Semiconductor Component RAG Search

基于MCP的半导体元件搜索RAG系统

该项目展示了 MCP（模型上下文协议） 与ChromaDB和HuggingFace模型集成，用于检索增强生成（RAG）。

项目概述

该系统显示了如何 MCP工作 及其 目的:

• 主控程序 为上下文检索提供了一个标准化的协议
• ChromaDB 存储和检索语义嵌入
• RAG管道 将检索与LLM生成相结合
• 后端API 允许文档上传和问答

建筑

User Question → API Endpoint → RAG Pipeline
                                    ↓
                    Retrieval from ChromaDB (via embeddings)
                                    ↓
                    LLM generates answer with context
                                    ↓
                    Response to user

关键组件

1. MCP服务器 (mcp_server.py)：演示用于结构化上下文检索的MCP协议
2. RAG管道 (rag_pipeline.py)：处理嵌入（编码）和LLM（解码）
3. FastAPI后端 (main.py)：用于文档上传和问答的REST API
4. ChromaDB：用于语义搜索的矢量数据库

安装

1. 安装依赖项：

pip install -r requirements.txt

1. 设置环境变量：

创建一个 .env 文件或在中使用提供的HF API密钥 config.py

1. 创建示例Excel文件：

python create_example_excel.py

用法

1.启动API服务器

python main.py

API将于 http://localhost:8000

2.上传Excel文档

curl -X POST "http://localhost:8000/upload" \
  -H "accept: application/json" \
  -F "file=@examples/semiconductor_components.xlsx"

或者使用FastAPI文档 http://localhost:8000/docs

3.提问

curl -X POST "http://localhost:8000/ask" \
  -H "Content-Type: application/json" \
  -d '{"question": "What MOSFET components are available?", "n_results": 3}'

API终点

• GET / -API信息
• GET /health -健康检查
• POST /upload -上传Excel文档
• POST /ask -问一个问题
• GET /info -获取收藏信息

MCP的工作原理

MCP（模型上下文协议） 作为以下内容的标准化接口：

• 上下文检索：查询和检索相关信息的结构化方式
• 工具定义：明确可用操作规范
• 协议通信：组件之间的标准化通信

在本项目中：

1. MCP服务器定义了查询ChromaDB的工具
2. RAG管道使用MCP原理进行上下文检索
3. 后端集成了MCP概念用于文档处理

模型使用

• 编码（嵌入）: sentence-transformers/all-MiniLM-L6-v2
• 解码（LLM）：HuggingFace的Llama模型（或回退到GPT-2）

示例问题

• “有哪些MOSFET元件可用？”
• “给我看看德州仪器的电压调节器”
• “哪些组件适用于5V？”
• “列出所有温度传感器”

项目结构

MCP2/
├── main.py                 # FastAPI backend
├── rag_pipeline.py         # RAG pipeline with embeddings & LLM
├── mcp_server.py          # MCP server for ChromaDB
├── config.py              # Configuration
├── create_example_excel.py # Generate example data
├── requirements.txt       # Dependencies
├── examples/              # Example Excel files
└── chroma_db/            # ChromaDB storage (created automatically)

备注

• 首次运行将从HuggingFace下载模型（需要API密钥）
• ChromaDB数据保存在 ./chroma_db/ 目录
• 上传的文件存储在 ./uploads/ 目录