MCP-RAG: Protocolo de Contexto Modelo con RAG 🚀

Una implementación potente y eficiente de RAG (Recuperación-Generación Aumentada) que utiliza GroundX y OpenAI, construida con Procesamiento de Contexto Moderno (MCP).

🌟 Características

Implementación avanzada de RAG : utiliza GroundX para la recuperación de documentos de alta precisión
Protocolo de contexto del modelo : integración perfecta con MCP para un mejor manejo del contexto
Type-Safe : Creado con Pydantic para una verificación y validación de tipos robustas
Configuración flexible : configuraciones fáciles de personalizar a través de variables de entorno
Ingestión de documentos : Soporte para la ingesta y el procesamiento de documentos PDF
Búsqueda inteligente : capacidades de búsqueda semántica con puntuación

Related MCP server: RAG_MCP

🛠️ Requisitos previos

Python 3.12 o superior
Clave API de OpenAI
Clave API de GroundX
Herramientas CLI de MCP

📦 Instalación

Clonar el repositorio:

git clone <repository-url> cd mcp-rag

Crear y activar un entorno virtual:

uv sync source .venv/bin/activate # On Windows, use `.venv\Scripts\activate`

⚙️ Configuración

Copie el archivo de entorno de ejemplo:

cp .env.example .env

Configure sus variables de entorno en .env :

GROUNDX_API_KEY="your-groundx-api-key" OPENAI_API_KEY="your-openai-api-key" BUCKET_ID="your-bucket-id"

🚀 Uso

Iniciando el servidor

Ejecute el servidor de inspección usando:

mcp dev server.py

Ingestión de documentos

Para ingerir nuevos documentos:

from server import ingest_documents result = ingest_documents("path/to/your/document.pdf") print(result)

Realizar búsquedas

Consulta de búsqueda básica:

from server import process_search_query response = process_search_query("your search query here") print(f"Query: {response.query}") print(f"Score: {response.score}") print(f"Result: {response.result}")

Con configuración personalizada:

from server import process_search_query, SearchConfig config = SearchConfig( completion_model="gpt-4", bucket_id="custom-bucket-id" ) response = process_search_query("your query", config)

📚 Dependencias

groundx (≥2.3.0): Funcionalidad principal de RAG
openai (≥1.75.0): integración de API OpenAI
mcp[cli] (≥1.6.0): Herramientas modernas de procesamiento de contexto
ipykernel (≥6.29.5): compatibilidad con Jupyter Notebook

🔒 Seguridad

Nunca confirmes tu archivo .env que contiene claves API
Utilice variables de entorno para toda la información confidencial
Rote regularmente sus claves API
Supervisar el uso de la API para detectar cualquier acceso no autorizado

🤝 Contribuyendo

Bifurcar el repositorio
Crea tu rama de funciones ( git checkout -b feature/amazing-feature )
Confirme sus cambios ( git commit -m 'Add some amazing feature' )
Empujar a la rama ( git push origin feature/amazing-feature )
Abrir una solicitud de extracción

This server cannot be installed

-

security - not tested

F

license - not found

-

quality - not tested

How are these scores calculated?

Resources

GitHub Repository

Need Help?

Report Issue

Related Servers

MCP-RAG Server