当前位置：首页 > news >正文

基于RAG+MCP开发【企文小智】企业智能体

news 来源：原创 2025/8/4 12:47:25

一、业务场景描述

1.1、背景介绍

几乎每家企业都积累了大量关于规章制度的文档资料，例如薪酬福利、绩效考核、保密协议、考勤管理、采购制度、资产管理制度等。这些文档大多以 Word、PDF 等非结构化格式存在。传统方式下，员工在查询某项具体规则时，通常需要手动查找并下载相关文件，再逐页浏览内容以定位所需信息。例如，一名员工若想了解公司对某一供应商是否列入白名单，往往需要先找到《采购管理制度文件.pdf》查看相关政策，然后再登录供应商管理系统进行具体查询。这种流程效率低下，信息获取路径复杂，严重影响了员工的工作效率和制度执行的便捷性。

1.2、实现思路

如今，随着 AI 大模型技术的发展，结合 RAG（检索增强生成）和 MCP（模型上下文协议），企业知识查询变得前所未有的高效与便捷。员工只需像询问“公司的请假流程是什么样的？”、“我这个月迟到了几次？”这样的问题，大模型即可直接返回准确、结构化的答案。

本文将介绍如何基于 RAG + MCP 技术架构，快速构建一个面向企业的智能问答助手——“企文小智”。其中包括主要功能为：

（1）RAG 负责从本地知识库中增强检索，如各类制度文件、政策文档等非结构化数据。

（2）MCP 实现业务系统中的动态数据查询，例如考勤记录、资产状态等结构化信息。

通过将两者融合，“企文小智”能够覆盖企业规章制度相关的高频查询场景，实现自然语言驱动的智能问答体验。

云程低代码开发平台提供了AI大模型接入、知识库管理、MCP服务注册、AI智能体开发等功能，该示例基于该低代码平台实现，在线体验请访问：http://www.yunchengxc.com

二、专业术语介绍

2.1、什么是RAG（检索增强生成）

在大型语言模型时代，RAG （Retrieval-Augmented Generation 检索增强生成）指的是在回答问题或生成文本时，先从大规模文档库中检索相关信息，然后利用这些检索到的信息来生成响应或文本，从而提高回复内容的质量。 RAG 技术的应用可以很好地解决大模型的胡乱编造的问题，即让大模型在回答用户问题前先参考知识库中的相关内容，可极大抑制大模型的幻觉现象。