다중 소스 문서 지식 어시스턴트로, 자기 반성적 LangGraph 에이전트에 의해 구동됩니다. PDF + Markdown + 웹 페이지를 하나의 벡터 저장소에 수집한 후, 자체 검색 결과를 평가하고 답변의 근거를 검증하는 에이전트를 통해 질문에 답합니다 — 두 검사 중 하나라도 실패하면 재작성된 쿼리로 재시도하고, 답변의 근거를 확보할 수 없을 때는 지어내기를 거부합니다. Langfuse로 추적되고, DeepEval로 품질 테스트되며, MCP로 노출됩니다.
에이전틱 개발을 보여주기 위해 제작되었습니다: LangGraph · LiteLLM · ChromaDB · MCP · Langfuse · DeepEval.
이 에이전트는 교정적 / 자기 반영적 RAG 루프이지, 선형적인 retrieve → generate 체인이 아닙니다:
question
│
▼
route ──chitchat/out_of_scope──▶ generate ──▶ END
│ kb
▼
retrieve ──▶ grade_docs ──irrelevant (rewrite query, retry)──▶ retrieve
│ relevant
▼
generate ──▶ self_check ──ungrounded (retry)──▶ retrieve
│ grounded / budget spent
▼
answer + citations (or an honest "I don't know")route — 잡담 / 범위 외 질문에서는 검색을 건너뜁니다.
grade_docs — LLM 관련성 게이트; 실패 시 쿼리를 재작성하고 재시도합니다.
self_check — 초안 답변이 검색된 컨텍스트에 의해 함의되는지 검증합니다; 그렇지 않으면 재시도하거나 모호하게 답변하여 환각을 피합니다.
공유 재시도 예산(max_retries, 기본값 2)이 두 루프를 모두 제한합니다.
메모리 — SQLite 체크포인터가 thread_id별 다중 턴 대화 상태를 유지합니다.
Related MCP server: PDF MCP Server
# 1. Install (Python 3.11+, uv)
uv sync
# 2. Configure — only ANTHROPIC_API_KEY is required
cp .env.example .env # then edit .env
# 3. Ingest the sample corpus (2 Markdown + 1 PDF + 1 Wikipedia article)
uv run skai ingest # -> builds ./.chroma (local MiniLM embeddings, no API)
# 4. Ask (defaults to Haiku 4.5; switch per-call with --model)
uv run skai ask "What do orcas eat?"
uv run skai ask "How do orcas communicate?" --source md
uv run skai ask "Summarize orca threats" --model sonnet # haiku | sonnet (Opus blocked)
# 5. Multi-turn chat (remembers the conversation)
uv run skai chat
# 6. Web UI (chat + feedback + live data ingestion)
uv run skai ui # http://localhost:7860
# 7. Serve over MCP (stdio) for Claude Desktop / an IDE
uv run skai mcpskai ui는 라이브 데모에 필요한 기능을 갖춘 Gradio 앱을 실행합니다:
채팅 — 세션별 메모리 포함; 모든 답변은 출처, 경로, 모델을 표시합니다.
모든 응답 후 피드백 — 👍/👎 + 선택적 코멘트, SQLite(.skai/feedback.sqlite)에 저장되고 *추적이 켜져 있을 때 해당 턴의 트레이스에 Langfuse 점수로 푸시됩니다*. 이것이 폐쇄 루프입니다: 실제 사용이 평가 신호가 됩니다.
예시 프롬프트 — 첫 상호작용을 안내합니다.
지식 베이스 실시간 확장 — .md/.txt/.pdf 업로드 또는 URL 붙여넣기로 즉시 Chroma에 수집되어, 데모가 시드 코퍼스에 국한되지 않습니다.
모델(haiku/sonnet) 및 출처 필터(all/pdf/md/web) 선택기.
피드백은 skai.feedback.export_jsonl을 통해 JSONL 평가 시드로 내보낼 수 있습니다.
명령어 | 기능 |
| 로드 → 청크 → 임베딩 → Chroma에 저장 |
| 인용이 포함된 일회성 질문 |
| 메모리가 있는 대화형 다중 턴 채팅 |
| Gradio 웹 UI: 채팅, 피드백, 실시간 수집 |
|
|
| DeepEval 품질 스위트 실행 ( |
서버는 두 가지 도구를 노출합니다 — search_kb(query, source_type?)(원시 검색) 및 ask(question)(전체 에이전트). MCP 클라이언트를 다음과 같이 지정합니다:
{
"mcpServers": {
"solid-knowledge-ai": {
"command": "uv",
"args": ["run", "skai", "mcp"],
"cwd": "/absolute/path/to/solid-knowledge-ai"
}
}
}기본값은 Haiku 4.5(빠르고 저렴 — Q&A 라우터+그레이더+생성기 루프에 적합)입니다. 호출별로 --model로 전환하거나 .env의 SKAI_MODEL로 전역 설정합니다:
값 | 해석 |
|
|
|
|
모든 LiteLLM ID | 통과 (예: |
Opus는 의도적으로 차단됩니다(resolve_model이 예외를 발생시킴), 따라서 어시스턴트가 실수로 가장 비싼 등급을 가리킬 수 없습니다.
.env에 LANGFUSE_PUBLIC_KEY / LANGFUSE_SECRET_KEY(및 선택적으로 LANGFUSE_HOST)를 설정하세요. 그러면 모든 그래프 실행이 노드별 및 LLM 호출별 스팬이 있는 하나의 트레이스를 생성합니다. 키가 없으면 추적은 완전한 no-op입니다 — 다른 것은 변경되지 않습니다.
uv sync --group eval
export ANTHROPIC_API_KEY=...
uv run skai ingest
uv run --group eval pytest evals -v # or: skai eval판정자는 LiteLLM을 통한 Claude이므로 OpenAI 키가 필요 없습니다. 지표: 충실도, 답변 관련성, 컨텍스트 관련성 — 추가로 저렴한 키워드 게이트.
uv run pytest # 39 tests, fully offline: no network, no API keysLLM은 의존성 주입되므로 전체 그래프가 결정적 스텁에 대해 테스트에서 실행되고, Chroma는 결정적 인프로세스 임베딩 함수를 사용합니다.
src/skai/
config.py settings (.env) agent/llm.py ChatLiteLLM -> Claude
models.py Document/Chunk/AgentState agent/nodes.py route/retrieve/grade/generate/self_check
ingest/loaders.py pdf | md | web -> Document agent/prompts.py node prompts
ingest/chunk.py source-aware splitting agent/graph.py StateGraph + SQLite memory
ingest/store.py Chroma add/query observability.py Langfuse handler (or no-op)
cli.py ingest|ask|chat|mcp|eval mcp_server.py search_kb / ask as MCP tools
evals/ DeepEval suite tests/ offline unit + graph tests에이전트 그래프 및 컴포넌트 다이어그램 (Mermaid): docs/ARCHITECTURE.md 참조.
설계 근거 및 기술 트레이드오프: docs/DECISIONS.md 참조.
검증됨: uv run skai ingest가 세 가지 소스 유형 모두를 로드하고(2 md + 1 pdf + 1 web → 170 청크) 실제 의미 검색이 관련 구절을 반환합니다. 39개의 오프라인 테스트가 통과합니다. ask/chat/eval은 ANTHROPIC_API_KEY가 필요합니다.
Unclaimed servers have limited discoverability.
If you are the server author, to access and configure the admin panel.
Governed, auditable knowledge your team curates for its AI assistants, self-hostable
Persistent memory and knowledge management for AI agents with semantic search and 50+ tools.
Your company's brain for AI agents. Cited, permission-aware knowledge across every system.
We provide all the information about MCP servers via our MCP API.
curl -X GET 'https://glama.ai/api/mcp/v1/servers/hailampy123/solid-knowledge-ai'
If you have feedback or need assistance with the MCP directory API, please join our Discord server