项目简介

Archie AI Assistant项目旨在连接EPFL的企业架构（EA）存储库与Google Cloud及Google Gemini，利用大型语言模型（LLM）技术简化EA数据的访问、查询和维护工作。它充当用户的智能EA助手，帮助用户以自然语言交互，并自动化部分维护任务。

主要功能点

• 支持使用自然语言查询企业架构存储库中的数据。
• 提供助手功能，如智能查找和建议应用程序的编辑者（已实现）。
• 未来计划扩展功能，包括协助填充应用程序详情、建议架构元素之间的关系、以及执行数据一致性检查。
• 集成EPFL Google Workspace账户进行安全身份验证。
• 后端核心功能部署为Google Cloud Functions。

安装步骤

1. 克隆仓库： 使用 Git 命令克隆项目代码到本地。
2. 配置Google Cloud环境： 确保您有权访问和配置必要的Google Cloud Platform资源（如Cloud Functions, Secret Manager等）。
3. 配置Google Cloud IAM： 设置应用程序所需的身份和访问管理权限。
4. 设置Python环境： 创建一个独立的 Python 虚拟环境，并使用 'pip' 安装项目所需的依赖库。
5. 配置Secrets： 通过Google Cloud Secret Manager安全地存储和管理API密钥（主要用于访问Google Gemini API）。
6. 部署与运行： 根据项目的具体文档（待完善的'CONTRIBUTING.md'）将代码部署到Google Cloud Functions，并配置前端或其他客户端来调用它。

服务器配置 (供MCP客户端使用)

Archie AI Assistant的MCP服务器实现部署在Google Cloud Functions上，这是一种无服务器架构。与传统的在本地启动服务器进程不同，MCP客户端需要通过网络连接到部署在Google Cloud上的云函数入口点进行通信。

典型的MCP客户端需要一个JSON格式的配置对象来指定连接信息。该配置通常包含以下关键信息：

• 'name': 用于标识此服务器连接的名称（字符串）。
• 'type': 指示服务器实现的类型。对于云函数，可以是一个自定义值（例如，'cloud_function'），表明客户端应通过网络调用云函数而非启动本地进程。
• 'endpoint': MCP客户端用于发送请求的云函数网络地址或URL（字符串）。这是云函数被触发的入口。
• 'authentication': 如果云函数需要认证（通常需要，尤其是在企业环境中），此字段包含认证类型（如'oauth2'或其他）和必要的认证凭证或配置信息（JSON对象）。
• 'params': 一个可选的JSON对象，用于传递调用云函数可能需要的额外参数，例如Google Cloud项目ID、特定的函数名称、地域信息等。

重要提示： 您需要从您的Google Cloud环境获取部署好的云函数的实际HTTP触发器URL以及任何所需的认证配置详细信息，才能正确配置MCP客户端。请参考您的Google Cloud Functions部署文档或联系系统管理员获取这些信息。

基本使用方法

项目的Web用户界面（前端部分）是与Archie AI Assistant交互的主要方式。通过您的EPFL Google Workspace账户登录Web界面后，您可以浏览企业架构数据，并利用界面上提供的功能（如针对特定应用程序点击"Find Editors"按钮）来触发AI助理的处理流程。AI助理将在后台的MCP服务器上执行数据查询、AI分析等任务，并将结果显示在用户界面上。