Geliştiriciler

Agent-ready. MCP server, REST API ve SDK’lar.

FlexOrch agent-uyumlu ve API-first tasarılanmıştır. MCP ile AI agent’ları bağlayın, REST API ile otomasyon kurun ya da Python ve TypeScript SDK’larıyla entegre olun — her ortamdan her kapasiteye erişim sağlanır.

MCP Server — Agent Entegrasyonu

MCPClaude · Cursor · Windsurf · Her MCP istemcisi · 8 araç

FlexOrch agent-uyumludur. MCP server’ı kurun, belge pipeline’ınız Claude, Cursor, Windsurf veya MCP-uyumlu her agent için çağrılabilir bir araca dönüşür. 8 araç belge işleme, yapısal çıkarım, dataset arama, export ve RAG indexing’i kapsar — PII maskeleme ve kalite puanlama her çağrıda yerleşik olarak çalışır.

pip install flexorch-mcp

{
  "mcpServers": {
    "flexorch": {
      "command": "flexorch-mcp",
      "env": {
        "FLEXORCH_API_KEY": "dfx_your_key_here"
      }
    }
  }
}

PyPI ↗GitHub Docs ↗

Açık Kaynak Paketler

Python257 test · sıfır bağımlılık

PII tespiti, kalite skoru ve TR, EU, US, UK'de 44 tip desen desteği. Sıfır bağımlılık.

pip install flexorch-audit

from flexorch_audit import audit

result = audit("müşteri_sözleşmesi.pdf")

result.quality_score    # 0.91
result.quality_grade    # "A"
result.noise_ratio      # 0.03
result.pii_findings
# [{"type": "TCKN", "count": 3},
#  {"type": "name", "count": 8},
#  {"type": "email", "count": 2}]

PyPI ↗GitHub

JavaScript / TypeScript222 test · ESM + CJS

Aynı API — Node.js ve browser. 44 PII tipi, redact_for_llm(), TypeScript pipeline'ları için audit_batch(). ESM + CJS.

npm install @flexorch/audit

import { audit } from "@flexorch/audit";

const result = await audit("customer_contract.pdf");

result.qualityScore   // 0.91
result.qualityGrade   // "A"
result.noiseRatio     // 0.03
result.piiFindings
// [{ type: "TCKN", count: 3 },
//  { type: "name", count: 8 },
//  { type: "email", count: 2 }]

npm ↗GitHub

REST API

# 1. Upload a document
POST /v1/data-process/async
X-API-KEY: dfx_••••••••••••••••••••••••••••••••
Content-Type: multipart/form-data

files: [müşteri_sözleşmesi_q2.pdf]

# ← 202 Accepted
# { "accepted": 1, "jobs": [{ "job_id": 4193, "status": "queued" }] }

# 2. Poll until completed (every 3–5 s)
GET /v1/jobs/4193

# ← { "status": "completed",
#     "execution_summary": { "execution_id": 8821,
#       "privacy": { "pii_findings_count": 14, "masked_record_count": 11 } } }

# 3. Build dataset from execution
POST /v1/datasets/build-from-execution/8821

# 4. Export when ready
GET /v1/datasets/5512/export/json

Hızlı Başlangıç

İlk entegrasyonunuzu birkaç adımda tamamlayın.

API key alın

flexorch.com/signup üzerinden ücretsiz kayıt olun, e-postanızı doğrulayın, ardından Settings → API Anahtarları'ndan bir key üretin. Key'iniz dfx_ prefix ile gelir.

SDK'yı kurun

pip install flexorch-sdk veya npm install flexorch-sdk — ya da doğrudan REST API'yi kullanın. Platform SDK'sı job yönetimi, export ve S3 connector'larını kapsıyor.

İlk job'ı başlatın

Belge yükleyin, job durumunu takip edin, tamamlandığında dataset'i export edin. Async pattern: gönder → durum sorgula → sonucu al.

Tam dokümantasyonu oku →

AI / ML Entegrasyonu

FlexOrch çıktısı doğrudan LlamaIndex, LangChain ve HuggingFace Trainer'a bağlanır — chunk mantığı veya format dönüşümü yazmadan.

from flexorch_audit import redact_for_llm

# One-line PII redaction before your chatbot processes text
clean = redact_for_llm(document_text, locale="tr")
# → "[MASKED_EMAIL]" and "[MASKED_NATIONAL_ID_TR]" placeholders

# Platform: export pre-chunked, PII-masked datasets via API
# GET /v1/datasets/{id}/export/rag    → LangChain · LlamaIndex
# GET /v1/datasets/{id}/export/hf     → HuggingFace Trainer
# GET /v1/datasets/{id}/export/jsonl  → OpenAI · Mistral fine-tuning

RAG Entegrasyonları

FlexOrch SDK'sı LangChain ve LlamaIndex ile doğrudan bütünleşir. PII maskeli, kalite filtrelenmiş chunk'lar hibrit arama ile sorgulanmaya hazırdır.

LangChain

from flexorch_sdk import FlexOrchClient
from flexorch_sdk.rag import FlexOrchRetriever
from langchain.chains import RetrievalQA
from langchain_openai import ChatOpenAI

client = FlexOrchClient(api_key="dfx_your_key_here")

# Hybrid search — BM25 + semantic vector, grade B+ chunks only
retriever = FlexOrchRetriever(
    client,
    quality_threshold="B",
    mode="hybrid",
    pii_masked=True,
)

qa = RetrievalQA.from_chain_type(
    llm=ChatOpenAI(model="gpt-4o"),
    retriever=retriever,
)
answer = qa.invoke("What are the payment terms in Q1 invoices?")

LlamaIndex

from flexorch_sdk import FlexOrchClient
from flexorch_sdk.rag import FlexOrchReader
from llama_index.core import VectorStoreIndex

client = FlexOrchClient(api_key="dfx_your_key_here")

# Load grade B+ chunks with PII already masked
reader = FlexOrchReader(client, min_quality="B")
docs = reader.load_data(dataset_id=89, pii_masked_only=True)

index = VectorStoreIndex.from_documents(docs)
engine = index.as_query_engine()

response = engine.query("Summarize the contract termination clauses")
print(response)

RAG pipeline dokümantasyonunu oku →

Resource modeli

documents — yüklenen dosyalar, metadata ve sınıflandırma durumu
jobs — pipeline konfigürasyonu ve işlem durumu
executions — çıkarım sonuçları, kalite skoru ve PII bulguları
datasets — 9 formatta export-ready çıktı (JSON, JSONL, CSV, XML, XLSX, PRQ, MD, RAG, HuggingFace)
connectors — AES şifreli kimlik bilgileriyle S3, GCS ve Azure Blob depolama entegrasyonları
webhooks — job ve dataset olaylarında HMAC-SHA256 imzalı HTTP callback'leri
schedules — bulut depolamadan cron tabanlı otomatik alım

Geliştirici deneyimi

Tüm özellikler REST API üzerinden erişilebilir
Python ve TypeScript SDK: doğal tip desteği, sıfır boilerplate
Typed response shape'leri, öngörülebilir hata kodları
Async job pattern: gönder, durum takip et, sonucu al
PII ve kalite sinyalleri her execution response'unda mevcut
RAG chunks ve HuggingFace Arrow format — LLM ekosistemi hazır
Bulut-doğal iş akışları için S3, GCS ve Azure Blob connector'ları
HMAC-SHA256 imzalı webhook callback'leri
MCP Server — AI agent’lar FlexOrch araçlarını Claude, Cursor, Windsurf veya MCP-uyumlu her istemci üzerinden doğrudan çağırır

Platformu aç