# KB-Agent-Platform —— 企业知识库问答平台（RAG + Multi-Agent + MCP）

一句话：基于 RAG 与 LangGraph Supervisor 的企业知识库 Agent，
SSE 流式问答带引用溯源，MCP 双入口，docker compose 一键部署。

## 架构

前端 Vue3 ──SSE──> FastAPI ──> Supervisor(LLM 路由) ──┬─> KB Agent ──> Qdrant(4096维)
                                                       └─> Chat Agent
MCP Host(Cursor/Claude) ──stdio──> MCP Server ──> 同一个 Qdrant
![img.png](img.png)

## 快速开始
1. git clone https://github.com/embracingTheFuture/kb-agent-platform.git && cd kb-agent-platform
2. cp .env.example .env   # 填入你的 key
3. docker compose up --build -d
4. docker compose run --rm api python task2_pipeline.py   # 入库
5. 打开 http://localhost:8000/docs

## 效果截图

![img_1.png](img_1.png)

## 质量：评估集回归
6 条用例覆盖路由正确性 + 引用完整性，容器内可复现。

| 编号   | 前15个字 | 预期 | 实际 | 是否通过测试 |
|------| ------ | ------ | ------ |--------|
| 编号：1 | 前15个字：阶段二的时间安排和主项目定位。 | 预期：KB | 实际：KB | PASS   |
| 编号：2 | 前15个字：路线图里 Day16 要干什么 | 预期：KB | 实际：KB | PASS   |
| 编号：3 | 前15个字：用一句话介绍一下你自己。 | 预期：CHAT | 实际：CHAT | PASS   |
| 编号：4 | 前15个字：帮我写一句关于秋天的诗。 | 预期：CHAT | 实际：CHAT | PASS   |
| 编号：5 | 前15个字：2024年奥运会中国队拿了多少 | 预期：CHAT | 实际：CHAT | PASS   |
| 编号：6 | 前15个字： | 预期：CHAT | 实际：CHAT | PASS   |
6 条用例，6 通过，0 失败


## 技术要点
- 手写 ReAct 内核（工具注册表 + while 循环，不用框架）
- 自研切分-向量化-检索管线，Qdrant 余弦相似度
- 引用溯源：编号上下文 + [i] 标注 + citations 结构
- Supervisor 多智能体路由 + 会话记忆压缩（滚动摘要）
- MCP Server 双入口 / SSE 流式 / 评估集回归