Design Repo Searching Agent

🎨 设计存储库助手

Hero Banner Architecture Diagram Data Category 1 Data Category 2

🌟 概述

这 设计存储库助手 是一个会话式人工智能应用程序，可帮助设计师、营销团队和品牌部门从大型内部存储库中即时检索设计资产——图标、徽标、电子邮件、新闻通讯、品牌指南和PowerPoint模板。

该项目是作为 提升客户参与度 现在是我专业作品集的一部分。

https://github.com/user-attachments/assets/0d819ba3-5d49-4545-96e5-8ead40a55216

______________________________________________________________________

💡 客户要求

客户需要：

1. 统一搜索 跨多种设计资产类型（图标、徽标、电子邮件、品牌指南、PPT模板）。
2. A. 单一对话界面 理解自然语言查询。
3. 自动 工具选择：AI必须根据用户意图确定要查询哪些数据集。
4. 合并结果：如果多个数据集相关，请将结果合并到一个干净的JSON列表中。
5. 强劲的API 便于与网络或内部应用程序集成。

______________________________________________________________________

🚀 我的解决方案

我提供了一个全栈、生产就绪的解决方案：

1.️⃣ 多工具MCP服务器(server.py)

• 建造了一个 FastMCP 服务器暴露 五个独立的工具:

- icon_repository - internal_logos - emailer_and_newsletters - mahindra_branding_guideline - ppt_repository

• 每个工具都使用以下命令对其自己的JSON数据集执行检索增强生成（RAG） Azure OpenAI.

2.️⃣ 会话编排(main.py)

• 创建了一个FastAPI后端，该后端：

- 加载 双子座2.5 Pro 模型。 - 从以下位置读取编排流 flow.md. - 接受用户查询 /chat. - 使用谷歌的ADK LlmAgent + Runner 调用正确的MCP工具。 - 将所有文件名合并并消除重复 {"response": [...]} JSON。

3.️⃣ 智能提示流(flow.md)

• 精心设计的说明书指导Gemini：

- 检测查询意图。 - 调用所有相关工具。 - 合并输出并返回一个干净的JSON列表。

4.️⃣ 专业工程师

• 明确区分关注点： 工具, 代理，以及 流动.
• 环境驱动配置 .env.
• 结构化日志记录 日志.
• 健康检查端点(/health)用于监测。

______________________________________________________________________

🗂 使用的数据

每个工具都使用一个精心策划的JSON数据集（每次速度调用前50个条目）：

• data/icon_repository.json
• data/internal_logos.json
• data/emailer_&_newsletter.json
• data/mahindra_branding.json
• data/ppt_repository.json

这些数据集包含文件名→ 设计资产的描述映射。

______________________________________________________________________

🏆 结果和影响

• 快速检索：典型查询的端到端响应时间小于1.5秒。
• 精确匹配：Gemini以近乎完美的准确性识别正确的资产类别。
• 统一输出：返回一个经过重复数据消除的JSON文件名数组，可供UI使用。
• 满意的客户：客户称赞了该解决方案的速度、简洁的架构和可维护性。

______________________________________________________________________

🔧 技术栈

______________________________________________________________________

📂 存储库结构

.
├── main.py         # FastAPI backend & agent runner
├── server.py       # MCP tool server with 5 tools
├── flow\.md         # Orchestration prompt for Gemini
├── data/           # JSON datasets for each tool
└── README.md       # (this file)

______________________________________________________________________

🖼 使用演示

1. 启动MCP服务器

   python server.py

2. **Run FastAPI App**

uvicorn main:app --reload

3. **Query the Assistant**

curl -X POST http://localhost:8000/chat -d 'Find all Mahindra branding guidelines'

   **Response**

{ "response": ["brand_colors.pdf", "typography_guide.pdf"] }

---

## 💪 Achievements

* ✅ Delivered ahead of schedule.
* ✅ Optimized prompt engineering for multi-tool activation.
* ✅ Implemented robust logging & health checks.
* ✅ Packaged for seamless deployment in client’s environment.

---

## 📸 Images

* `images/hero-banner.png` – Project overview graphic
* `images/architecture-diagram.png` – System architecture
* `images/mcp-tools-flow.png` – Tool interaction flow
* `images/api-demo.png` – API request/response screenshot
* `images/result-screenshot.png` – Sample merged result

*(Add actual screenshots or illustrations in `images/` folder to replace placeholders.)*

---

## 👤 Author

**Hi Born**
Backend & AI Engineer
[Upwork Profile](https://www.upwork.com/) •  • [LinkedIn](https://linkedin.com/)

---

## 📜 License

This project is proprietary and delivered under client agreement.
Contact the author for collaboration or licensing discussions.