 等运行时,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后客户端会列出约 4 个工具,随便调一个只读工具确认能返回结果。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
给代理接外部能力

让代理在任务中途调用搜索、数据库等真实工具。

多步任务编排

把一串操作拆成步骤,由代理按顺序执行。

自动化重复流程

把固定流程交给代理跑,减少手工操作。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 资料标注 4 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在AI代理场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 不方便管理密钥或第三方授权的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Enterprise AI Assistant当前 4 stdio · 本地进程 本地部署 有 2026-05-17
Filesystem 560c4363 13 未标注 本地部署 无 2026-05-17
Server Everything (everything) 11 stdio · 本地进程 本地部署 有 2026-05-17
Time 7365cb6d 2 SSE · 服务端推送 远程部署 有 2026-05-18
Everything Claude Code 未标注 stdio · 本地进程 本地部署 有 2026-05-17
Openmemory 557e1585 未标注 stdio · 本地进程 本地部署 有 2026-05-17

服务器档案

AI代理
字段来自项目仓库与公开索引,中文说明由本站标注
提供方Raul909上游标注的维护方 Raul909
分类AI代理本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式Token远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · 未标注本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2026-05-17上游最后核验时间

详细介绍

10.1 KB
来自项目仓库与上游目录的原文,未做删改

企业人工智能知识助理(基于MCP)

企业级AI助手,使员工能够使用自然语言查询内部知识(文档、数据库、GitHub、Jira)。系统使用 模型上下文协议(MCP) 安全地编排工具和 检索增强生成(RAG) 用于接地AI响应。


🚀 主要特点

  • 自然语言查询 -用简单的英语询问有关公司数据的问题
  • 现代React用户界面 -美观、专业的界面,实时聊天
  • MCP工具编排 -通过模型上下文协议安全、可审计地执行工具
  • 多源RAG -搜索文档、数据库、GitHub和Jira
  • 基于角色的访问控制(RBAC) -每个用户角色的细粒度权限
  • 多LLM支持 -使用OpenAI GPT-4或拟人克劳德
  • 审计日志 -跟踪所有查询和工具执行情况
  • 对话记忆 -情境感知后续问题

🏗 建筑```

┌─────────────────────────────────────────────────────────────┐
│ Frontend (Optional) │
└─────────────────────────┬───────────────────────────────────┘
│
┌─────────────────────────▼───────────────────────────────────┐
│ FastAPI Backend (8000) │
│ ┌──────────┐ ┌──────────────┐ ┌────────────────────────┐ │
│ │ Auth │ │ AI Orchestr. │ │ RAG Service │ │
│ │ (JWT) │ │ (LLM + MCP) │ │ (FAISS + Embeddings) │ │
│ └──────────┘ └──────┬───────┘ └────────────────────────┘ │
└─────────────────────────┼───────────────────────────────────┘
│
┌─────────────────────────▼───────────────────────────────────┐
│ MCP Server (3333) │
│ ┌────────────────────────────────────────────────────────┐ │
│ │ Tools: Documents | Database | GitHub | Jira │ │
│ └────────────────────────────────────────────────────────┘ │
└───────────────────────────┬─────────────────────────────────┘
│
┌─────────────────────────┼─────────────────────────────────┐
│ │ │
▼ ▼ ▼
┌──────────┐ ┌──────────────┐ ┌────────────┐
│PostgreSQL│ │ Vector Store │ │ External │
│ (Users, │ │ (FAISS) │ │ APIs │
│ Logs) │ │ │ │(GitHub, │
└──────────┘ └──────────────┘ │ Jira) │
└────────────┘


______________________________________________________________________

## 🛠 技术栈

层 · 技术
**前端** React 18,快速,清晰的图标
**后端** · Python 3.11、FastAPI、SQLAlchemy、Pydantic
**人工智能** · OpenAI GPT-4/拟人克劳德,句子转换器,FAISS
**主控程序** · 带有工具注册表的自定义MCP服务器
**认证** · JWT(python jose),加密
**数据库** · PostgreSQL、Redis(缓存)
**基础设施** · Docker,Docker编写

______________________________________________________________________

## 📁 项目结构```
enterprise-ai-assistant/
├── frontend/
│   ├── src/
│   │   ├── components/
│   │   │   ├── Login.jsx
│   │   │   ├── Login.css
│   │   │   ├── Chat.jsx
│   │   │   └── Chat.css
│   │   ├── App.jsx
│   │   ├── api.js
│   │   ├── main.jsx
│   │   └── index.css
│   ├── index.html
│   ├── vite.config.js
│   └── package.json
├── backend/
│   ├── app/
│   │   ├── api/v1/          # REST endpoints
│   │   │   ├── auth.py      # Authentication endpoints
│   │   │   ├── chat.py      # Chat/query endpoints
│   │   │   └── admin.py     # Admin endpoints
│   │   ├── core/            # Core utilities
│   │   │   ├── config.py    # Settings management
│   │   │   ├── security.py  # JWT & auth
│   │   │   └── logging.py   # Structured logging
│   │   ├── db/              # Database layer
│   │   ├── models/          # SQLAlchemy models
│   │   ├── schemas/         # Pydantic schemas
│   │   ├── services/        # Business logic
│   │   │   ├── ai_orchestrator.py
│   │   │   ├── mcp_client.py
│   │   │   ├── rag_service.py
│   │   │   └── permission_service.py
│   │   └── main.py          # Application entry
│   └── requirements.txt
├── mcp-server/
│   ├── tools/               # Tool implementations
│   │   ├── document_tool.py
│   │   ├── database_tool.py
│   │   ├── github_tool.py
│   │   └── jira_tool.py
│   ├── server.py            # MCP server
│   ├── permissions.py       # RBAC
│   └── requirements.txt
├── vector-store/
│   ├── ingest.py            # Document ingestion
│   └── search.py            # Semantic search
├── docker/
│   ├── docker-compose.yaml
│   ├── backend.Dockerfile
│   └── mcp.Dockerfile
├── .env.example
└── README.md

🚀 快速开始

先决条件

  • Python 3.11+
  • Docker&Docker编写
  • OpenAI API密钥或Anthropic API密钥

1.克隆和配置```bash

cd /home/raul/Downloads/enterprise-ai-assistant

Copy environment template

cp .env.example .env

Edit .env with your API keys

nano .env


### 2.使用Docker运行(推荐)```bash
cd docker
docker-compose up -d

这将开始:

  • 端口5432上的PostgreSQL数据库
  • 端口6379上的Redis缓存
  • 端口3333上的MCP服务器
  • 端口8000上的后端API

3.本地运行(开发)```bash

Terminal 1: Start MCP Server

cd mcp-server
pip install -r requirements.txt
uvicorn server:app --host 0.0.0.0 --port 3333 --reload

Terminal 2: Start Backend

cd backend
pip install -r requirements.txt
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

Terminal 3: Start Frontend

cd frontend
npm install
npm run dev


访问UIhttp://localhost:3000

______________________________________________________________________

## 📖 API使用

### 认证```bash
# Register
curl -X POST http://localhost:8000/api/v1/auth/register \
-H "Content-Type: application/json" \
-d '{"email": "user@company.com", "password": "securepass123"}'

# Login
curl -X POST http://localhost:8000/api/v1/auth/login \
-H "Content-Type: application/json" \
-d '{"email": "user@company.com", "password": "securepass123"}'

# Response: {"access_token": "eyJ...", "token_type": "bearer", ...}

聊天/查询```bash

Ask a question

curl -X POST http://localhost:8000/api/v1/chat \
-H "Authorization: Bearer YOUR_TOKEN" \
-H "Content-Type: application/json" \
-d '{"query": "What are the company vacation policies?"}'

Response includes answer, sources, and tools used


### 可用工具(按角色)

|角色|工具|
|------|-------|
| **员工** |搜索文档|
| **经理** |search_documents,query_database,search_jira,get_jira_ticket|
| **管理员** |所有工具,包括GitHub集成|

______________________________________________________________________

## ⚙️ 配置

关键环境变量(参见 `.env.example` 完整列表):

|变量|描述|默认值|
|----------|-------------|---------|
| `AI_PROVIDER` |法学硕士提供者(openai/anthropic)| openai|
| `OPENAI_API_KEY` |OpenAI API密钥|-|
| `DATABASE_URL` |PostgreSQL连接字符串|-|
| `JWT_SECRET_KEY` |JWT代币的秘密|-|
| `MCP_SERVER_URL` |MCP服务器地址|  |

______________________________________________________________________

## 🔒 安全功能

- **JWT身份验证** 带有访问/刷新令牌
- **基于角色的访问控制** 用于工具和文档
- **SQL注入防护** (仅选择查询)
- **审计日志** 对于所有操作
- **基于部门的文档过滤**
- **非根Docker容器**

______________________________________________________________________

## 📊 监控

- 健康检查: `GET /health`
- 审核日志: `GET /api/v1/admin/audit-logs` (仅限管理员)
- 系统统计信息: `GET /api/v1/admin/stats` (仅限管理员)

______________________________________________________________________

## 🧪 测试```bash
cd backend
pytest tests/ -v

📝 许可证

MIT许可证-有关详细信息,请参阅许可证文件。

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Enterprise AI Assistant 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

Enterprise AI Assistant 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Enterprise AI Assistant 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Enterprise AI Assistant 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

Enterprise AI Assistant 能提供哪些能力?

资料显示约 4 个工具;能力标签包括 知识管理、Python、自然语言处理、RAG。具体工具清单以官方文档为准。

Enterprise AI Assistant 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Enterprise AI Assistant 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2026-05-17。