🚀 MCP 서버가 포함된 Agentic RAG 
✨ 개요

MCP 서버가 탑재된 Agentic RAG는 Agentic RAG (Retrieval-Augmented Generation) 애플리케이션을 구축하기 위한 MCP(Model Context Protocol) 서버와 클라이언트를 결합한 강력한 프로젝트입니다.
이 설정은 다음과 같은 고급 도구를 사용하여 RAG 시스템을 강화합니다.
🕵️♂️ 엔티티 추출
🔍 쿼리 세분화
✅ 관련성 확인
서버는 이러한 지능형 도구를 호스팅하고, 클라이언트는 이러한 도구에 원활하게 연결하여 활용하는 방법을 보여줍니다.
🖥️ 서버 — server.py
mcp 라이브러리의 FastMCP 클래스를 기반으로 하는 이 서버는 다음과 같은 편리한 도구를 제공합니다.
도구 이름 | 설명 | 상 |
| 현재 날짜 및 시간을 반환합니다. | ⏰ |
| OpenAI를 사용하여 쿼리에서 엔터티를 추출하여 문서 검색 관련성을 향상시킵니다. | 🧠 |
| OpenAI 기반 세분화를 통해 사용자 쿼리의 품질을 향상시킵니다. | ✨ |
| LLM을 사용하여 청크 관련성을 확인하여 관련 없는 콘텐츠를 필터링합니다. | ✅ |
🤝 클라이언트 — mcp-client.py
클라이언트는 MCP 서버에 연결하고 상호 작용하는 방법을 보여줍니다.
mcp라이브러리에서ClientSession과 연결을 설정합니다.사용 가능한 모든 서버 도구 나열
사용자 정의 인수로 모든 도구 호출
OpenAI 또는 Gemini 와 MCP 도구를 함께 활용하여 쿼리 처리
⚙️ 요구 사항
파이썬 3.9 이상
openaiPython 패키지mcp라이브러리환경 변수 관리를 위한
python-dotenv
🛠️ 설치 가이드
지엑스피1
🔐 구성
.env파일을 만듭니다(.env.sample템플릿으로 사용).env에 OpenAI 모델을 설정합니다.
🚀 사용 방법
MCP 서버를 시작합니다.
MCP 클라이언트를 실행합니다.
📜 라이센스
이 프로젝트는 MIT 라이선스 에 따라 라이선스가 부여되었습니다.
읽어주셔서 감사합니다 🙏
This server cannot be installed
Related Resources
Related MCP Servers
- -securityAlicense-qualityProvides RAG capabilities for semantic document search using Qdrant vector database and Ollama/OpenAI embeddings, allowing users to add, search, list, and delete documentation with metadata support.Last updated -116Apache 2.0
- -securityFlicense-qualityThis server enables AI assistants (CLINE, Cursor, Windsurf, Claude Desktop) to share a common knowledge base through Retrieval Augmented Generation (RAG), providing consistent information access across multiple tools.Last updated -4
Agentsetofficial
AsecurityAlicenseAqualityAn open-source platform for Retrieval-Augmented Generation (RAG). Upload documents and query them ⚡Last updated -12423MIT License- -securityFlicense-qualityImplements Retrieval-Augmented Generation (RAG) using GroundX and OpenAI, allowing users to ingest documents and perform semantic searches with advanced context handling through Modern Context Processing (MCP).Last updated -5