Glean Chatbot

Der Chatbot indiziert eine kleine Reihe intern Dokumenten in Glean, beantwortet Fragen bezogen auf diese Dokumenten via Search und Chat und stellt denselben Ablauf als MCP-Tool (ask_glean) bereit.

Voraussetzungen

• Python 3.10+

• Eine Glean-Instanz

• Ein Token für die Indexing-API

• Ein Client-API-Token mit Search- und Chat-Scopes

Related MCP server: Glean Remote MCP Server

Einrichtung

1. Das Repository klonen und in des Verzeichnis wechseln:

git clone <your-repo-url>
cd glean-chatbot

2. Abhängigkeiten installieren:

pip install -r requirements.txt

3. Ein .env aus dem Beispiel anlegen und die einelnen Werte eintragen:

# macOS / Linux
cp .env.example .env

# Windows (PowerShell)
copy .env.example .env

.envw wird von config.py automatisch geladen (via python-dotenv). Du musst sie nicht selbst per source laden.

Ausführen

Dokumente indizieren

python scripts/index_documents.py
# optional: wait until Search can find them
python scripts/index_documents.py --verify

CLI-Abfragen

python scripts/ask.py "Who owns the Enronry Tony contract?"
python scripts/ask.py "What must OKLightning Tony deliver before go-live?" --top-k 3

MCP (Cursor)

Die Projektkonfiguration liegt in .cursor/mcp.json (absoluter Pfad zu src/mcp_server.py plus Umgebungsvariablen). Nach dem Bearbeiten Cursor neu starten / MCP neu laden. Das Tool heißt ask_glean.

Einen alleinigen Smoke-Test des Servers durchführen:

python src/mcp_server.py

Tests

python tests/test_pipeline.py

Kein Netzwerkzugriff; Search/Chat werden gemockt.

Funktionsweise

scripts/index_documents.py überträgt data/documents.json über die Indexing-API. Bei einer Abfrage ruft src/pipeline.py zuerst Search auf und dann – nur falls es Treffer gibt – Chat mit den Treffern als Kontext (Closed Book) und liefert eine Antwort plus Quellen. CLI und MCP verwenden dieselbe Pipeline. Die Ergebnisse sind auf unsere eigenen Dokumente beschränkt; wenn Search nichts liefert, schlagen wir ähnliche Dokumenttitel vor, statt eine Antwort zu erfinden.

Hinweise / Einschränkungen

• Die gemeinsame Sandbox ignoriert datasourcesFilter; wir filtern client-seitig anhand des Dokument-ID-Präfix (CUSTOM_<DATA_SOURCE>_Contract_).

• Die Indexierung ist asynchron – Dokumente können einige Minuten benötigen, bis sie durchsuchbar sind.

• Demo-Dokumente verwenden allowAnonymousAccess: true. Das nicht in Produktion ausliefern.

• Die viewURLs der Dokumente müssen der GLEAN_URL_REGEX entsprechen, sonst lehnt die Indexierung sie ab.

Siehe DESIGN_NOTE.md für API-Abwägungen und Produktionshinweise.