这个问题挺实战的,我之前给公司设计过类似的系统。先说结论——企业知识库的 MCP Server,我会暴露三大类工具:检索类、管理类、分析类,大概 8-10 个核心工具。为什么这么分?因为 MCP 的核心是让 AI 能"发现"和"调用"工具,而不是硬编码。企业知识库最核心的场景就三个:查文档、管文档、看数据。所以工具设计得围绕这三个场景来。第一类:检索工具(这是核心)1. search_knowledge- 语义搜索这个是最基础的,也是用得最多的。参数包括查询词、部门范围、返回数量。我们之前用的是向量检索 + 全文检索混合,效果比单一检索好不少。有个坑是 embedding 模型得选对,一开始我们用的通用模型,查技术文档效果很差,后来换了个代码领域的模型,准确率提了 30% 吧。2. get_document- 获取完整文档有时候搜索结果不够,需要看完整文档。这个工具返回文档内容、元数据、版本信息。我们加了个参数include_chunks,可以顺带返回文档切片,方便 AI 做更细粒度的分析。3. list_recent_updates- 最近更新这个挺实用的,特别是对于技术文档库。"最近一周更新了哪些文档"这种问题很常见。参数是时间范围和部门,返回更新列表。第二类:管理工具(权限要控制好)4. add_document-
