Ragflow Knowledge MCP Server

ragflow知识mcp服务器

项目概况：

RAGFlow知识库的简单MCP服务器。

这个项目是一个基于Python的MCP（模型上下文协议）服务器，用于RAGFlow知识库。 它提供了一组与RAGFlow交互的工具，允许用户搜索知识、列出可用的知识库并检索有关特定知识库的信息。 服务器是使用 mcp 库，可以配置为使用 stdio 或 sse 为了运输。 服务器是通过YAML文件配置的(config.yaml)以及环境变量。

支持的RAGFlow版本： 0.17.2 ~ 0.19.0

另请参见 infiniflow/ragflow/blob/main/mcp/server/server.py

1.可用工具

1.动态知识库搜索工具

在中启用动态知识库搜索工具 config.yaml，另请参见 服务器配置:

datasets:
  - dataset-id: 00000000000000000000000000000000
    search-tool-name: search_xxx_knowledge
    #search-tool-description: "Search knowledge about XXX(中文说明)."
    #search-tool-result: simple
    search-tool-description: "Search knowledge about XXX(中文说明). Results in JSON format, knowledge in the 'content' property."
    search-tool-result: json

2. list_knowledge_bases （默认禁用）

启用 list_knowledge_bases 工具在 config.yaml:

list-bases-enabled: true

• 默认描述：

列出知识库。

• 输入属性：

- page，str：列出基础的页码，可选，默认为1。 - limit，str：要列出的知识库的最大数量，可选，默认为20。 - timeout，int：动态超时参数，由启用 timeout-param-enabled，可选，默认为60秒。

3. get_knowledge_base_info （默认禁用）

启用 get_knowledge_base_info 工具在 config.yaml:

get-base-enabled: true

• 默认描述：

获取指定知识库ID的信息，结果包括知识库名称、描述和其他信息。

• 输入属性：

- knowledge_base_id，str：要查询的知识库的ID。 - timeout，int：动态超时参数，由启用 timeout-param-enabled，可选，默认为60秒。

2.安装并运行

2.1.使用pip安装

# Uninstall the previous version
pip uninstall --yes ragflow-knowledge-mcp-server

pip install ragflow-knowledge-mcp-server --upgrade --force-reinstall --extra-index-url http://127.0.0.1:8081/repository/pypi-group/simple --trusted-host 127.0.0.1

2.2.从源代码安装

cd /path/to/project

pip install .

# Or install using pytools.sh
./pytools.sh reinstall-system

2.3.跑

export SIMP_LOGGER_LOG_FILE=/path/to/mcp.log
export SIMP_LOGGER_LOG_LEVEL=DEBUG

# This server can be run directly from the command line:
ragflow-knowledge-mcp-server --config=/path/to/config.yaml

# Alternatively, it can be run as a Python module:
python -m ragflow_knowledge_mcp_server --config=/path/to/config.yaml

# This server can also be run using `uv`:
uv run ragflow-knowledge-mcp-server --config=/path/to/config.yaml

2.4.使用Docker或Docker Compose运行

1. 码头工人

- 导出 EXTRA_INDEX_URL 环境变量，然后运行 要构建映像，请根据需要修改构建脚本或手动构建。 - 然后参考 运行容器。

1. Docker Compose

- 修改 .env 文件。 - 修改 config.yaml 文件。 - 跑 要启动容器，请根据需要修改启动脚本或手动运行。

2.4.测试

# The project uses `pytest` for testing. To run the tests, first install the test dependencies:
python -m venv .venv
. .venv/bin/activate
uv sync --no-install-project --extra test

# Then run pytest:
pytest

3.服务器配置

• 格式:

示例配置 yaml，有关完整配置，请参阅 MCPServer属性.py:

server-name: ragflow-knowledge-base

default-base-url: http://127.0.0.1:9388/api/v1
default-api-key: ragflow-00000000000000000000000000000000

timeout: 60
timeout-param-enabled: false

# SSE
transport: sse # Defaults to stdio
sse-port: 41106

list-bases-enabled: false
get-base-enabled: false

datasets:
  - dataset-id: 00000000000000000000000000000000
    search-tool-name: search_xxx_knowledge
    search-tool-description: "Search knowledge about XXX(中文说明). Results in JSON format, knowledge in the 'content' property."

  - enabled: false
    id-param-enabled: true
    search-tool-name: search_knowledge
    search-tool-description: "Search knowledge from specified knowledge base('knowledge_base_id')."

或者为每个数据集和工具配置基本URL和API密钥：

server-name: ragflow-knowledge-base

timeout: 60
timeout-param-enabled: false

# SSE
transport: sse # Defaults to stdio
sse-port: 41106

list-bases-enabled: false
list-bases-base-url: http://127.0.0.1:9388/api/v1
list-bases-api-key: ragflow-00000000000000000000000000000000

get-base-enabled: false

datasets:
  - dataset-id: 00000000000000000000000000000000
    base-url: http://127.0.0.1:9388/api/v1
    api-key: ragflow-00000000000000000000000000000000
    # Other properties...

• 可用环境变量:

• 可用环境变量 simp-logger:

4.MCP配置

4.1.上海证券交易所

示例端点： http://127.0.0.1:41106/sse

4.2。标准

简单命令行：

uv run ragflow-knowledge-mcp-server --config=/path/to/config.yaml

JSON：

{
  "ragflow-knowledge-base": {
    "type": "stdio",
    "command": "uv",
    "args": [
      "run",
      "ragflow-knowledge-mcp-server",
      "--config=/path/to/config.yaml"
    ],
    "env": {
      "SIMP_LOGGER_LOG_CONSOLE_ENABLED": false,
      "SIMP_LOGGER_LOG_FILE": "/path/to/mcp.log",
      "SIMP_LOGGER_LOG_LEVEL": "DEBUG"
    }
  }
}

YAML：

ragflow-knowledge-base:
  type: stdio
  command: uv
  args:
    - run
    - ragflow-knowledge-mcp-server
    - "--config=/path/to/config.yaml"
  env:
    SIMP_LOGGER_LOG_CONSOLE_ENABLED: false
    SIMP_LOGGER_LOG_FILE: /path/to/mcp.log
    SIMP_LOGGER_LOG_LEVEL: DEBUG

5.开发惯例

• 该项目遵循标准的Python打包约定。
• 代码被组织成模块 src/ragflow_knowledge_mcp_server 目录。
• 服务器逻辑在 server.py，配置属性在中定义 properties/MCPServerProperties.py，并且用于与RAGFlow API交互的服务位于 service 目录。
• 该项目使用 setuptools 用于建筑和 setuptools_scm 用于版本控制。
• 该项目使用 simp-logger 用于日志记录，可以通过环境变量进行配置。