MCP-Server

Der MCP-Server stellt die Suche als Tools fuer AI-Assistenten bereit (Model Context Protocol).

Verwendung

import { createMcpSearchServer } from '@processcube-io/knowledge-sdk/mcp/server';
 
const mcp = await createMcpSearchServer(store, {
  name: 'my-docs',
  version: '1.0.0',
  baseUrl: 'https://docs.example.com',
  collectionDescriptions: {
    docs: 'Hauptdokumentation',
    blog: 'Blog-Artikel und Tutorials',
  },
  searchToolDescription: 'Durchsucht die Projekt-Dokumentation.',
  listCollectionsToolDescription: 'Listet alle verfuegbaren Collections auf.',
});

Tools

search_docs

Durchsucht die Dokumentation.

list_collections

Listet alle verfuegbaren Collections mit Dokumentanzahl und Beschreibung auf.

Strukturierte Antworten

Seit KnowledgeSDK v2.0.0 liefert jedes Tool neben dem menschenlesbaren Text auch structuredContent — und deklariert dafuer ein outputSchema. Das Schema ist der eigentliche Punkt: ohne es hat ein generischer MCP-Client keine Moeglichkeit zu erfahren, dass strukturierte Daten vorliegen, und ignoriert sie.

search_docs — entspricht der REST-SearchResponse:

{
  results: Array<{
    id: string;
    title: string;
    path: string;
    collection: string;
    snippet: string;
    score: number;
  }>;
  query: string;
  collection: string | null;   // null, wenn ohne Filter gesucht wurde
  total: number;
  duration_ms: number;
}

list_collections:

{
  collections: Array<{ name: string; doc_count: number; description?: string }>;
  total: number;
}

get_document — die DocumentResponse plus absolute url:

{
  id: string;
  title: string;
  path: string;
  url: string;
  collection: string;
  body: string;
  body_length: number;
  truncated: boolean;
}

classify_ticket liefert das vollstaendige ClassifyResult, classify_ticket_feedback ein { saved, correlationId, correctCollection, correctSubTheme? }.

Die bisherige Textausgabe bleibt fuer bestehende MCP-Clients unveraendert erhalten. Fuer maschinelle Verarbeitung ist structuredContent vorzuziehen.

get_document

Holt ein einzelnes Dokument im Volltext — der zweite Schritt, wenn der Auszug aus search_docs fuer die Antwort nicht reicht.

Das Tool wird nur registriert, wenn der Store getDocument anbietet. Bei einer eigenen SearchStore-Implementierung ohne diese Methode bleibt die Tool-Liste unveraendert — bestehende MCP-Clients sehen also keine Aenderung.

search_docs gibt zu jedem Treffer eine Zeile **ID:** qmd://… aus, damit ein Agent den Treffer direkt nachladen kann.

classify_ticket

Klassifiziert ein Ticket und ordnet es der passenden Collection, dem Sub-Thema und dem Quell-Repository zu. Wird nur aktiviert, wenn classifierConfig uebergeben wird.

classify_ticket_feedback

Gibt Feedback zu einer vorherigen Klassifikation. Verbessert zukuenftige Klassifikationen.

Siehe Ticket-Classifier Dokumentation fuer Details.

Integration

Im Standalone-Server

await startServer(store, {
  port: 3001,
  mcp: {
    name: 'my-docs',
    baseUrl: 'https://docs.example.com',
    collectionDescriptions: { docs: 'Dokumentation' },
  },
});
// POST /api/mcp → MCP-Endpoint

In Next.js

// app/api/mcp/route.ts
import { createMcpSearchServer } from '@processcube-io/knowledge-sdk/mcp/server';
import { WebStandardStreamableHTTPServerTransport } from '@modelcontextprotocol/sdk/server/webStandardStreamableHttp.js';
 
export async function POST(req: Request) {
  const mcp = await createMcpSearchServer(store, { name: 'my-docs' });
  const transport = new WebStandardStreamableHTTPServerTransport({
    sessionIdGenerator: undefined,
    enableJsonResponse: true,
  });
  await mcp.connect(transport);
  try {
    return await transport.handleRequest(req);
  } finally {
    await transport.close();
    await mcp.close();
  }
}

Konfiguration