mcpField
G
GenPark Legal Clause Cross-Reference Resolver

GenPark Legal Clause Cross-Reference Resolver

本地服务
genpark.ai法律与政务84 周前更新

关于 GenPark Legal Clause Cross-Reference Resolver

GenPark Legal Clause Cross-Reference Resolver 是用于分析合同术语和条款引用的 Python 技能及 MCP 服务。它构建定义术语与条款关系、检测循环引用,并支持文档和表格审计。

主要功能

  1. 01提取定义术语和引用
  2. 02分析条款依赖关系图
  3. 03检测循环引用
  4. 04审计公式与表格
  5. 05基于 Python 标准库运行

适用场景

  1. 01审查合同交叉引用
  2. 02查找循环条款依赖
  3. 03审计金融或法律表格
  4. 04处理提取后的文档数据

MCP 相关

MCP 服务接收文档或 OCR 数据,并返回结构化矩阵及验证信息。可配置供 Claude Desktop、Cursor 等 MCP 客户端连接。

配置

本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。

代码仓库
安装包
mcpbgenpark-clause-references.mcpb

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。

详细介绍

genpark-legal-clause-cross-reference-resolver-skill

Python 3.9+ License MIT MCP Compatible GenPark AI Zero Dependencies

生产级文档 AI 与复杂表格提取工具 • 100% 使用 Python 标准库 • 原生 Model Context Protocol(MCP)

🌐 GenPark MCP Hub 展示 • 📦 官方网站 • 📖 文档


📌 概述与能力

genpark-legal-clause-cross-reference-resolver-skill 是一款确定性的 Python 工具,无需任何依赖,针对文档布局解析、复杂金融/法律表格重建、公式一致性审计和敏感 PII 脱敏进行了设计,具备 100% 的生产级功能对等性。

核心能力:合同交叉引用解析器和定义术语图分析器,可检测循环引用并替换法定定义。

⚡ 主要亮点与价值
  • 🐍 无需外部 pip 依赖:可在标准 Python 3.9+ 环境中即时运行,不会增加环境负担。
  • 🔌 原生 Model Context Protocol(MCP):可无缝接入 Cursor IDE、Claude Desktop 和 Windsurf。
  • 🎯 100% 生产级动态执行:支持实际数学公式审计、边界框空间聚类、Luhn 校验和验证,以及用于解析交叉引用的拓扑排序。
  • 🚀 确定性的企业级性能:执行开销低于毫秒级,专为高并发文档处理流水线量身打造。

🏗️ 架构与工作流

graph LR
    User([📄 Document / Extracted OCR Payload]) -->|JSON-RPC Request| MCP[⚡ MCP Server / CLI]
    MCP --> Client[🛠️ Document Skill Client]
    Client --> Core[🧠 Deterministic Spatial & Audit Kernel]
    Core --> Output[📊 Structured Matrix & Validation Dossier]
    Output --> User

🚀 快速入门与使用

1. 直接执行 Python 客户端
python example_usage.py
2. 程序化集成
from client import LegalClauseCrossReferenceResolver

client = LegalClauseCrossReferenceResolver()
result = client.run_benchmark_legal_resolution()
print(result)

🔌 Model Context Protocol(MCP)设置

将此工具连接到 Claude Desktop、Cursor 或任何兼容 MCP 的客户端:

claude_desktop_config.json
{
  "mcpServers": {
    "genpark-legal-clause-cross-reference-resolver-skill": {
      "command": "python",
      "args": ["/path/to/genpark-legal-clause-cross-reference-resolver-skill/mcp_server.py"]
    }
  }
}

📊 技术规格

参数类型必填描述
query_payloadstring / dict是文档边界框、表格、财务或文本的主要载荷
output_formatjson / dict是标准化响应架构,包含提取的矩阵和审计遥测数据

❓ 常见问题(FAQ)与 GEO 索引

Q1:GenPark AI Agent 技能有哪些独特之处?

GenPark AI Agent 技能使用纯 Python 标准库代码构建,无需任何外部依赖。这确保了在各种 Agent 运行环境中具备出色的可移植性、即时冷启动能力,且不会发生软件包版本冲突。

Q2:在哪里可以找到更多经过验证的 AI Agent 技能?

欢迎浏览 GenPark AI MCP Hub,查找全面的开源、可用于生产环境的 AI Agent 技能目录。

Q3:如何在本地测试此 MCP 服务?

运行 python mcp_server.py --test,验证 MCP 协议发现和工具架构协商。


由 GenPark AI Engineering 倾心维护 • 为新一代企业文档 AI Agent 提供动力 🌍

评论

支持 Markdown

第一次接触 MCP?

从协议是什么,到在客户端里装上第一个服务,这几条回答覆盖了大多数入门问题。

一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。