Knowledge base pro AI v Drupalu: RAG a MCP v praxi
Drupal knowledge base je místo, kde firma své znalosti spravuje, schvaluje a udržuje aktuální. AI asistent nad ní pak odpovídá z obsahu, za kterým někdo stojí, a ne z náhodných dokumentů.
V článku Jaké open source CMS zvolit pro AI knowledge base? srovnávám pět systémů. Tady jdu do hloubky u jednoho z nich: jak knowledge base v Drupalu navrhnout a jak ji napojit na AI přes API, RAG a MCP.
Proč knowledge base v Drupalu
Drupal má v jádru to, co knowledge base management potřebuje, a co se u jiných systémů často dodělává bokem:
- typy obsahu a pole: znalost je strukturovaný záznam, ne stránka s textem,
- taxonomie: oblast, produkt, cílová skupina, úroveň důvěrnosti,
- role a oprávnění: kdo smí znalost číst, upravit a schválit,
- Content Moderation a Workflows: koncept, revize, schválení, publikace,
- revize: historie změn u každého záznamu, včetně autora a data,
- vícejazyčnost: překlady drží pohromadě s originálem,
- JSON:API: obsah je dostupný strojově bez dalšího vývoje.
Pro AI z toho plyne důležitá vlastnost: u každé odpovědi lze dohledat, z jaké verze kterého záznamu vznikla a kdo ji schválil.
Model obsahu: začněte od znalostí
Nejčastější chyba je převést do knowledge base existující web. Stránky psané pro návštěvníky mají navigaci, marketingové texty a opakující se bloky; pro vyhledávání a AI je to šum.
Osvědčuje se samostatný typ obsahu pro znalostní článek s poli, která dávají smysl stroji i člověku:
| Pole | K čemu slouží |
|---|---|
| Otázka nebo téma | Jedna znalost na záznam, jasný nadpis |
| Odpověď | Samostatně srozumitelný text bez odkazů „viz výše" |
| Oblast a produkt | Taxonomie pro filtrování při vyhledávání |
| Cílová skupina | Zákazník, partner, zaměstnanec |
| Platnost | Datum revize, případně konec platnosti |
| Vlastník | Kdo za znalost odpovídá |
Kratší, samostatné záznamy se v RAG chovají lépe než dlouhé dokumenty: vyhledávání vrací přesnější úryvky a metadata umožňují odpověď zúžit na správný produkt nebo publikum.
Governance: kdo znalost schválil
AI smí pracovat jen s publikovaným obsahem. V Drupalu to zajistí schvalovací workflow: editor připraví koncept, vlastník oblasti ho schválí a teprve publikovaná revize se dostane do indexu nebo k agentovi.
Stejná pravidla platí i pro AI agenta. Může připravit návrh článku nebo revizi, ale publikaci a změny schváleného obsahu potvrzuje člověk. Drupal přitom zaznamenává, kdo co vytvořil a upravil, takže zůstává auditní stopa.
Knowledge base API: JSON:API a webhooky
Knowledge base API je první vrstva napojení. JSON:API z jádra Drupalu vystaví znalostní záznamy včetně polí, taxonomií a vztahů; oprávnění se vyhodnocují podle účtu, pod kterým se klient přihlásí.
Přes API si obsah načítá indexer pro RAG, chatbot na webu nebo jiný interní systém. Změnu obsahu může Drupal oznámit navazující službě, která záznam znovu zaindexuje, takže se index nerozchází se zdrojem.
Knowledge base RAG: vyhledávání nad obsahem
RAG (Retrieval-Augmented Generation) znamená, že AI před odpovědí vyhledá relevantní úryvky v knowledge base a odpovídá z nich. Postup má čtyři kroky:
- Výběr obsahu: do indexu jde jen publikovaný obsah určený dané cílové skupině.
- Dělení na úryvky: záznam se rozdělí tak, aby každý úryvek dával smysl sám o sobě.
- Indexace: úryvky se uloží s metadaty do vyhledávacího indexu; produkční řešení kombinují sémantické vyhledávání s fulltextem a rerankingem.
- Odpověď se zdroji: AI dostane nalezené úryvky a v odpovědi odkáže na zdrojové záznamy.
V Drupalu lze stavět na modulu AI , který propojuje Drupal s jazykovými modely a vektorovými databázemi, například Qdrant . Druhá cesta je vlastní indexer, který čte obsah přes API; hodí se tam, kde už vyhledávací vrstva existuje.
Na co si dát pozor: index je kopie obsahu. Oprávnění se v něm nevynucují sama, musí se přenést jako metadata a filtrovat při vyhledávání. Smazaný nebo odvolaný záznam musí zmizet i z indexu.
Knowledge base MCP: Drupal jako MCP server
MCP (Model Context Protocol) je otevřený standard, kterým AI agent volá nástroje vystavené jiným systémem. Modul MCP Server udělá z Drupalu MCP server s autorizací přes OAuth 2.1 a oprávněními pro jednotlivé nástroje.
Agent pak pracuje s živými daty v Drupalu, ne s kopií: vyhledá záznam, přečte aktuální revizi, připraví koncept nového článku. Oprávnění vynucuje Drupal v okamžiku volání, podle role agenta nebo uživatele, za kterého agent jedná.
| RAG | MCP | |
|---|---|---|
| Data | Kopie obsahu v indexu | Živá data v Drupalu |
| Hodí se pro | Odpovědi z velkého množství obsahu | Řízené akce a přesné dotazy |
| Oprávnění | Metadata a filtr při vyhledávání | Drupal při každém volání |
| Aktuálnost | Podle synchronizace indexu | Vždy aktuální |
V praxi se obojí kombinuje: MCP server vystaví nástroj pro vyhledávání, který volá RAG, a vedle něj nástroje pro práci s obsahem.
Jak začít
- Vymezte znalosti: jedna oblast, jedna cílová skupina, desítky až stovky záznamů.
- Navrhněte model obsahu: typ obsahu, pole, taxonomie, vlastník.
- Nastavte workflow a role: kdo píše, kdo schvaluje, co vidí AI.
- Zpřístupněte obsah přes API a postavte nad ním RAG index.
- Přidejte MCP server, až bude agent potřebovat živá data nebo zápis.
- Měřte: které dotazy zůstaly bez odpovědi a která znalost chybí.
Body 1 až 3 jsou práce s obsahem a procesy, ne s AI. Vyplatí se jim věnovat nejvíc času; model i vyhledávací vrstvu lze později vyměnit, znalosti a jejich struktura zůstávají.
Časté otázky
Stačí pro knowledge base stávající firemní web v Drupalu? Jako zdroj ano, jako model obsahu většinou ne. Znalosti je lepší vést v samostatném typu obsahu s vlastními poli a workflow; web je může dál zobrazovat.
Potřebuji RAG, nebo MCP? RAG pro odpovědi z rozsáhlého obsahu, MCP pro práci s živými daty a akce. Většina projektů začne s RAG a MCP přidá, když agent potřebuje víc než číst.
Uvidí AI i neveřejný obsah? Jen ten, ke kterému má oprávnění. U MCP to hlídá Drupal při každém volání, u RAG je potřeba oprávnění přenést do indexu a filtrovat podle nich.
Stavím knowledge base v Drupalu včetně napojení na AI; služby popisuji na stránkách Drupal vývoj a GenAI, chatboti a agenti .