工作原理
Everlaw 提供安全、标准化的模型上下文协议（MCP）服务器，让 OpenAI 能够连接 Everlaw，代表已通过身份验证的用户处理实时案件数据。 通过连接器接入的智能体可以了解用户的 Everlaw 项目结构，将自然语言请求转换为 Everlaw 搜索逻辑，检索符合条件的文档及其文本，并分析元数据和基于 Bates 编号的结果集。接入的智能体还可以支持基于自然语言的报告和分析工作流，而 Everlaw 仍是受治理的证据层，也是案件材料、元数据和工作成果的权威记录系统。 连接器按设计仅在用户现有的 Everlaw 权限范围内运行。每次请求都会依据用户的 Everlaw 权限进行身份验证和授权，因此智能体只能访问该用户已有权查看的项目、文档和数据。连接器也将支持 Deep Dive，让用户能够通过 Deep Dive 查询符合条件的 Everlaw 项目数据，获得有证据支持的结果，而不改变底层案件记录。 借助连接器，智能体可以： 在 Deep Dive 工具可用后，使用 Deep Dive 提出更广泛的调查问题，并返回有证据支持的结果。 将自然语言请求转换为结构化的 Everlaw 搜索。 针对项目内容、文档数量、数据保管人、日期、Bates 编号范围及其他返回的数据生成结构化报告。 按文档文本、元数据、Bates 编号或控制编号、文档夹、编码、遮盖内容、证据提交批次、处理条件以及其他支持的条件进行搜索。 识别项目中可用的元数据字段、数据集和已处理的上传内容。 检索匹配的文档，并获取其 Bates 编号、元数据、审阅链接、文档文本链接和提取的值。 用自然语言总结和分析检索到的文档或结果集。
你还能做什么？
了解案件概况
Everlaw 查看 [project] 中可用的数据集、文档夹和元数据。概述收集到的证据，确定重要的数据保管人和日期范围，并针对 [issue] 建议重点搜索方向。
准备证人简报
Everlaw 在 [project] 中查找 [date range] 期间涉及 [witness] 的文档。准备一份证言录取简报，涵盖关键事件、相互矛盾的陈述和有待探究的问题，并引用 Bates 编号和审阅链接。
评估证据缺口
Everlaw 在 [project] 中搜索能够回答 [matter question] 的证据。总结这些文档能证实什么、与哪些说法相矛盾，以及还缺少哪些信息。引用相关文档，并建议后续搜索方向。
包含内容
应用
Everlaw
资源
只需点击几下即可添加 Everlaw 插件
是否可用取决于插件、您的套餐和工作空间设置。某些连接需要管理员进行设置或批准。如果访问受阻，请联系您的工作空间管理员。
