Atlas

Atlas er et AI-assistert geospatialt arbeidsverktøy for kartanalyse og KU-relaterte arbeidsflyter. Løsningen kombinerer et interaktivt kart, autentisert chat, MCP-basert verktøyorkestrering og eksportklare geodata i én samlet applikasjon.

Applikasjonen er bygget rundt en enkel idé: Hjelpe saksbehandlere med KU-analyser. Applikasjonen benytter dokumentbasert kontekst, hvor en AI-assistent kan slå opp data, lese innhold, og benytte MCP-verktøy for å utføre romlige analyser, samt levere resultater.

Hva Applikasjonen Gjør

• Tilbyr et nettleserbasert kartarbeidsområde sentrert på Norge med valgbare bakgrunnskart.
• Støtter autentiserte chatsesjoner med vedvarende samtalehistorikk.
• Lar AI-assistenten bruke MCP-verktøy for databaseoppslag, geografiske søk, vektorprosessering, dokumenthenting og tegning i kart.
• Lar brukere tegne, redigere, skjule, fjerne og eksportere kartlag.
• Eksporterer valgte lag som GeoJSON, JSON, PNG eller PDF-kartskisser.

Arkitektur

Lag	Ansvar	Hovedteknologi
Frontend	Kartgrensesnitt, chatgrensesnitt, laghåndtering og eksport	React 19, Vite 7, Leaflet, React-Leaflet
Backend API	Autentisering, chatlagring, Copilot-orkestrering, REST-endepunkter og montering av MCP-tjenere	Starlette, Uvicorn
AI-orkestrering	Sesjonslivssyklus og MCP-verktøytilgang for assistenten	GitHub Copilot SDK
MCP-verktøytjenere	Database-, geo-, dokument-, vektor- og kartoperasjoner	FastMCP
Datalag	Brukere, sesjoner, chatter, meldinger, romlige/faglige data	PostgreSQL, PostGIS, psycopg
Dokumentkilde	PDF-oversikt og tekstuttrekk for assistentkontekst	Azure Blob Storage, PyMuPDF

Kjøreflyt

1. Frontend sender autentiserte chat- og kartkontekstforespørsler til backend.
2. Backend gjenoppretter eller oppretter en aktiv Copilot-sesjon for den aktuelle chatten.
3. Assistenten kan kalle MCP-tjenere som ligger i backend/mcp_servers/ og eksponeres under /mcp/.../mcp.
4. Verktøyresultater blir omgjort til chatsvar og, når relevant, kartlag som returneres til grensesnittet.
5. Chatter og meldinger lagres i PostgreSQL for kontinuitet på tvers av sesjoner.

Nøkkelfunksjoner

• Interaktivt kart med bakgrunnskart fra Kartverket og bildelag fra Esri.
• Tegne- og redigeringsverktøy bygget på Leaflet-Geoman.
• Chathistorikk med oppretting, gjenopptakelse og sletting av samtaler.
• Sikker autentisering med bcrypt-hashede passord og hashede sesjonstokens.
• Romlige verktøy for buffer, snitt, envelope, punkt-i-polygon og domenespesifikke søk.
• PDF-henting fra Azure Blob for dokumentbevisste assistentsvar.
• Eksportpipeline i nettleseren for både rå geodata og visuelt utformet kartoutput.

Repositorystruktur

Sti	Formål
src/	React-applikasjon, kartgrensesnitt, chatgrensesnitt, eksport og klientverktøy
backend/	Starlette-server, autentisering, databasetilgang, sesjonshåndtering, konfigurasjon og montering av MCP-tjenere
backend/mcp_servers/	Den aktive katalogen for MCP-tjenere som brukes av applikasjonen
public/	Grafiske profileringsressurser brukt av frontend

MCP-Tjenere I Bruk

Tjener	Formål
db_server	Skjemaoversikt og skrivebeskyttet SQL-tilgang
geo_server	Oppslag av kommuner, vernetyper og buffersøk i geodata
docs_server	PDF-listing og tekstuttrekk fra Azure Blob Storage
vector_server	GeoJSON-baserte romlige operasjoner og domenespesifikk geometriuthenting
map_server	Sender GeoJSON-resultater tilbake til frontend som tegnbare lag

Teknologistack

Område	Stack
Frontend	React, React Router, Vite, Font Awesome, Lucide, React Markdown
Kart	Leaflet, React-Leaflet, Leaflet-Geoman
Backend	Python 3.12, Starlette, Uvicorn, python-dotenv
AI / MCP	GitHub Copilot SDK, FastMCP
Data	PostgreSQL, PostGIS, psycopg, psycopg-pool
Dokumenter	Azure Storage Blob, PyMuPDF

Oppsett Og Oppstart

Forutsetninger

• Node.js 20+
• Python 3.12+
• En PostgreSQL/PostGIS-database tilgjengelig for backend
• Nødvendige applikasjonsskjemaer og data i PostgreSQL, inkludert app for autentisering/chatdata og GIS-datasettene MCP-verktøyene spør mot
• En Azure Blob-container med PDF-dokumenter dersom dokumenthenting er en del av miljøet

1. Installer avhengigheter

npm install
python -m venv .venv
.venv\Scripts\Activate.ps1
pip install -r backend\requirements.txt

2. Konfigurer backend

1. Kopier backend\config.example.py til backend\config.py.
2. Opprett lokal backend-konfigurasjon for miljøvariabler basert på eksempelfilen i backend-mappen.
3. Fyll inn nødvendige verdier før serveren startes.

Backend forventer som minimum konfigurasjon for:

• DATABASE_URL
• ALLOWED_ORIGINS
• MODEL_NAME
• AZURE_CONNECTION_STRING
• BLOB_CONTAINER_NAME
• SYSTEM_PROMPT
• SERVER_BASE_URL når backend ikke kjører på lokale standardverdier
• Valgfrie justeringer som sesjonsgrenser, buffergrenser og DEMO_MODE

Vite-devserveren er allerede konfigurert til å proxye /api-forespørsler til http://127.0.0.1:8000.

3. Start applikasjonen

Start backend:

cd backend
uvicorn server:app --reload --host 0.0.0.0 --port 8000

Eller:

cd backend
python server.py

Start frontend i et nytt terminalvindu fra roten av repoet:

npm run dev

Åpne http://localhost:5173.

API-Flate

Type	Flate
REST	/api/auth/*, /api/chats, /api/chat, /api/documents
MCP	/mcp/db/mcp, /mcp/geo/mcp, /mcp/docs/mcp, /mcp/vector/mcp, /mcp/map/mcp

Operasjonelle Notater

• Chathistorikk lagres i PostgreSQL, mens aktive AI-sesjoner holdes i minnet og ryddes bort ved inaktivitet.
• Frontend lagrer autentiseringsstatus og aktiv chat-ID i nettleserens localStorage for å bevare sesjonen.
• Eksport genereres på klientsiden, inkludert opprettelse av PNG- og PDF-kartskisser.
• Den nåværende Vite-proxyen dekker /api; MCP-trafikk håndteres internt av den samme backendtjenesten.
• Applikasjonen bruker MCP-implementasjonene i backend/mcp_servers/.