Titan Rag MCP

🚀 Titan RAG：高性能MCP代码搜索

一个经过深度优化、GPU加速的模型上下文协议（MCP）服务器，用于本地代码索引和语义搜索。

基于原创作品 Luoto 公司, 泰坦RAG 使用Ollama和高维嵌入模型，旨在实现速度、稳定性和卓越的检索质量。

🌟 对原版的关键改进

• GPU加速： 通过Ollama将嵌入计算完全卸载到GPU（针对AMD ROCm/Phoenix和NVIDIA进行了优化）。
• 高级嵌入： 用途 bge-m3 （1024d）默认情况下，提供比标准更高的检索精度 all-MiniLM-L6-v2.
• 即时响应： 具有后台索引的非阻塞启动。你的AI代理（Gemini/Claude）可以立即连接，而无需等待索引的构建。
• 动态监测： 包括a get_index_status 实时跟踪索引进度的工具。
• 稳定性修复： 解决了关键尺寸不匹配错误，并抑制了导致MCP连接中断的嘈杂库警告。
• 高效拆分： 混合策略，将高质量的语义分割（树保姆）与基于快速行的回退相结合。

🛠 先决条件

1. 奥拉马： 已安装并正在运行。

   ollama pull bge-m3

1. Python 3.10+
2. GPU驱动程序： 正确配置（AMD的ROCm或NVIDIA的CUDA）。

🚀 快速开始

1.配置环境

创建一个 .env 项目根目录中的文件：

PROJECTS_ROOT=/path/to/your/projects
FOLDERS_TO_INDEX=project-a,project-b
CHROMA_DB_PATH=./chroma_db

2.安装依赖项

python -m venv .venv
source .venv/bin/activate
pip install -r requirements.txt

3.使用Gemini CLI/Claude代码

将服务器添加到MCP配置中：

路径： ~/.gemini/settings.json

{
  "mcpServers": {
    "titan-rag": {
      "command": "/home/stranmor/Documents/project/titan-rag-mcp/.venv/bin/python",
      "args": ["/home/stranmor/Documents/project/titan-rag-mcp/ollama_indexer.py"]
    }
  }
}

🔍 提供的工具

• rag_search_code：使用自然语言搜索代码库。
• get_index_status：检查索引是否已完成或仍在后台运行。
• get_system_health：监控GPU温度、VRAM使用情况和系统负载。

🧪 测试

要验证您的安装和与Ollama的连接：

source .venv/bin/activate
python test_rag.py

🛡 许可证

该项目根据原始存储库（AGPLv3/MIT）的条款获得许可。有关详细信息，请参阅LICENSE文件。

______________________________________________________________________

*Titan Hive Mind生态系统的一部分。*