A MCP server for Godot RAG - MCP服务，MCP服务器，MCP教程

基本能力

产品定位

mcp_godot_rag 是一个为 Godot RAG 模型提供 Godot 文档支持的 MCP 服务器。

核心功能

1. 文档处理：下载 Godot 文档，将 RST 格式转换为 Markdown，并进行分块处理。
2. 向量数据库创建：将处理后的文档数据转换为向量并存储在 ChromaDB 中。
3. 服务启动：启动 MCP 服务器以支持文档检索和查询。
4. 多模型支持：支持多种预训练模型（如 all-MiniLM-L6-v2、bge-m3、bge-large-zh-v1.5）用于向量化。

适用场景

1. Godot 开发支持：为 Godot 开发者提供快速访问和检索文档的能力。
2. RAG 模型集成：为基于 RAG 的问答系统提供文档数据支持。
3. 自然语言处理：支持使用不同预训练模型进行文档向量化。

工具列表

1. download_godot_docs.py：下载 Godot 文档。
2. convert_rst2md.py：将 RST 格式文档转换为 Markdown。
3. chunker.py：对 Markdown 文件进行分块处理。
4. vectorizer.py：创建向量数据库。
5. main.py：启动 MCP 服务器。

常见问题解答

1. 如何更换模型？：在 vectorizer.py 或 main.py 中指定不同的模型名称（如 BAAI/bge-m3）。
2. 如何调试？：使用 npx @modelcontextprotocol/inspector 工具进行调试。

使用教程

使用依赖

bash
uv venv --python 3.12
source ./.venv/bin/activate
uv sync
cp .env.example .env.local

安装教程

1. 克隆 Godot 文档：
   bash
python download_godot_docs.py
2. 转换 RST 为 Markdown：
   bash
python convert_rst2md.py
3. 分块处理 Markdown 文件：
   bash
python chunker.py -i artifacts
4. 创建向量数据库：
   bash
python vectorizer.py -i artifacts/chunks/artifacts_chunks_SZ_400_O_20.jsonl
5. 启动 MCP 服务器：
   bash
python main.py -d artifacts/vector_stores/chroma_db -c artifacts_chunks_SZ_400_O_20_all-MiniLM-L6-v2

调试方式

bash
npx @modelcontextprotocol/inspector \
uv \
--directory . \
run \
main.py \
--chromadb-path artifacts/vector_stores/chroma_db \
--collection-name artifacts_chunks_SZ_400_O_20_all-MiniLM-L6-v2