¿Qué hace enterprise-knowledge-mcp-server-speckit?
Base de conocimiento empresarial lista para producción (DOCX/PDF/PPTX) con análisis Docling que preserva la estructura, fragmentación semántica completa con metadatos y recuperación híbrida Dense+BM25/RRF, expuesta como un Servidor MCP Remoto (FastMCP). Incluye una habilidad reutilizable de preprocesamiento de documentos para Claude. Desplegado en Zeabur (ARM64, solo CPU).
Visión General
Este servidor MCP remoto permite a los asistentes de IA (como Claude) indexar y consultar documentos empresariales de manera eficiente. Al combinar un análisis estructural profundo con un sistema de recuperación híbrida, garantiza que las respuestas generadas por la IA estén fundamentadas en el contenido más relevante de la base de conocimiento, preservando el contexto y la integridad de la información original.
Características Principales
- Análisis de Documentos con Docling: Extrae texto, tablas, imágenes y estructura de documentos DOCX, PDF y PPTX manteniendo fidelidad.
- Fragmentación Semántica con Metadatos: Divide los documentos en fragmentos con significado completo, conservando metadatos como título, autor, número de página y sección.
- Recuperación Híbrida Dense+BM25/RRF: Combina la potencia de la búsqueda semántica (Dense) con la robustez de BM25, fusionando los resultados mediante RRF para una precisión superior.
- Servidor MCP Remoto (FastMCP): Se integra de forma remota con clientes MCP como Claude, permitiendo consultas en tiempo real.
- Habilidad de Preprocesamiento para Claude: Incluye una habilidad reutilizable que prepara y limpia documentos antes de su ingesta.
- Despliegue Optimizado: Ejecutándose en Zeabur con arquitectura ARM64 y solo CPU, listo para entornos de producción.
Plataformas Soportadas
- Clientes MCP: Claude Desktop, Claude Code, Cursor y otros asistentes compatibles con MCP.
- Formularios de Documentos: DOCX, PDF, PPTX.
- Infraestructura de Despliegue: Zeabur (ARM64, CPU-only).
Cómo Funciona
- Ingesta de Documentos: Los documentos se procesan mediante Docling, que analiza su estructura y extrae el contenido.
- Fragmentación: El contenido se divide en fragmentos semánticos, cada uno con sus metadatos asociados.
- Indexación Híbrida: Los fragmentos se indexan tanto en un índice denso (embeddings) como en un índice BM25.
- Consulta: Cuando un usuario formula una pregunta, el sistema ejecuta una búsqueda híbrida que combina los resultados de ambos índices y los fusiona usando RRF.
- Respuesta: Los fragmentos más relevantes se devuelven al asistente de IA, que genera una respuesta contextual basada en ellos.
Uso
Configuración del Cliente MCP
Para conectar este servidor desde Claude Desktop o Claude Code, añade la siguiente configuración a tu archivo cline_mcp_settings.json o claude_desktop_config.json:
{
"mcpServers": {
"enterprise-knowledge": {
"type": "remote",
"url": "https://tu-servidor-zeabur.up.railway.app/sse"
}
}
}
Habilidad de Preprocesamiento de Documentos (Claude Skill)
El skill de preprocesamiento se puede invocar en Claude para limpiar y preparar documentos antes de subirlos al servidor. Ejemplo de uso:
Preprocesa el documento 'informe.pdf' usando la habilidad de preprocesamiento de documentos.
Variables de Entorno (Opcionales)
| Variable | Descripción | Valor por Defecto |
|---|---|---|
DOCLING_BASE_PATH | Ruta base para archivos temporales de Docling | /tmp |
CHUNK_SIZE | Tamaño máximo de fragmentos (en tokens) | 512 |
CHUNK_OVERLAP | Superposición entre fragmentos | 128 |
TOP_K | Número de fragmentos a recuperar | 10 |
Repositorio y Licencia
- Repositorio: Rakson0209/enterprise-knowledge-mcp-server-speckit
- Licencia: MIT
Notas Técnicas
- El servidor está optimizado para CPU, no requiere GPU.
- Se recomienda utilizar el preprocesamiento para documentos con escaneos de baja calidad o formatos mixtos.
- Para problemas o solicitudes, abre un issue en el repositorio de GitHub.