Asennus- ja määritysopas

Tämä opas käy läpi koko Intranet-crawlerin asennusprosessin alkaen alustavasta asetuksesta aina työkalun aktivoimiseen assistenteillesi. Asennus vaatii yhteistyötä Intricin teknisen tiimin kanssa — itsepalvelu-onboarding-virtaa ei ole.

Toiminnallisuuksien ja turvallisuuden korkean tason yleiskatsaukseksi lue alla oleva artikkeli.

Intranet-crawler

Lue lisää

Ennen asennusta

Varmista ennen asennusta seuraavat asiat:

• Olet tunnistanut, mitkä intranet-sisällöt halutaan indeksoitavan
• Olet luonut tai tunnistanut palvelutilin (tai sisäänkirjautumistilin), jolla on asianmukaiset oikeudet intranetissäsi
• Intranettisi on saatavilla HTTPS-yhteyden kautta
• Ymmärrät intranetisi varmennusvaatimukset

Vaihe 1: Pääse crawlerin adminpaneeliin

Siirry osoitteeseen https://mcp-servers.intric.ai/<asiakas>-intranet/admin selaimessasi. Paneeli on suojattu HTTP Basic -varmennuksella — käytä onboardingin aikana antamiasi tunnuksia. Paneeli on ruotsinkielinen, ja siinä on englannin kielen vaihtoehto.

Huom: MCP-endpoint osoitteessa https://mcp-servers.intric.ai/<asiakas>-intranet/mcp on erillinen IP-pohjainen pääsylukko. Jos et voi saavuttaa paneelia, varmista Intriciltä, että tulevat IP-osoitteet ovat sallittujen listalla.

Vaihe 2: Varmista palvelimen määritys

Crawler on jo määritetty sen palvelimen URL-osoitteella onboardingin aikana. URL noudattaa muotoa https://mcp-servers.intric.ai/<asiakas>-intranet/mcp, jossa <asiakas> on asiakastunnuksesi (esim. /varberg-intranet, /lidkoping, /oslo).

Jos suoritat crawleria omassa clusterissasi, URL noudattaa omaa infrastruktuurimalliasi.

API-avaimesi — 365 päivää voimassa oleva allekirjoitettu token, joka Intric-insinööri on luonut asiakkaan deploymentin salaisuudesta — on jo määritetty. Et voi uudelleengeneroida sitä itse — ota yhteyttä Intric-tukeen, kun se on uusittava.

Vaihe 3: Määritä crawlerin kohteet

Crawlerin adminpaneelissa siirry Kohteet-osioon.

Määrität kaksi asetusta:

URL-ennakkoteksti

Aseta url_filter_prefix yksittäiseksi ennakko tekstiksi. Tämä on polku, jota crawler seuraa. Syötä intranettisi juuri-URL tai tietty osa-alue.

Esimerkki:

url_filter_prefix: https://intranet.yrityksesi.fi/kayttoohje

URL-estot

Aseta exclude_url_patterns aliverkkomallien listaksi. Mikä tahansa URL-osoite, joka sisältää yhden näistä aliverkoista, jätetään pois. Ei glob-syntaksia — nämä ovat yksinkertaisia aliverkko-osumia.

Esimerkki:

exclude_url_patterns:
  - /arkisto/
  - /luonnokset/

Nämä asetukset kirjoitetaan tiedostoon /data/crawler_config.json deploymentissa.

Vaihe 4: Määritä crawlerin varmennus

Crawler tukee lomakepohjaista sisäänkirjautumista intranettiisi. Se käsittelee:

• Yleiset CMS-kirjautumislomakkeet
• Sitevision-portaalit
• Monivaiheiset Azure AD / Entra SAML -virrat, mukaan lukien “Pysy kirjautuneena?” -välilehdet

Syötä tunnukset, joita crawlerin tulee käyttää. Jotkin deploymentit crawleroivat julkisia sivustoja ilman minkäänlaista sisäänkirjautumista.

Tuetut tiedostotyypit: Crawler tunnistaa ja indeksoi .docx, .xlsx, .pdf ja .txt-tiedostot. Huomaa, että .doc- ja .xls-tiedostot tunnistetaan, mutta hiljaa ohitetaan. Dokumentin uuttamisella on seuraavat rajat:

• 10 MB hardkooodattu latausraja dokumenteille
• 20 MB määritettävä kokoraja (per-deployment-ympäristömuuttuja)
• PDF-tiedostoja luetaan vain sivulle 20 asti
• Uutettu teksti katkeaa 300 000 merkkiin

Ei tuettu: Crawler ei käsittele CAPTCHAa tai laitepohjaista kaksivaiheista varmennusta.

Vaihe 5: Dokumentin uuttamisen asetukset

Crawlerin adminpaneelissa on vain yksi dokumentin uuttamisen ohjaus: päälle/pois-ruksi. Tiedostotyypit ovat hardkoodeja (ks. yllä). Kokorajat asetetaan per-deployment ympäristömuuttujien kautta, ei käyttöliittymän kautta.

Vaihe 6: Aseta crawlerin aikataulu

Oletuksena täysi crawler ajetaan kerran päivässä klo 02:00 UTC.

Toinen ajoitettu tehtävä suorittaa inkrementaalisen uutiscrawlin joka 30. minuutti. Välitilan muuttaminen vaatii podin uudelleenkäynnistyksen.

Esikäsitetyn datatilan tapauksessa päivitykset ovat manuaalisia — lähetä uusi tiedosto, kun sisältö muuttuu. Ajoitetut crawlerit ohitetaan kokonaan tässä tilassa.

Vaihe 7: Testaa crawler

Crawlerin adminpaneelissa on neljä painiketta testausta varten:

• Täyscrawle — crawleroi kaikki määritetyt kohteet
• Testicrawle (yksi sivu) — crawleroi yhden sivun varmistaaksesi määrityksen
• Uutiscrawle — käynnistä inkrementaalinen uutiscrawle
• Lisälähteet-crawle — crawleroi lisämääritetyt lähteet

Nämä ovat ainoat toiminnallisuudet paneelissa. “Validate connection” -painiketta ei ole.

Vaihe 8: Ota työkalu käyttöön assistenteillesi

Kun määritys on valmis ja testattu:

1. Siirry Työkalut-osioon Intric Space:ssä
2. Etsi Intranet-crawler käytettävissä olevien työkalujen listasta
3. Ota se käyttöön assistenteille tässä Space:ssä
4. Määritä turvallisuusluokituksen asetukset tarvittaessa

Työkalu on nyt käytettävissä.

Korjausten hallinta

Crawlerin adminpaneelissa siirry korjausten osioon, jossa näkyy odottavien korjausten merkki.

Vaihtoehdot jokaiselle odottavalle korjaukselle:

• Hyväksy — Indeksoi korjaus välittömästi. Hyväksytyt korjaukset saavat etusijan käsiteltyä sisältöä vastaan tulevissa vastauksissa.
• Muokkaa — Muokkaa korjausta ja hyväksy se yhdellä toiminnolla.
• Hylkää — Kieltäydy korjauksesta.

Vianmääritys

Ongelma	Ratkaisu
Paneeliin ei pääse	Varmista, että tulevat IP-osoitteet ovat sallittujen listalla — ota yhteyttä Intric-tukeen
Crawler ei palauta sivuja	Tarkista crawlerin kohteet ja URL-estot; varmista crawler-tilin oikeudet
Crawler on hidas	Vähennä crawlerin syvyyttä (oletus 3) tai rajoita URL-estoja; tarkista nopeusrajoitus
Varmennus epäonnistuu	Tarkista lomakkeen kirjautumisen määritys; crawler ei tue Basic authia kohteisiin
Korjaukset eivät näy	Varmista, että correct_intranet_answer-toiminto on aktivoitu assistentissa

Crawler-lokit kirjoitetaan podin tuotantoon ja ne luetaan kubectl:n avulla — tämä on Intric-insinöörin toiminto, ei asiakasrajapinta. Käyttöliittymässä ei ole lokinäyttöä.

Apua

Jos kohtaat ongelmia asennuksen aikana tai tarvitset apua, ota yhteyttä Intric-tukeen:

• Asiakastunnuksesi (adminpaneelin URL-osoitteen polkuosa)
• Ongelman kuvaus
• Mahdolliset virheilmoitukset, joita näet