Intelligent Content Organizer MCP Agent

Intelligent Content Organizer MCP Agent

为 PDF、文本、Word 和图片文件建立索引，再按语义搜索、总结、打标签、分类并回答问题。这是带 Gradio 页面的 MCP 服务器，适合文档很多的人。

由 Agents-MCP-Hackathon 在 Hugging Face 上制作。这些说明是 Mindket 根据它的 Space 页面和 README 写的，应用自己的文件和许可证在 Hugging Face 上。

简介

它是什么：这个 Space 是一个带 Gradio 网页的 MCP 服务器，用来管理一大堆文档。你上传 PDF、TXT 或 DOCX 文件，或者图片，它会为它们建立索引，方便按语义搜索。它还能总结内容、生成标签、把条目归入类别、回答关于你文件的问题，并给出内容的统计数据。

适合谁：适合文档很多、想用日常语言搜索的人，也适合想让 AI 助手使用文档工具的 MCP 服务器开发者。

行业 | 使用者 | 使用方式 | 例子
研究 | 分析师 | 为论文和报告建立索引，然后针对它们提问 | 分析师问一组报告对某个主题怎么说
商业 | 运营团队 | 把收到的文件分类并打标签 | 团队把一批上传的文档归类
软件 | 开发者 | 向 MCP 客户端提供文档工具 | 开发者把这个服务器连接到助手
教育 | 学生 | 用指定的风格总结学习笔记 | 学生要一份课堂笔记的要点式总结

如果你不想为它用到的模型服务商提供 API 密钥，可以跳过它。

用在哪里：你可以在下面这些地方使用它。

• 网页浏览器，打开 Hugging Face 上这个 Space 的页面
• 在 Windows、macOS 或 Linux 上运行的本地副本的 Gradio 页面
• 连接到这个应用所提供服务器的 MCP 客户端

使用场景 | 适合谁 | 得到什么
搜索你的文件 | 文档很多的人 | 按语义找到的匹配段落，每段带一个分数
总结 | 读者和分析师 | 简洁、详细、要点式或高管风格的总结
提问 | 研究人员 | 用检索从你自己的文档里得出的回答
整理 | 团队 | 内容的标签和类别

如何设置：在线使用只需要浏览器。本地副本需要 Python 和服务商的 API 密钥。

• Python 3.9 或更高版本，用于本地副本
• OpenAI 和 Mistral AI 的 API 密钥，外加一个 Anthropic API 密钥
• requirements.txt 里的 Python 软件包

1. 打开 Hugging Face 上这个 Space 的页面即可在线使用，无需安装任何东西。
2. 想要本地副本，先安装 Hugging Face Hub 软件包。
3. 把这个 Space 的文件下载到一个文件夹并进入该文件夹。
4. 安装 Gradio 5.32.0 和 requirements.txt 里的软件包。
5. 让应用能读到你的服务商 API 密钥。来源没有写明设置项的名字，所以请查看文件夹里的 config.py。
6. 启动应用。

pip install -U huggingface_hub
hf download Agents-MCP-Hackathon/Intelligent_Content_Organizer --repo-type space --local-dir Intelligent_Content_Organizer
cd Intelligent_Content_Organizer
pip install gradio==5.32.0
pip install -r requirements.txt
python app.py

如何使用：启动应用，打开它提供的 Gradio 页面。上传一份文档，然后搜索它、总结它、给它打标签，或者针对它提问。MCP 客户端也可以调用同样的工具。

python app.py

工具 | 作用
ingest_document | 处理并索引一份文档，使它可以被搜索。需要文件路径和可选的文件类型。
semantic_search | 用日常语言查询搜索已索引的内容。需要查询语句、可选的结果数量（默认 5）和可选的过滤条件。
summarize_content | 用你选的风格总结文本或已索引的文档。model 设置接受 auto 或模型系列前缀。

示例：你上传一个 PDF，然后用日常语言对某个主题做语义搜索。工具返回一个结果列表，每个结果带内容和分数，另外还有找到的总数。

新手与专家：MCP 服务器是 AI 助手可以当作一组工具来调用的程序。这里的工具处理的是文档。先这样试试：打开这个 Space 的页面，上传一个简短的文本文件，请它做个总结。

从底层看，文档会被切成块，用 Sentence Transformers 做嵌入，再用 FAISS 搜索。Mistral OCR 负责从图片里读出文字。生成内容时，auto 设置先尝试 OpenAI，再试 Mistral，最后是 Anthropic，而 gpt-、mistral- 或 claude- 这样的前缀可以指定模型系列。这个 Space 的记录里还提到了 openai/gpt-oss-120b 和 all-MiniLM-L6-v2。

上传一份文档
提取文字，图片用 OCR
文本块被嵌入并用 FAISS 建立索引
你搜索、总结、打标签或提问
LLM 服务商写出回答

注意事项：大多数功能依赖外部模型服务商，所以开始之前先准备好密钥。

• License: mit。
• Cost to run: OpenAI、Mistral AI 和 Anthropic 的 API 密钥，前置条件里有写明。这个 Space 本身在 Hugging Face 的 cpu-basic 硬件上运行。
• Data it reaches: 你上传的文件，也就是 PDF、TXT、DOCX 和图片，以及它调用的模型服务商。
• Not for: 没有服务商密钥的使用，因为生成依赖这些服务。

Hugging Face 上的数据（2026年11月13日）

• 点赞：16
• 构建方式：gradio
• 许可证：mit

链接

• Space：https://huggingface.co/spaces/Agents-MCP-Hackathon/Intelligent_Content_Organizer
• 文件：https://huggingface.co/spaces/Agents-MCP-Hackathon/Intelligent_Content_Organizer/tree/main

试用

在浏览器里打开这个 Space，或在它的页面上把它复制到你自己的 Hugging Face 账号。这个工具包里没有会自己运行的东西。