NICE 认知插件

完全通过每个客户端的本地插件机制分配—— a 插件 打开 克劳德代码, (中文(简体) ), 克劳德桌面, (中文(简体) ), ChatGPT + 编码器,以及 反重力页:1 插件 打开 光标,则 代理插件- 任何兼容主机上的标准插件(基罗, (中文(简体) ), VS 代码 + 副驾驶,. )——会有更多客户前来. 每个软件包安装服务器引擎和船舶技能+代理.

连接您的 AI 助手到 识相. 大赦国际 爱普。 通过自改进循环——不离开客户端,创建,测试并改进基于LLM的AI Agents.

快速链接 : 安装 • 妇女 不断更新

特征

• 18个工作流程工具 用于代理创建、部署、包装、备份、语音设置和代理对代理(A2A)代表团
• 设置一通电话代理: 创建代理 + 流程 + AI代理 任务节点 + REST 自动结束点
• 自改进循环: 与你的经纪人交谈,评价答复,更新职务说明,重复
• 知识储存支助: 将RAG 知识库作为工具加入代理
• 浏览器语音部署: 创建带有 WebRTC 演示 URL 的语音网关端点
• 语音预览设置: 为语音体验配置支持的语音提供者
• 技能+代理人:工作流程指导自动加载作为支持客户端的技能;构建/go-live 循环作为子代理运行
• 内置文件查询: 捆绑官员 认知文件 MCP 服务器 — 您的助手在回答平台问题之前搜索并读取文档, 而不是从培训数据中猜测
• 内建速率限制,Zod输入验证,RFC 7807出错响应

安装

两步. 第1步对每个客户都是一样的. 第二步就是检查你的委托人仍然需要你的东西——对于大多数的委托人来说,这没什么,但答案在表格中,所以要检查你的委托人而不是假设.

第1步——运行安装器

一个安装器覆盖每个客户端. 运行它, 选择您的客户端, 输入您的 Cognigy API 基础 URL( 输入试运行默认值) 和 API 密钥( 按您键键), 然后重新启动客户端 .

macOS / Linux 系统 ——一行(检查Node.js,然后运行安装器):

bash <(curl -fsSL https://raw.githubusercontent.com/Cognigy/cognigy-plugin/main/install.sh)

视窗( PowerShell) - 打开为 署长,则:

irm https://raw.githubusercontent.com/Cognigy/cognigy-plugin/main/install.ps1 | iex

靴子陷阱只检查Node.js 20+的存在(它告诉你如果不安装它——它永远不会为您安装它),然后准确运行下面的命令. 随你喜欢使用,他们也这样做.

已经 节点.js 20+跳过靴子:

npx -y -p @cognigy/plugin-engine@latest cognigy-setup

步骤2——检查客户行

安装者会给您在任何地方的证书打电线,并在任何可能的地方安装插件,但有些客户端需要您手动一步. 在下面找到你的客户 然后做什么 安装器后的额外步骤 说.. 无 表示第1步完成了任务. 每个指南都有完整的指令,Windows注释,如何验证它的工作,以及排除出故障.

光标是一个完全不需要安装器的客户端:它自己收集您的证书,这样您就可以从它的向导开始跳过步骤一.

^1个 Claude Code为第三方市场提供自动更新服务 /plugin → Marketplaces → cognigy-plugin。 。 。 . ^2个 Cursor要求证书本身(Plugins → Capital),所以不需要安装器——参见它的向导. ^3个 主机拥有插件版本.

npx -y -p @cognigy/plugin-engine@latest cognigy-setup \
  --client claude-code --client claude-desktop --client codex \
  --client antigravity --client other-hosts \
  --api-base-url https://api-trial.cognigy.ai --api-key <key>

不断更新

见 自动更新 在上表中的栏中,列出每个客户端自行做的事情。 而不是等待客户注意到:

npx -y -p @cognigy/plugin-engine@latest cognigy-setup update

安装者作为管理器双倍:

npx -y -p @cognigy/plugin-engine@latest cognigy-setup status      # what's installed, per client, + latest available
npx -y -p @cognigy/plugin-engine@latest cognigy-setup update      # pull the latest where it isn't automatic
npx -y -p @cognigy/plugin-engine@latest cognigy-setup uninstall   # remove from every client (--client narrows it; --purge also clears ~/.cognigy-plugin)

在MCP工具之外,插件船 技能 财务报告和审定财务报表 代理人 自动显示工作流程:

• 技能 (单位:千美元)/skills)——每个工作流程一个(代理创建,知识/RAG,语音网关,语音上线核对表,网络聊天,流节点,软件包,设置,LLM提供者,工具,红色团队,故障排除等). Claude 自动装入匹配的技巧, 当您的请求适合时。 红队在您的主要会话中运行——而不是作为副代理——这样它就可以约定范围合同,在应用修正之前获得批准,并为您打开完成报告.
• 探员 (单位:千美元)/agents(b) —— cognigy-agent-builder 运行新代理的完整构建和测试循环 cognigy-voice-go-live 对Go-Live核对表的语音代理进行审计,并应用安全修复。 每一个都按自己的背景进行,并报告一个摘要.

配置

这个 安装器 收集你的 认知 API 基础 URL 财务报告和审定财务报表 API 密钥 给每个客户端电线:根据克洛德密码输入系统 键盘链在 Claude 桌面上输入 claude_desktop_config.json (单位:千美元)chmod 600) (中文(简体) ). 引擎作为环境变量接收它们. 如果某一次发射都丢失了,引擎会回到 ~/.cognigy-plugin/config.json (单位:千美元)chmod 600)),安装者也写着——所以从环境出发的证书决心,然后是那个文件. ChatGPT + Codex, Antigravity, 和其他主机完全依赖于该文件:他们的客户端配置没有秘密.

一个未扩展的值 ${...} 占位符计算为缺失。 Claude代码以外的主机不执行 userConfig 并传递清单 ${user_config.cognigy_api_key} 从字面上; 将它视为真正的证明, 既会失败请求, 也会阴影文件的倒置。 下面的可选变量可以设置在 MCP 服务器中 env 如果您需要覆盖默认值.

审计归属

此插件更改记录在 行政中心 审计活动 与 performedBy.actor = "mcp-plugin",所以插件制造的更改可以区别于手动更改的人(手动更改不包含 performedBy) (中文(简体) ). 每个 MCP 工具呼叫都有它自己的 taskId 和每个引擎运行自己的 sessionId,所以一个工具调用组的写作在一起.

需要Cognigy.AI 2026.17.0或更新;更古老的版本忽略了归属,正常记录动作. 在UI的"由"一栏 门在平台后面 FEATURE_ENABLE_PLATFORM_AGENT_MFE 标记,但归属总是被记录 并且总是可以通过 list_resources { resourceType: "audit_event", actor: ["mcp-plugin"] }。 。 。 .

设定 COGNIGY_DISABLE_AUDIT_ATTRIBUTION=1 以选择退出;然后将插件动作记录为 API 动作.

公司代理人

如果您的网络需要代理, 请设置在 MCP 服务器中 env 块(或在启动客户端前导出它)和插件隧道

"env": {
  "HTTPS_PROXY": "http://proxy.corp.example:8080",
  "NO_PROXY": "localhost,127.0.0.1",
  "NODE_EXTRA_CA_CERTS": "/etc/ssl/certs/corporate-root-ca.pem"
}

小写拼写(https_proxy与URL中的证书一样工作(http://user:[email protected]:8080. HTTP 和 HTTPS 代理支持; SOCKS 代理不支持.

代理是按请求选择的,所以 NO_PROXY 可以排除一个主机,而另一个主机仍然通过代理机——一个包下载链接,例如,在平台设置存档的任何地方的点数,而不是API主机.

如果一个代理被配置但无法使用——一个错误的URL,或者一个 SOCKS 代理——请求 配置错误失败 而不是悄悄地直接连接, 它会把你的 API 密钥发送到批准路径之外。 排除主机为 NO_PROXY 如果你真的想要一个直接的连接.

一个接受连接,然后永远不完成隧道的代理,否则会无限期地挂起一个工具呼叫,因此连接和谈判被限制在30秒. 提升 COGNIGY_PROXY_CONNECT_TIMEOUT_MS 如果您的代理仅仅是缓慢.

如果您的代理检查 TLS (Zscaleer,Netskope,BlueCoat等),它提出自己由公司根CA签名的证书,而节点默认不信任. 点 NODE_EXTRA_CA_CERTS 在 CA 文件上——节点只在启动时读取,所以之后重新启动客户端. 从来没有设置 NODE_TLS_REJECT_UNAUTHORIZED=0 代替; 这样会禁用对引擎每次连接的证书验证 .

为确认引擎提取了设置, 设置 LOG_LEVEL=debug 寻找 Cognigy API requests route through a proxy 在您的客户端的 MCP 日志。 GUI客户端(Claude Desktop, Antigravity)启动引擎时环境最小,往往不会继承您 shell 的代理变量,因此将其设置在配置文件中而不是您 shell 配置中.

自行托管和地方集群

引擎对不止一个认知主机进行交谈: API for everything, 端点主机为 talk_to_agent,用于嵌入片段的网络聊天和静态主机。 其他三个来源于 COGNIGY_API_BASE_URL 通过互换 api 段次 - api-dev.cognigy.ai 给 endpoint-dev.cognigy.ai, (中文(简体) ), cognigy-api-na1.nicecxone.com 给 cognigy-endpoint-na1.nicecxone.com,而本地集群的 api.test 给 endpoint.test。如果您的主机名称没有遵循此模式,则设置 COGNIGY_ENDPOINT_BASE_URL, (中文(简体) ), COGNIGY_WEBCHAT_BASE_URL 财务报告和审定财务报表 COGNIGY_STATIC_FILES_BASE_URL 明确;引擎启动时警告(Could not derive the endpoint host当它不得不倒回API主机时.

为自签名证书服务的集群被拒绝 DEPTH_ZERO_SELF_SIGNED_CERT,因为节点不咨询操作系统信任商店。 点 NODE_EXTRA_CA_CERTS 在证书(或签发证书的本地 CA)中,与上面的TLS-检查代理完全相同.

用法实例

1. 设立客户支助代理

Create a Cognigy AI Agent called "Support Bot" in project <projectId> with a helpful
customer support persona. If the project has no working LLM, first look for another
project with an llm_model that has a connectionId, import that LLM and its connection
via manage_packages, and only fall back to setup_llm if no reusable LLM exists.
Return the endpoint URL only after the project has a confirmed working LLM.

MCP服务器应先检查目标项目是否已经具有工作LLM. 如果不是,它更倾向于重新使用所需的LLM资源集,加上它从另一个项目产生的连接资源 manage_packages,仅使用 setup_llm 作为打电话前的最后手段 create_ai_agent。 。 。 .

2. 测试和改进制剂

Talk to my Support Bot at <endpointUrl> and ask "How do I reset my password?".
Then update the job description to make the response more concise and actionable.
Talk to it again and compare the responses.

这触发了自改进循环: talk_to_agent 评估 update_ai_agent → talk_to_agent 再来一次.

3. 为RAG添加一个知识库

Create a knowledge store in project <projectId>, add the URL
https://docs.example.com/faq as a source, then attach it to my Support Bot
so the agent can search it when answering questions.

服务器会呼叫 manage_knowledge 创建商店并吞入 URL, 接下来 create_tool 把它作为代理工作的知识搜索工具 节点.

如果项目将使用知识搜索, 服务器应首先配置 知识AI 设置 manage_settings { operation: 'set_knowledge_ai', ... } 使用同一工程的模型标识.

对于正常的AI代理知识流来说,应该在 manage_knowledge { operation: 'create_store', ... }。 。 。 .

模式角色不同:

• 知识库本身需要一个能嵌入的指数模型.
• knowledgeSearchModelId 是一个单独的用于搜索的知识 AI 设置 行为,但被接受的模型类型是依实例而定的.
• 如果重用另一个项目的知识设置,请确定确切的源项目 Knowledge 搜索模式, 并先导入到目标项目中 第一个 set_knowledge_ai 尝试.
• 导入一个通行证中的全部所需知识模式。 如果嵌入 模式,知识搜索模式,代理模式共享一个连接,传输 和所有这些模型一起的单一连接.
• 在将 LLMS 导入目标项目后, 列出目标 项目的 llm_model 资源,并先尝试那些相同的项目ID 创建新模式.
• 具体用于知识搜索, 使用 list_resources 与 resourceType: 'llm_model' 财务报告和审定财务报表 useCase: 'knowledgeSearch' 这么说 候选人匹配设置 UI 下放而非未过滤 全项目LLM列表.
• 不替换新式或通用型号 knowledgeSearchModelId 除非用户明确要求该候选人和现有的同一项目候选人 已经失败 API 验证 .
• 如果目标缺少精确的源项目知识搜索模式 工程,在尝试不同的模型之前导入它.
• 如果所有同一项目候选人都失败,请报告准确的尝试型号ID 和 API 错误,而不是声称平台边错误 .
• 不要将未试模型描述为"可能"不支持或拒绝.
• 将实例中的模型名称仅作为实例,而不是作为真理的来源.

4. 列出所有项目和代理人

List all my Cognigy projects and show which AI Agents exist in each one.

用途 list_resources 与 resourceType: 'project' 财务报告和审定财务报表 resourceType: 'agent'。 。 。 .

5. 向项目导入包件

Upload the package at /absolute/path/to/support-bot.zip into project <projectId>,
show me the import preview, then import it using the default selections.

用途 manage_packages 与 operation: 'upload_and_inspect',则 operation: 'import'。 。 。 .

6. 从项目资源中导出一揽子

Create a package named "support-bot" from these resource IDs in project <projectId>,
include dependencies, and save the zip to /absolute/path/to/exports/.

用途 manage_packages 与 operation: 'list_exportable' 然后发现候选人 operation: 'export',则 operation: 'download' 需要的时候.

7. 配置语音预览并创建一个浏览器语音端点

Set the voice preview provider for project <projectId> to Microsoft, then create
a Voice Gateway endpoint for flow <flowId> named "Support Voice" and give me the
WebRTC demo URL I can open in the browser.

这个用 manage_settings 与 operation: 'set_voice_preview' 配置语音,然后 manage_voice_gateway 规定a voiceGateway2 结尾为 a webrtcDemoUrl。 。 。 .

8. 配置用于搜索的知识AI设置

Configure Knowledge AI settings for project <projectId> by setting the Knowledge Search
model and the Content Parser. If I am creating a new project and another project already
has a working knowledge setup, reproduce that exact Knowledge Search model and Content
Parser choice in the new project before trying generic defaults.

这个用 manage_settings 与 operation: 'set_knowledge_ai' 要配置 knowledgeSearch 财务报告和审定财务报表 contentParser 在项目设定一级。 重用 设置并不意味着仅复制另一个工程的设置; 需要 模型必须首先存在于目标项目中,要么通过导入,要么在那里创建. 对于知识工作流程,MCP应导入所需的全套源项目模型集 在一个通道中,重复使用共享连接仅一次,并尝试导入的同项目模式 回归前的身份证 setup_llm。 。 。 .

工具

详细的工作流程指导(代理创建、知识/RAG、语音、网络聊天、A2A、流程节点、软件包、设置、LLM供应商、工具、故障排除) 技能 当您的请求匹配时, 在支持它们的客户端中自动加载( 如 Claude Code) —— 见 技能 在客户端表格中的列 安装。这些工具是用来使用这些技能的:如果助手跳过步骤或得到一个认知工作流程错误,则检查这些技能是否被加载(Claude Code, /skills 列出它们),如果缺少,则重新安装插件.

警卫

• API 密钥通过环境变量传递,从未登录
• 所有输入在到达 API 之前使用 Zod schemas 验证
• 为防止滥用API, 规定了限制费率

隐私政策

这个 MCP 服务器向 Cognigy 发送请求 。 AI API 端点通过配置 COGNIGY_API_BASE_URL。这个 MCP 服务器本身没有收集、存储或共享数据——所有数据都保留在你的AI客户端和你的认知之间。 AI实例.

全面隐私政策: https://www.cognigy.com/privacy-policy 互联网档案馆的存檔,存档日期2013-12-22

支助

• 问题数字 : GitHub 问题
• 文档: 见 docs/ 文件夹

文档

• 文件/安装/ ——每个客户安装指南(克劳德代码, (中文(简体) ), 克劳德桌面, (中文(简体) ), ChatGPT + 编码器, (中文(简体) ), 反重力, (中文(简体) ), 光标, (中文(简体) ), 其他主机(中文(简体) )
• 文献/档案 ——工具设计,自修循环,ID格式
• 文件/用户 详细使用情况参考
• 文件/测试 ——如何测试插件和本地引擎构建
• 文件/捐款 ——发展设置和贡献指南

许可证

麻省理工学院