RAG MCP Server v2.0

Un serveur MCP (Model Context Protocol) avec architecture v2.0 simplifiée : 2 outils principaux pour l'indexation automatique et la recherche sémantique de code.

🚀 Nouvelle Architecture v2.0

📋 Outils Principaux (Simplifiés)

🎯 Avantages de v2.0

1. Simplification radicale : 2 outils au lieu de 6

2. Automatisation complète : Détection VS Code + file watcher intégrés

3. Intelligence native : Chunking intelligent par type de contenu

4. Rétrocompatibilité totale : Les anciens outils fonctionnent toujours (masqués)

5. Pipeline automatisé : Phase 0 → scan → analyse → chunking → embeddings → injection

🏗️ Architecture Technique

Pipeline activated_rag

activated_rag
    ├── Phase 0 : Détection projet VS Code
    ├── Scan fichiers & changements
    ├── Analyse statique multi-langage
    ├── Chunking intelligent
    │   ├── Code : 1 fonction = 1 chunk
    │   ├── Classes : N chunks
    │   └── Documentation : par paragraphes
    ├── Calcul embeddings
    │   ├── Code : nomic-embed-code
    │   └── Texte : nomic-embed-text
    └── Injection RAG

Fonctionnalités recherche_rag

• Recherche hybride : Combinaison similarité sémantique + recherche textuelle

• Filtres avancés : Par type de contenu, langage, extension, score

• Re-ranking : Classement basé sur métadonnées (fraîcheur, taille, type)

• Seuil dynamique : Adaptation automatique du seuil de similarité

📦 Installation

# Cloner le dépôt
git clone <repository-url>
cd rag-mcp-server

# Installer les dépendances
npm install

# Construire le projet
npm run build

🚀 Utilisation Rapide

Indexation Automatique

// Utilisation simple avec activated_rag
const result = await toolRegistry.execute('activated_rag', {
  project_path: '/chemin/vers/mon/projet',
  enable_phase0: true  // Détection automatique VS Code
});

Recherche Avancée

// Recherche avec filtres
const results = await toolRegistry.execute('recherche_rag', {
  query: 'comment implémenter l\'authentification',
  scope: 'project',
  top_k: 5,
  filters: {
    content_type: ['code', 'doc'],
    language: ['typescript', 'javascript']
  }
});

🔧 Configuration v2.0

Configuration Principale

{
  "version": "2.0.0",
  "description": "Configuration RAG v2.0",
  "system": {
    "legacy_mode": true,
    "exposed_tools": ["activated_rag", "recherche_rag"],
    "legacy_tools": ["injection_rag", "index_project", "update_project", "search_code", "manage_projects"]
  },
  "defaults": {
    "embedding_provider": "ollama",
    "embedding_model": "nomic-embed-text",
    "chunk_size": 1000,
    "chunk_overlap": 200
  },
  "providers": {
    "ollama": {
      "description": "Ollama embeddings",
      "models": {
        "code": "nomic-embed-code",
        "text": "nomic-embed-text"
      }
    }
  }
}

Migration depuis v1.0

# Migration automatique
npm run migrate-v2

# Vérification
npm run test-retrocompatibility

🧪 Tests

Tests v2.0

# Tests de rétrocompatibilité
npm run test:retrocompatibility

# Tests de performance
npm run test:performance

# Tous les tests
npm test

Tests Spécifiques

• Tests de migration : Vérification de la rétrocompatibilité

• Tests de performance : Benchmark nouveau vs ancien système

• Tests d'intégration : Validation du pipeline complet

• Tests de qualité : Validation des embeddings séparés

🛠️ Structure du Projet v2.0

rag-mcp-server/
├── src/
│   ├── config/
│   │   └── rag-config.ts         # Gestionnaire de configuration v2.0
│   ├── core/
│   │   ├── tool-registry.ts      # Système central d'enregistrement
│   │   ├── registry.ts           # Enregistrement automatique v1.0
│   │   └── registry-v2.ts        # Enregistrement automatique v2.0
│   ├── tools/
│   │   ├── graph/                # Outils de graphe de connaissances (9 outils)
│   │   └── rag/                  # Outils RAG v2.0
│   │       ├── activated-rag.ts  # Outil maître v2.0
│   │       ├── recherche-rag.ts  # Recherche avancée v2.0
│   │       └── legacy/           # Outils legacy (masqués)
│   │           ├── injection-rag.ts
│   │           ├── index-project.ts
│   │           ├── update-project.ts
│   │           ├── search-code.ts
│   │           └── manage-projects.ts
│   ├── rag/                      # Composants RAG avancés
│   │   ├── indexer.ts            # Indexation avec chunking intelligent
│   │   ├── searcher.ts           # Recherche sémantique avancée
│   │   ├── vector-store.ts       # Stockage vectoriel v2.0
│   │   ├── vector-store-refactored.ts  # Refactorisation embeddings par type
│   │   ├── phase0/               # Phase 0 : Détection automatique
│   │   │   ├── workspace-detector.ts
│   │   │   ├── file-watcher.ts
│   │   │   ├── event-logger.ts
│   │   │   ├── chunker-integration.ts
│   │   │   └── llm-enrichment/   # Enrichissement LLM
│   │   └── ai-segmenter.ts       # Segmentation intelligente
│   └── index.ts                  # Point d'entrée principal
├── config/
│   ├── rag-config.json           # Configuration v1.0 (rétrocompatible)
│   └── rag-config-v2.json        # Configuration v2.0
├── docs/
│   ├── CONFIGURATION.md          # Guide de configuration
│   ├── PHASE0_3_README.md        # Documentation Phase 0
│   └── API_REFERENCE.md          # Référence API
├── test/
│   ├── retrocompatibility-v2.test.ts  # Tests rétrocompatibilité
│   └── phase0-llm-enrichment/    # Tests Phase 0
├── scripts/
│   ├── migrate-config-v2.js      # Migration v1.0 → v2.0
│   └── migrate-rag-store.js      # Migration données
└── package.json

📊 Métriques v2.0

Outils Visibles

• 2 outils principaux : activated_rag, recherche_rag

• 9 outils graph : Graphe de connaissances (inchangés)

• Total visible : 11 outils

Outils Masqués (Rétrocompatibilité)

• 5 outils legacy : injection_rag, index_project, update_project, search_code, manage_projects

• Accessibles : Via appel direct (rétrocompatibilité)

Performances

• Initialisation : < 500ms

• Indexation : 30-50% plus rapide avec chunking intelligent

• Recherche : 20-40% plus précise avec embeddings séparés

• Mémoire : Réduction de 25% avec cache optimisé

🔍 Dépannage

Problèmes Courants

Q : Les anciens outils ne fonctionnent plus ?
R : Activez legacy_mode: true dans la configuration.

Q : activated_rag ne détecte pas les changements ?
R : Vérifiez enable_phase0: true et les permissions du file watcher.

Q : Recherche avec scores bas ?
R : Ajustez filters.min_score ou utilisez le modèle approprié pour le type de contenu.

Q : Performances lentes ?
R : Réduisez chunk_size, utilisez embedding_provider: 'fake' pour les tests, désactivez enable_watcher.

📈 Monitoring

Logs Disponibles

• logs/activated-rag.log : Indexation automatique

• logs/recherche-rag.log : Recherches avancées

• logs/phase0-events.log : Événements Phase 0

• logs/performance.log : Métriques de performance

Métriques Clés

const metrics = {
  indexation: {
    files_processed: number,
    chunks_created: number,
    embedding_time_ms: number,
    total_time_ms: number
  },
  recherche: {
    query_time_ms: number,
    results_count: number,
    avg_score: number,
    cache_hit_rate: number
  },
  phase0: {
    files_watched: number,
    change_events: number,
    auto_index_count: number
  }
};

🔮 Roadmap

v2.1 (Prochainement)

• Intégration Tree-sitter : Analyse AST native

• Cache distribué : Partage d'embeddings entre projets

• API REST : Interface HTTP pour les outils

• Plugins : Extensions personnalisables

v3.0 (Future)

• Apprentissage automatique : Adaptation des paramètres

• Collaboration : Partage d'index entre utilisateurs

• Intégration CI/CD : Pipeline d'indexation automatisé

• Dashboard : Interface web de monitoring

📚 Documentation Complète

• GUIDE-NOUVEAUX-OUTILS-V2.md : Guide détaillé v2.0

• CONFIGURATION.md : Guide de configuration

• PHASE0_3_README.md : Documentation Phase 0

• API_REFERENCE.md : Référence API

🤝 Contribution

1. Fork le projet

2. Créer une branche (git checkout -b feature/amazing-feature)

3. Commit les changements (git commit -m 'Add amazing feature')

4. Push vers la branche (git push origin feature/amazing-feature)

5. Ouvrir une Pull Request

📄 Licence

Ce projet est sous licence MIT. Voir le fichier LICENSE pour plus de détails.

🙏 Remerciements

• Model Context Protocol pour le framework MCP

• L'équipe de développement pour les contributions

• La communauté open source pour les outils et bibliothèques utilisés

Dernière mise à jour : 13/01/2026
Version : 2.0.0
Statut : Production Ready avec Architecture Simplifiée 🚀
Compatibilité : Rétrocompatible avec v1.0.0

Changelog v2.0.0

• Nouveau : Architecture simplifiée avec 2 outils principaux

• Nouveau : activated_rag - Outil maître pour indexation automatique

• Nouveau : recherche_rag - Recherche avancée avec filtres

• Nouveau : Phase 0 intégrée (détection VS Code + file watcher)

• Nouveau : Chunking intelligent par type de contenu

• Nouveau : Embeddings séparés (code vs texte)

• Nouveau : Système de registre v2.0 avec outils masqués

• Nouveau : Tests de rétrocompatibilité complets

• Nouveau : Scripts de migration v1.0 → v2.0

• Nouveau : Documentation v2.0 complète

• Amélioration : Performances 30-50% plus rapides

• Amélioration : Précision de recherche 20-40% meilleure

• Amélioration : Réduction mémoire de 25%

• Rétrocompatibilité : Tous les outils v1.0 fonctionnent (masqués)

Changelog v1.5.0

• Nouveau : Analyse LLM intelligente avec intégration Ollama

• Nouveau : Service LLM (LlmService) pour appels à l'API Ollama

• Nouveau : Cache LLM (LlmCache) pour optimisation des performances

• Nouveau : Configuration LLM dans rag-config.json avec fournisseurs et préparation

• Nouveau : Tâches intelligentes : résumé, extraction de mots-clés, suggestion de structure, détection d'entités, classification de complexité

• Nouveau : Intégration dans ai-segmenter.ts pour segmentation intelligente

• Nouveau : Intégration dans indexer.ts avec cache LLM

• Nouveau : Tests de configuration LLM (test-llm-config.js)

• Nouveau : Tests d'intégration Ollama (test-ollama-integration.js)

• Amélioration : Support de multiples modèles Ollama configurables

• Amélioration : Batch processing pour optimisation des appels LLM

• Amélioration : Cache intelligent avec TTL configurable

• Amélioration : Documentation complète des fonctionnalités LLM