🧠 Enterprise Knowledge Integrator

Conecta datos privados corporativos (PDF, Excel, Word, SQL) a LLMs y agentes de IA con sanitización de PII integrada, búsqueda híbrida y servidor MCP.

Panel en vivo • Inicio rápido • Configuración del servidor MCP • Arquitectura • Referencia de API

🌟 Why Enterprise Knowledge Integrator?

Las empresas tienen conocimiento fragmentado en documentos de políticas PDF, modelos financieros en Excel/CSV, contratos y notas de ERP. Alimentar estos datos directamente a los LLM a menudo conduce a fugas de PII, alucinaciones en números y pérdida de contexto.

Enterprise Knowledge Integrator es un middleware de código abierto, ligero y plug-and-play que convierte los archivos sin procesar de tu empresa en contexto limpio, citado y seguro para cualquier LLM o agente de IA.

Related MCP server: doc-intel MCP server

✨ Características clave

• 📄 ETL consciente de tablas (Excel y CSV): Convierte filas de hojas de cálculo en tablas markdown y grupos de filas semánticas para que los LLM nunca alucinen números de fila o fórmulas.

• 🛡️ Sanitizador de PII y secretos integrado: Detecta y enmascara automáticamente TCKN, IBAN, tarjetas de crédito, identificadores fiscales (VKN), números de teléfono y claves API antes de la incrustación o inyección de prompts.

• ⚡ Recuperación híbrida (Vector + Okapi BM25 + RRF): Combina incrustaciones densas con coincidencia de palabras clave dispersas utilizando fusión de rango recíproco (RRF) para una precisión del 100% en códigos y números financieros.

• 👥 Control de acceso basado en roles (RBAC): Aplica niveles de autorización de documentos (Public, Internal, Confidential, Restricted) y filtrado por departamento.

• 🔍 Validador de citas y alucinaciones: Comprueba automáticamente las respuestas generadas por LLM contra los documentos fuente y calcula una puntuación de confianza.

• 🔄 Vigilante automático de directorios: Monitorea tus carpetas/montajes de unidades en la nube y reindexa automáticamente los archivos añadidos o modificados.

• 🔌 Pasarelas universales:

  • Protocolo de Contexto de Modelo (MCP) para Cursor, Claude Desktop, Antigravity.

  • API REST de FastAPI con Swagger UI.

  • Panel web interactivo (sin dependencias adicionales requeridas).

  • Adaptador de herramientas LangChain / LangGraph.

🏛️ Arquitectura del sistema

graph TD
    subgraph Ingestion ["1. Multi-Source Ingestion & ETL"]
        F1["📄 Documents (PDF, Word, Markdown)"]
        F2["📊 Tabular (Excel, CSV)"]
        F3["🗄️ Notes & Text Snippets"]
        F1 & F2 & F3 --> PII["🛡️ PII Masker (TCKN, IBAN, Cards)"]
        PII --> Chunk["✂️ Semantic & Parent-Child Chunker"]
    end

    subgraph Storage ["2. Storage & Hybrid Search Engine"]
        Chunk --> V["V-Store: Cosine Dense Embeddings"]
        Chunk --> B["BM25: Sparse Keyword Index"]
        V & B --> RRF["🎯 Reciprocal Rank Fusion (RRF)"]
    end

    subgraph Governance ["3. Security & Governance"]
        RRF --> RBAC["👥 RBAC & Clearance Filter"]
        RBAC --> Val["🔍 Citation & Grounding Validator"]
    end

    subgraph Interfaces ["4. LLM & Agent Gateways"]
        Val --> MCP["⚡ MCP Server (Claude Desktop / Cursor)"]
        Val --> API["🌐 FastAPI REST API (/api/v1/context)"]
        Val --> UI["🖥️ Modern Web Dashboard (/dashboard)"]
        Val --> SDK["💼 LangChain / LangGraph Adapter"]
    end

⚡ Inicio rápido en 60 segundos

1. Instalación

git clone https://github.com/your-username/enterprise-knowledge-integrator.git
cd enterprise-knowledge-integrator
pip install -r requirements.txt

2. Iniciar el panel web y la API

python -m knowledge_integrator.interfaces.api.app

Abre tu navegador en http://localhost:8088/dashboard para acceder al panel de control visual.

💻 Uso de CLI

Ingerir un texto / nota de política:

python -m knowledge_integrator.interfaces.cli.main ingest-text \
  --title "2025 Travel Policy" \
  --content "Daily travel allowance is 2,500 TL. Stays above 5,000 TL require CFO approval." \
  --category "policy"

Ingerir archivos o directorios (PDF, Excel, CSV, Word, Markdown):

python -m knowledge_integrator.interfaces.cli.main ingest ./company_docs/ --category "finance"

Buscar en la base de conocimiento:

python -m knowledge_integrator.interfaces.cli.main query "What is the travel budget limit?"

Listar documentos indexados:

python -m knowledge_integrator.interfaces.cli.main list

⚡ Servidor del Model Context Protocol (MCP)

Conecta tu conocimiento corporativo directamente en Claude Desktop, Cursor IDE o Antigravity.

Añade esto a tu claude_desktop_config.json o cursor settings:

{
  "mcpServers": {
    "company-knowledge": {
      "command": "python",
      "args": ["-m", "knowledge_integrator.interfaces.cli.main", "serve-mcp"]
    }
  }
}

Herramientas MCP disponibles:

• search_company_knowledge: Realiza búsqueda híbrida en documentos privados de la empresa.

• get_company_context: Devuelve contexto limpio y citado listo para inyección de prompts.

• list_company_documents: Lista todas las fuentes indexadas y metadatos.

• ingest_company_note: Guarda dinámicamente una nueva política o fragmento de conocimiento.

🌐 Referencia de la API REST

Documentación interactiva de Swagger disponible en: http://localhost:8088/docs

🤖 Integración con Python y LangChain / LangGraph

from knowledge_integrator import KnowledgeEngine
from knowledge_integrator.agentic_cfo_adapter import AgenticCFOKnowledgeAdapter

# 1. Initialize engine
engine = KnowledgeEngine()

# 2. Ingest document
engine.ingest_file("budget_2025.xlsx", category="finance")

# 3. Retrieve LLM context
ctx = engine.get_context_for_llm("What was the Q3 software budget?")
print(ctx.context_text)

# 4. Use as a LangChain / LangGraph Tool for AI Agents
adapter = AgenticCFOKnowledgeAdapter(engine)
agent_tool = adapter.as_langchain_tool()

🐳 Despliegue con Docker

docker-compose up -d

🧪 Ejecución de pruebas

python -m pytest knowledge_integrator/tests/ -v

📄 Licencia

Este proyecto está licenciado bajo la Licencia MIT — consulta el archivo LICENSE para más detalles.