Which integrations are available for this server?

Utilizes [LangChain](/mcp/servers/integrations/langchain)'s text processing tools for document chunking, vector storage, and retrieval operations in the RAG pipeline. Enables RAG (Retrieval-Augmented Generation) capabilities using [OpenAI](/mcp/servers/integrations/openai)'s GPT models for question answering and text-embedding-ada-002 for document vectorization and semantic search.

Chalee MCP RAG 🤖

一个基于 Model Context Protocol (MCP) 的 **RAG（检索增强生成）**服务器，提供文档处理、向量存储和智能问答功能。

✨ 特性

🔧 标准化 MCP 协议：遵循 Anthropic MCP 标准，可与 Claude Desktop 等客户端集成
📚 智能文档处理：自动分块、向量化存储
🔍 语义检索：基于余弦相似度的相关文档检索
💬 智能问答：结合检索上下文的准确回答生成
🛡️ 安全可靠：内置错误处理和参数验证
🚀 生产就绪：完整的配置和部署支持

🚀 快速开始

1. 克隆仓库

git clone https://github.com/PrettyKing/chalee-mcp-rag.git cd chalee-mcp-rag

2. 安装依赖

npm install

3. 配置环境变量

cp .env.example .env # 编辑 .env 文件，设置你的 OpenAI API 密钥

4. 启动 MCP 服务器

npm run mcp-server

5. 运行客户端演示

# 在另一个终端 npm run mcp-client

🛠️ 可用工具

MCP RAG 服务器提供以下 6 个核心工具：

工具名称	描述	参数
`initialize_rag`	初始化 RAG Agent	`apiKey`, `config`
`add_document`	添加文档到知识库	`content`, `metadata`
`ask_question`	智能问答	`question`
`search_documents`	文档相似性搜索	`query`, `maxResults`
`get_knowledge_base_stats`	获取知识库统计	-
`clear_knowledge_base`	清空知识库	-

📁 项目结构

chalee-mcp-rag/ ├── rag-agent.js # RAG Agent 核心实现 ├── mcp-rag-server.js # MCP 服务器 ├── mcp-client.js # MCP 客户端示例 ├── test.js # RAG Agent 测试 ├── package.json # 项目配置 ├── .env.example # 环境变量示例 └── README.md # 说明文档

🌐 与 Claude Desktop 集成

要在 Claude Desktop 中使用此 MCP 服务器，请在 Claude 配置文件中添加：

macOS

编辑 ~/Library/Application Support/Claude/claude_desktop_config.json:

{ "mcpServers": { "chalee-rag-server": { "command": "node", "args": ["/path/to/your/chalee-mcp-rag/mcp-rag-server.js"], "env": { "OPENAI_API_KEY": "your_openai_api_key_here" } } } }

Windows

编辑 %APPDATA%\\Claude\\claude_desktop_config.json:

{ "mcpServers": { "chalee-rag-server": { "command": "node", "args": ["C:\\path\\to\\your\\chalee-mcp-rag\\mcp-rag-server.js"], "env": { "OPENAI_API_KEY": "your_openai_api_key_here" } } } }

📖 使用示例

基本用法

const MCPRAGClient = require('./mcp-client'); async function example() { const client = new MCPRAGClient(); // 连接服务器 await client.connect(); // 初始化 RAG await client.initializeRAG('your-openai-api-key'); // 添加文档 await client.addDocument('这是一个示例文档...', { category: '示例', source: 'demo' }); // 提问 const answer = await client.askQuestion('这个文档讲了什么？'); console.log(answer.answer); // 断开连接 await client.disconnect(); }

高级配置

// 自定义 RAG 配置 await client.initializeRAG('your-api-key', { chunkSize: 800, // 文档分块大小 chunkOverlap: 100, // 分块重叠大小 maxRetrievedDocs: 5 // 最大检索文档数 });

🔧 配置选项

环境变量

变量名	描述	默认值
`OPENAI_API_KEY`	OpenAI API 密钥	必需
`CHUNK_SIZE`	文档分块大小	1000
`CHUNK_OVERLAP`	分块重叠大小	200
`MAX_RETRIEVED_DOCS`	最大检索文档数	3
`MODEL_NAME`	GPT 模型名称	gpt-3.5-turbo
`EMBEDDING_MODEL`	嵌入模型名称	text-embedding-ada-002

🧪 测试

# 运行 RAG Agent 测试 npm test # 运行 MCP 客户端演示 npm run mcp-client

🚀 部署

Docker 部署

FROM node:16-alpine WORKDIR /app COPY package*.json ./ RUN npm install COPY . . EXPOSE 3000 CMD ["npm", "run", "mcp-server"]

进程管理

# 使用 PM2 管理进程 npm install -g pm2 pm2 start mcp-rag-server.js --name "mcp-rag-server" pm2 monitor

🔍 故障排除

常见问题

连接失败
- 确保 Node.js 版本 >= 16
- 检查依赖是否正确安装
- 验证 API 密钥是否有效
工具调用失败
- 确保先调用 initialize_rag
- 检查参数格式是否正确
- 查看服务器日志获取详细错误信息
性能问题
- 减少 chunkSize 或 maxRetrievedDocs
- 优化文档大小和数量
- 考虑使用外部向量数据库

调试模式

# 启用详细日志 DEBUG=mcp:* npm run mcp-server

🌟 扩展功能

支持更多文档格式

// PDF 支持 const pdfParse = require('pdf-parse'); async function loadPDF(filePath) { const dataBuffer = fs.readFileSync(filePath); const data = await pdfParse(dataBuffer); return await agent.addDocument(data.text, { type: 'pdf', source: filePath }); }

持久化存储

// 使用 Pinecone 向量数据库 const { PineconeStore } = require('langchain/vectorstores/pinecone'); class PersistentRAGAgent extends RAGAgent { async initializePinecone() { this.vectorStore = await PineconeStore.fromExistingIndex( new OpenAIEmbeddings(), { pineconeIndex: this.index } ); } }

📚 API 文档

initialize_rag

初始化 RAG Agent 实例。

interface InitializeRAGParams { apiKey: string; config?: { chunkSize?: number; chunkOverlap?: number; maxRetrievedDocs?: number; }; }

add_document

向知识库添加文档。

interface AddDocumentParams { content: string; metadata?: Record<string, any>; }

ask_question

使用 RAG 技术回答问题。

interface AskQuestionParams { question: string; } interface AskQuestionResponse { question: string; answer: string; sources?: Array<{ content: string; similarity: number; metadata: Record<string, any>; }>; timestamp: string; }

🤝 贡献

欢迎提交 Issue 和 Pull Request！

Fork 项目
创建功能分支 (git checkout -b feature/AmazingFeature)
提交更改 (git commit -m 'Add some AmazingFeature')
推送到分支 (git push origin feature/AmazingFeature)
打开 Pull Request

📄 许可证

MIT License - 详见 LICENSE 文件

🙏 致谢

Anthropic - MCP 协议开发者
OpenAI - GPT 和 Embedding API
LangChain - 文本处理工具

📞 支持

📧 Email: your-email@example.com
🐛 Issues: GitHub Issues
💬 Discussions: GitHub Discussions

⭐ 如果这个项目对你有帮助，请给它一个星标！