Banyak pengetahuan bisnis tersimpan dalam email, dan bagian yang Anda butuhkan biasanya ada dalam lampiran: kutipan, amandemen yang ditandatangani, jadwal yang direvisi. GroupDocs.Search.Mcp, yang dijalankan secara lokal di Docker, membuka file email dan arsip (PST, OST, MSG, EML) serta mengindeks setiap pesan dan setiap lampiran, sehingga Claude Desktop, Cursor, atau Copilot dapat mencari arsip secara langsung dan menyebutkan secara tepat lampiran mana yang menjadi sumber kecocokan:

Indeks folder email. Pesan mana yang menyebutkan kenaikan harga, dan apa sebenarnya yang dikatakannya?

Versi langkah‑demi‑langkah dengan konfigurasi dan pemecahan masalah ada dalam dokumentasi: Cara mencari arsip email dan lampiran dengan agen AI, secara lokal.

Mengapa email sulit bagi agen?

Karena sebuah arsip adalah wadah di dalam wadah. Sebuah PST menyimpan folder, folder menyimpan pesan, pesan menyimpan lampiran, dan lampiran berupa file Word, PDF, serta spreadsheet secara terpisah. Agen dengan alat file melihat satu file biner besar. Mengekspor arsip ke file terpisah terlebih dahulu memang berhasil, tetapi prosesnya lambat, menggandakan data sensitif ke disk, dan harus diulang ketika arsip berubah. Dan model tidak dapat membaca PST sama sekali.

Mesin pencari menangani penumpukan tersebut secara otomatis. Setiap pesan dan setiap lampiran menjadi item yang dapat dicari, dan hasil mencatat baik lokasi kontainer maupun di dalamnya tempat kecocokan ditemukan.

Seperti apa kecocokan di dalam lampiran?

Berikut ini hasil yang dikembalikan server dalam pengujian kami dengan tiga pesan EML. Frasa “price increase” muncul hanya di dalam kutipan Word yang dilampirkan pada salah satu pesan; isi pesan hanya mengatakan “please find the updated quotation attached”.

-> add_to_index {"documentsPath":"mail","indexName":"mail"}
<- Indexed 'mail' into index 'mail': 3 document(s) added, 3 in the index.

-> search {"query":"\"price increase\"","indexName":"mail"}
<- { "documentsFound": 1, "documents": [
     { "filePath": "mail/2026-09-18-re-q3-pricing.eml",
       "innerPath": "quotation-Q-2026-118.docx",
       "occurrences": 1 } ] }

-> get_text_fragments {"query":"\"price increase\"","indexName":"mail"}
<- === mail/2026-09-18-re-q3-pricing.eml → quotation-Q-2026-118.docx
   (1 occurrence(s)) ===
     …Due to raw material costs we announce a price increase
   of 6 percent from 2026-11-01.…

filePath adalah pesan; innerPath adalah lampiran. Agen dapat menjawab “pesan Re: Q3 pricing dari Contoso, dalam kutipan terlampir Q-2026-118: kenaikan 6 persen mulai 1 November”, dan setiap bagian dari kalimat itu dapat dilacak.

mail/2026-09-18-re-q3-pricing.eml          <- filePath
  |- body: "please find the updated quotation attached"
  '- attachment: quotation-Q-2026-118.docx  <- innerPath
        "...we announce a price increase of 6 percent..."

Pertanyaan yang dapat bekerja pada email

Bahasa kueri standar berlaku, dan beberapa pola sangat berguna untuk korespondensi. Semua ini telah diuji pada kotak surat percobaan yang sama:

  • “Pesan mana dari Fabrikam yang menyebutkan keterlambatan pengiriman?”: fabrikam AND delay. Alamat pengirim diindeks bersama pesan, sehingga contoso juga menemukan faktur yang isi tubuhnya tidak pernah menyebutkan perusahaan.
  • “Temukan semua email yang menyebutkan order 77812”: 77812. Angka utuh dianggap sebagai kata.
  • “Faktur mana yang jatuh tempo pada Oktober?”: invoice AND content: daterange(2026-10-01 ~~ 2026-10-31). Itu mencocokkan tanggal yang ditulis dalam teks pesan, di sini “due on 2026-10-22”. Prefiks content: penting: tanpa itu, rentang tanggal juga akan mencocokkan tanggal yang dicatat mesin untuk setiap file.

Mengapa lokal lebih penting untuk email dibandingkan hal lain

Email adalah tempat materi sensitif berada: data pribadi, negosiasi, percakapan HR, nasihat hukum. Alat pencari yang memerlukan kotak surat diunggah atau disinkronkan ke layanan tidak dapat diterima oleh banyak tim. Di sini arsip dipasang read-only ke dalam kontainer di mesin, diindeks di sana, dan dicari di sana. Satu-satunya teks yang keluar adalah apa yang dikutip agen dalam jawabannya, dan dengan model yang dihosting secara lokal, bahkan itu tidak keluar.

Untuk pengaturan yang lebih ketat, pasang arsip read-only dan berikan indeks volume tersendiri:

docker run --rm -i \
  -v /srv/mail:/data:ro \
  -v /srv/mail-index:/index -e GROUPDOCS_MCP_INDEX_PATH=/index \
  ghcr.io/groupdocs-search/search-net-mcp:latest

Menentukan ruang lingkup arsip besar

Arsip dengan puluhan ribu pesan dapat diindeks dengan baik menggunakan lisensi, tetapi penting untuk melakukannya secara terencana. Indeks berdasarkan folder atau tahun sebagai jalur terpisah (mail/2025, mail/2026), sehingga satu tahun dapat dihapus atau dibangun kembali secara terpisah, karena mesin menghapus seluruh jalur yang diindeks bukan file tunggal. Simpan email dalam indeks terpisah, terpisah dari kontrak atau laporan, sehingga pertanyaan tentang korespondensi tidak harus menyaring semua hal lainnya. Dan ketika arsip bertambah, update_index mengambil pesan baru tanpa membaca ulang yang lama.

Batasan Jujur

  • Dalam mode evaluasi, sebuah indeks menyimpan maksimal 100 dokumen dan pencarian mengembalikan maksimal 10, dan setiap pesan dan lampiran dihitung, sehingga arsip nyata memerlukan lisensi. Panggil get_license_status terlebih dahulu.
  • PST besar membutuhkan waktu untuk diindeks: setiap pesan dan lampiran dibuka. Indeks sekali, lalu update_index.
  • Lampiran yang dipindai tanpa lapisan teks hanya diindeks berdasarkan properti file; tidak ada OCR.
  • Hanya Docker; di Linux tambahkan --user "$(id -u):$(id -g)" kecuali Anda menggunakan pengaturan read-only di atas.

FAQ

Bisakah saya mencari file PST dengan AI tanpa Outlook?
Ya. Mesin membaca PST, OST, MSG, dan EML secara langsung; Outlook tidak terlibat, dan tidak ada yang diekspor.

Apakah ia mencari di dalam lampiran email?
Ya. Lampiran diindeks sebagai item dari pesan mereka, dan kecocokan di dalamnya kembali dengan innerPath yang menyebutkan lampiran.

Apakah kotak surat saya diunggah ke mana pun?
Tidak. Itu dibaca di dalam kontainer lokal; hanya bagian yang dikutip agen yang mencapai penyedia model Anda.

Selami Lebih Dalam