MCP Ragdocs

RAG文档MCP服务器

MCP服务器实现，通过矢量搜索提供检索和处理文档的工具，使AI助手能够用相关的文档上下文来增强他们的响应。

特性

• 基于矢量的文档搜索和检索
• 支持多种文档来源
• 语义搜索功能
• 自动化文档处理
• LLM的实时上下文增强

工具

搜索文档

使用自然语言查询搜索存储的文档。返回与上下文匹配的摘录，按相关性排序。

输入：

• query （string）：在文档中搜索的文本。可以是自然语言查询、特定术语或代码片段。
• limit （number，可选）：返回的最大结果数（1-20，默认值：5）。更高的限制提供了更全面的结果，但可能需要更长的时间来处理。

列表_来源

列出当前存储在系统中的所有文档源。返回所有索引文档的完整列表，包括源URL、标题和上次更新时间。使用此功能了解可用于搜索的文档，或验证特定来源是否已编入索引。

extract_urls

提取并分析给定网页中的所有URL。此工具抓取指定的网页，识别所有超链接，并可选择将其添加到处理队列中。

输入：

• url （string）：要分析的网页的完整URL（必须包括协议，例如https://）。该页面必须可公开访问。
• add_to_queue （布尔值，可选）：如果为true，则自动将提取的URL添加到处理队列中，以便以后进行索引。在大型场所应谨慎使用，以避免过度排队。

remove_文档

通过URL从系统中删除特定的文档源。删除是永久性的，将影响未来的搜索结果。

输入：

• urls （string\[\]）：要从数据库中删除的URL数组。每个URL都必须与添加文档时使用的URL完全匹配。

list_queue

列出文档处理队列中当前等待的所有URL。显示调用run_queue时将处理的待处理文档源。使用此功能可以监视队列状态，验证URL是否正确添加，或检查处理积压。

run_queue

处理并索引文档队列中当前的所有URL。每个URL都是按顺序处理的，具有适当的错误处理和重试逻辑。处理过程中会提供进度更新。长时间运行的操作将一直处理，直到队列为空或发生不可恢复的错误。

clear_queue

从文档处理队列中删除所有挂起的URL。当您想重新开始、删除不需要的URL或取消挂起的处理时，使用此选项重置队列。此操作是即时和永久的-如果您想稍后处理URL，则需要重新添加它们。

用法

RAG文档工具设计用于：

• 通过相关文档增强人工智能响应
• 构建具有文档感知能力的人工智能助手
• 为开发人员创建上下文感知工具
• 实现语义文档搜索
• 扩充现有知识库

配置

使用Claude Desktop

将此添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "rag-docs": {
      "command": "npx",
      "args": [
        "-y",
        "@hannesrudolph/mcp-ragdocs"
      ],
      "env": {
        "OPENAI_API_KEY": "",
        "QDRANT_URL": "",
        "QDRANT_API_KEY": ""
      }
    }
  }
}

您需要为以下环境变量提供值：

• OPENAI_API_KEY：用于生成嵌入的OpenAI API密钥
• QDRANT_URL：Qdrant矢量数据库实例的URL
• QDRANT_API_KEY：用于使用Qdrant进行身份验证的API密钥

许可证

此MCP服务器根据MIT许可证获得许可。这意味着您可以根据MIT许可证的条款和条件自由使用、修改和分发软件。有关更多详细信息，请参阅项目存储库中的LICENSE文件。

致谢

这个项目是 qpd-v/mcp-ragdocs，最初由qpd-v开发。原始项目为该实现提供了基础。