RagDocs MCP Server - MCP服务，MCP服务器，MCP教程

基本能力

产品定位

RagDocs MCP Server 是一个专注于文档检索和语义搜索的服务，旨在通过向量相似性技术提升文档管理的效率和准确性。

核心功能

• 添加带有元数据的文档
• 通过语义搜索文档
• 列出和组织文档
• 删除文档
• 支持 Ollama（免费）和 OpenAI（付费）嵌入
• 自动文本分块和嵌入生成
• 使用 Qdrant 进行向量存储

适用场景

• 文档管理系统
• 知识库检索
• 语义搜索应用
• 自动化文档处理

工具列表

1. add_document：向 RAG 系统添加文档。
2. 参数：url（必需）、content（必需）、metadata（可选）
3. search_documents：通过语义相似性搜索存储的文档。
4. 参数：query（必需）、options（可选）
5. list_documents：列出所有存储的文档，支持分页和分组。
6. 参数：page、pageSize、groupByDomain、sortBy、sortOrder（均为可选）
7. delete_document：从 RAG 系统中删除文档。
8. 参数：url（必需）

常见问题解答

• Qdrant 设置：支持本地 Docker 实例或 Qdrant Cloud 账户。
• 嵌入提供者：支持 Ollama（默认免费）和 OpenAI（付费）。
• 环境变量：需要配置 QDRANT_URL、EMBEDDING_PROVIDER 等。

使用教程

使用依赖

• Node.js 16 或更高版本
• Qdrant 设置（本地或云）
• 嵌入提供者（Ollama 或 OpenAI）

安装教程

bash
npm install -g @mcpservers/ragdocs

调试方式

1. 启动本地 Qdrant 实例：
   bash
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant
2. 配置环境变量：
3. QDRANT_URL：Qdrant 实例 URL
4. EMBEDDING_PROVIDER：嵌入提供者（"ollama" 或 "openai"）
5. OPENAI_API_KEY：OpenAI API 密钥（如使用 OpenAI）
6. 启动服务：
   bash
node @mcpservers/ragdocs