MCP-server-ragdocs - MCP服务，MCP服务器，MCP教程

基本能力

产品定位

mcp-server-ragdocs 是一个文档检索与处理服务，通过向量搜索技术为 AI 助手提供相关文档上下文，增强其响应能力。

核心功能

• 基于向量的文档搜索与检索
• 支持多种文档来源
• 支持本地（Ollama）或 OpenAI 的嵌入生成
• 语义搜索能力
• 自动化文档处理
• 实时上下文增强

适用场景

• 增强 AI 响应，提供相关文档支持
• 构建具备文档意识的 AI 助手
• 为开发者创建上下文感知工具
• 实现语义文档搜索
• 扩展现有知识库

工具列表

1. search_documentation：通过自然语言查询搜索存储的文档，返回相关片段。

2. 输入：query（字符串），limit（可选，数字）

3. list_sources：列出系统中当前存储的所有文档来源。

4. extract_urls：从给定网页提取并分析所有 URL。

5. 输入：url（字符串），add_to_queue（可选，布尔值）

6. remove_documentation：通过 URL 从系统中删除特定文档来源。

7. 输入：urls（字符串数组）

8. list_queue：列出文档处理队列中当前等待的所有 URL。

9. run_queue：处理和索引文档队列中的所有 URL。

10. clear_queue：从文档处理队列中删除所有待处理的 URL。

常见问题解答

• 如何配置 OpenAI 嵌入生成？
  设置 EMBEDDINGS_PROVIDER 为 openai 并提供 OPENAI_API_KEY。

• 如何配置本地 Ollama 嵌入生成？
  设置 EMBEDDINGS_PROVIDER 为 ollama 并提供 OLLAMA_BASE_URL。

• 如何部署到云端？
  使用托管的 Qdrant Cloud 服务并设置 QDRANT_URL 和 QDRANT_API_KEY。

使用教程

使用依赖

1. 安装 Ollama（用于本地嵌入生成）：
   bash
curl -fsSL https://ollama.com/install.sh | sh

2. 下载 nomic-embed-text 模型：
   bash
ollama pull nomic-embed-text

3. 验证安装：
   bash
ollama list

安装教程

1. 使用 npm 安装：
   bash
npx -y @sanderkooger/mcp-server-ragdocs

2. 配置环境变量（参考配置部分）。

调试方式

1. 启动本地开发环境（使用 Docker Compose）：
   bash
docker compose up -d

2. 访问端点：

3. Qdrant: http://localhost:6333

4. Ollama: http://localhost:11434

5. 使用工具进行测试（如 search_documentation）。