Glean Chatbot

Индексирует небольшой набор внутренних контрактов в Glean, отвечает на вопросы по этим документам через Search + Chat и предоставляет тот же процесс в виде MCP-инструмента (ask_glean).

Требования

• Python 3.10+

• Экземпляр Glean

• Токен Indexing API

• Токен Client API с правами Search и Chat

Related MCP server: search-context

Установка

1. Клонируйте репозиторий и перейдите в него:

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

2. Установите зависимости:

pip install -r requirements.txt

3. Создайте файл .env из примера и заполните свои значения:

# macOS / Linux
cp .env.example .env

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

Файл .env автоматически загружается config.py (через python-dotenv). Вам не нужно выполнять source для него.

Запуск

Индексация документов

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

Запросы из CLI

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)

Конфигурация проекта находится в .cursor/mcp.json (абсолютный путь к src/mcp_server.py + переменные окружения). Перезапустите Cursor / перезагрузите MCP после его изменения. Инструмент называется ask_glean.

Проверка сервера отдельно:

python src/mcp_server.py

Тесты

python tests/test_pipeline.py

Без сети; используются моки для Search/Chat.

Как это работает

scripts/index_documents.py отправляет data/documents.json через Indexing API. Во время запроса src/pipeline.py вызывает Search, затем (только если есть результаты) Chat с этими результатами как контекстом без внешних источников и возвращает ответ и источники. CLI и MCP используют этот же конвейер. Результаты ограничены нашими документами; если Search ничего не находит, мы предлагаем похожие заголовки документов вместо того, чтобы выдумывать ответ.

Примечания / ограничения

• Общая песочница игнорирует datasourcesFilter; мы фильтруем на стороне клиента по префиксу идентификатора документа (CUSTOM_<DATASOURCE>_Contract_).

• Индексация асинхронна — документы могут стать доступными для поиска через несколько минут.

• Демо-документы используют allowAnonymousAccess: true. Не используйте это в продакшене.

• viewURL документов должны соответствовать GLEAN_URL_REGEX, иначе индексация отклонит их.

См. DESIGN_NOTE.md о компромиссах API и заметках для продакшена.