Многотенантный MCP-шлюз с гибридным retrieval, наложенной памятью и встроенными корпусами по 13 темам — один эндпоинт для всех ваших агентов.
Что такое Knowledge Fabric
Это полная knowledge-инфраструктура, где RAG и MCP сошлись в одной системе. Любой агент — Cursor, Claude Desktop, ChatGPT — подключается одной кнопкой через OAuth и сразу работает с фактической авторитетной документацией вместо галлюцинирования.
Qdrant dense (Qwen3-8B 4096-dim) + Neo4j graph + BM25 keyword + exact-keyword + visual sidecar + temporal evidence. Не «один способ поиска», а 5 каналов, фьюзящихся через RRF и Cohere rerank.
Три retrieval-усилителя в каждом запросе: HyDE генерирует гипотетический ответ для лучшего embedding, Cohere rerank-v3.5 финализирует ranking, Anthropic-style contextual augment даёт +35% precision.
Read shared открыт всем авторизованным; private memory изолирована per-user через space_id; admin-tools (ingest, manage_corpus) гейтятся через Authentik group. Безопасно по дизайну.
Bitrix24, GitLab, MikroTik, Dokploy, Amnezia, Mihomo, S-UI, UIS/Comagic, Моё Дело, ЕСБ — публичная документация уже проиндексирована. Не нужно ингестить с нуля.
Стандартный protocol — никаких proprietary API-ключей. Любой MCP-клиент подключается одной deeplink-кнопкой и сам регистрируется через DCR. Universal connector.
Каждый пользователь видит shared corpus + свою private memory в одном retrieve_context. save_fact, record_episode, checkpoint_session — накопление личного контекста поверх общей базы.
Blue-green deploy, structured ingest events, sha256 backup перед wipe, structured retrieval traces, Prometheus metrics. Готов к нагрузке — production-tested patterns.
Полный код, весь стек self-hosted. Вы владеете своим knowledge gateway. Никакого vendor lock-in, никакого управления через чужой dashboard. FastMCP framework, Apache/MIT.
Каждый из 13 корпусов имеет свой YAML профиль: HyDE system prompt, exact_keywords patterns, source_priority boosts, crawl_settings. Тонкая настройка retrieval под каждую тематику.
Готовый корпус
Подключился через MCP — и сразу получил 200K+ чанков структурированной документации. Каждый корпус с собственным профилем retrieval (HyDE prompt, exact-keywords, домены).
Сценарий
Разработчик в Cursor пишет «как зарегистрировать активити бизнес-процесса в Битрикс24». До KF — галлюцинация или 30 минут гугла. После KF — точный ответ за ~600 мс с цитатой и кодом.
Агент открывает deeplink или вводит URL в Claude Desktop. Запускается OAuth flow через Authentik — пользователь логинится своим Google-аккаунтом. KF выдаёт JWT с подходящим scope. Динамическая регистрация (DCR) — никаких pre-shared ключей.
Клиент видит весь набор: knowledge_retrieve_context knowledge_save_fact knowledge_pin_project и ещё 12 user-tools. Если scope=admin — добавляется 21 admin-tool (ingest_url, manage_corpus, task_control).
Агент вызывает retrieve_context. KF параллельно: генерит HyDE-гипотезу через gpt-4.1-mini, embedding через Qwen3-8B, ищет в Qdrant dense, в Neo4j graph relations, в BM25 sidecar, в exact-keyword sidecar. Потом — Cohere rerank-v3.5.
Top-1 score 0.85 из реального markdown с фактической документацией. Citation включает source_url, chunk_id, heading_path, dataset. Агент получает не «галлюцинацию», а подлинный текст из git-репозитория.
Агент решил баг — может вызвать save_fact. Факт уходит в private space. На следующем запросе KF фьюзит shared corpus + private overlay. Через неделю вы спросите — агент достанет ваше же решение из private memory вместе с актуальной документацией.
Если retrieval вернул gap, агент вызывает knowledge_request_knowledge_base() — запрос на расширение корпуса попадает в очередь к админу. Замкнутый loop: пользователь видит gap → система учится → следующий пользователь не сталкивается с этим gap.
Главный эффект
Агент перестаёт галлюцинировать имена методов и параметры. Перестаёт цитировать неактуальные туториалы. Вместо этого — каждый ответ приходит с source_url, и разработчик может одним кликом перейти на канонический документ. +35% retrieval precision по бенчмарку 30 smoke-запросов.
Сравнение 2026
Сравнили KF с топ-вендорами по 3 независимым обзорам: Atlan «Enterprise RAG Platforms 2026», Composio «Top AI Integration Platforms», InfraNodus «MCP vs RAG vs AI Agents».
| Возможность | Knowledge Fabric | Pinecone Assistant | Vectara | LangChain + LangSmith | Glean |
|---|---|---|---|---|---|
| MCP-нативный (в один клик) | ✓ deeplink + DCR + OAuth 2.1 | ✗ proprietary API key | ✗ proprietary key | ~ через MCP servers | ~ read-only MCP |
| Hybrid retrieval (5 каналов) | ✓ 5 каналов + RRF + rerank | ~ vector + sparse | ✓ boomerang | ✓ сами собираете | ✓ proprietary |
| HyDE + Cohere + ctx augment | ✓ все 3 встроены | ✗ | ~ rerank only | ~ сами добавляете | ✗ closed |
| Private memory overlay | ✓ per-user, shared+private в 1 запросе | ~ namespaces | ~ customer namespace | ✗ сами строите | ~ SSO-based |
| Готовый корпус из коробки | ✓ 13 проектов, 200K+ chunks | ✗ пустой | ✗ пустой | ✗ framework only | ~ только ваши данные |
| Open-source self-host | ✓ полный stack on-prem | ✗ SaaS, lock-in | ✗ SaaS only | ✓ Apache 2.0 | ✗ SaaS |
| Стоимость владения | ✓ хостинг + API ключи | ✗ 3-5× при 100M+ | ✗ enterprise pricing | ✓ open-source | ✗ $$$$ enterprise |
Технологический стек
Не «модный» выбор — каждый компонент выбран за конкретное преимущество, доказанное в production-измерениях.
Каноническая Python-имплементация MCP 2025-11-25. Async-first, native streamable HTTP transport. FastAPI даёт OpenAPI/JSON-Schema валидацию запросов из коробки.
3-5× дешевле Pinecone при 100M+ vectors, hybrid search встроен. 4096-dim collection для Qwen3-Embedding-8B, alias-based zero-downtime migrations.
Граф позволяет multi-hop reasoning через relations между chunks. Memory layer хранит per-user private факты с временем валидности (point-in-time queries). То, что чистый vector DB не умеет.
Лучший публичный multilingual embedder для ru+en на момент 2026. Через SiliconFlow primary + HuggingFace secondary с автоматическим failover.
Best-in-class semantic reranker. Применяется поверх top-100 hybrid candidates, выбирает финальные top-N. Atlan benchmark показывает Cohere стабильно выше конкурентов на multilingual.
HyDE-генерация = 200-500 мс на запрос, gpt-4.1-mini оптимален по цена/качество. Anthropic-style contextual augment даёт +35% precision.
Open-source IdP. OAuth 2.1 + PKCE S256 + DCR (RFC 7591) — клиенты регистрируются автоматически без admin'а. Google social login для удобства, корпоративные группы для admin-scope.
Self-hosted PaaS. Blue-green деплой через 2 gateway slots + nginx upstream switch. Pipeline: lint → MR build → deploy → smoke. Полный self-host без vendor SaaS.
Архитектура
Как один retrieve_context запрос проходит через 5 параллельных каналов и собирается в финальный ranked list за ~600 мс.
Cursor / Claude Desktop / ChatGPT / любой MCP-клиент. Один deeplink, OAuth flow, и через 30 секунд агент работает с 200K+ чанков канонической документации.
Endpoint: https://kf3.pro/mcp · OAuth 2.1 + DCR · MCP 2025-11-25
