-
security-
license-
qualityFacilitates knowledge graph representation with semantic search using Qdrant, supporting OpenAI embeddings for semantic similarity and robust HTTPS integration with file-based graph persistence.
Last updated -
7
16
RagDocs MCP サーバー
QdrantベクターデータベースとOllama/OpenAIの埋め込みを用いたRAG（Retrieval-Augmented Generation）機能を提供するモデルコンテキストプロトコル（MCP）サーバー。このサーバーは、ベクター類似性に基づくドキュメントのセマンティック検索と管理を可能にします。
特徴
メタデータを含むドキュメントを追加する
文書を通じたセマンティック検索
ドキュメントをリスト化して整理する
ドキュメントを削除する
Ollama（無料）とOpenAI（有料）の両方の埋め込みをサポート
自動テキストチャンク化と埋め込み生成
Qdrantによるベクトルストレージ
前提条件
Node.js 16以上
次のいずれかの Qdrant セットアップ:
Docker を使用したローカルインスタンス (無料)
APIキー付きのQdrant Cloudアカウント（マネージドサービス）
埋め込みの場合は次のいずれかになります。
ローカルで実行される Ollama (デフォルト、無料)
OpenAI APIキー（オプション、有料）
利用可能なツール
1. ドキュメントの追加
RAG システムにドキュメントを追加します。
パラメータ:
url(必須): ドキュメントのURL/識別子content（必須）: ドキュメントの内容metadata（オプション）: ドキュメントのメタデータtitle: 文書のタイトルcontentType: コンテンツタイプ（例："text/markdown"）
2. 検索文書
意味的類似性を使用して保存されたドキュメントを検索します。
パラメータ:
query（必須）: 自然言語検索クエリoptions（オプション）:limit: 結果の最大数（1～20、デフォルト: 5）scoreThreshold: 最小類似度スコア（0-1、デフォルト: 0.7）filters:domain: ドメインでフィルタリングhasCode: コードを含むドキュメントをフィルターするafter: 日付以降の文書をフィルターします（ISO形式）before: 日付以前の文書をフィルターします（ISO形式）
3. ドキュメント一覧
ページ区切りとグループ化のオプションを使用して、保存されているすべてのドキュメントを一覧表示します。
パラメータ（すべてオプション）:
page: ページ番号（デフォルト: 1）pageSize: ページあたりのドキュメント数（1〜100、デフォルト: 20）groupByDomain: ドメインごとにドキュメントをグループ化します (デフォルト: false)sortBy: 並べ替えフィールド ("timestamp", "title", または "domain")sortOrder: ソート順（「asc」または「desc」）
4. ドキュメントの削除
RAG システムからドキュメントを削除します。
パラメータ:
url(必須): 削除するドキュメントのURL
インストール
npm install -g @mcpservers/ragdocs
MCP サーバーの構成
{
"mcpServers": {
"ragdocs": {
"command": "node",
"args": ["@mcpservers/ragdocs"],
"env": {
"QDRANT_URL": "http://127.0.0.1:6333",
"EMBEDDING_PROVIDER": "ollama"
}
}
}
}
Qdrant Cloud の使用:
{
"mcpServers": {
"ragdocs": {
"command": "node",
"args": ["@mcpservers/ragdocs"],
"env": {
"QDRANT_URL": "https://your-cluster-url.qdrant.tech",
"QDRANT_API_KEY": "your-qdrant-api-key",
"EMBEDDING_PROVIDER": "ollama"
}
}
}
}
OpenAI の使用:
{
"mcpServers": {
"ragdocs": {
"command": "node",
"args": ["@mcpservers/ragdocs"],
"env": {
"QDRANT_URL": "http://127.0.0.1:6333",
"EMBEDDING_PROVIDER": "openai",
"OPENAI_API_KEY": "your-api-key"
}
}
}
}
Docker を使用したローカル Qdrant
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant
環境変数
QDRANT_URL: QdrantインスタンスのURLローカルの場合：「 http://127.0.0.1:6333 」（デフォルト）
クラウドの場合：「 https://your-cluster-url.qdrant.tech 」
QDRANT_API_KEY: Qdrant Cloud の API キー (クラウド インスタンスを使用する場合に必要)EMBEDDING_PROVIDER: 埋め込みプロバイダの選択 ("ollama" または "openai"、デフォルト: "ollama")OPENAI_API_KEY: OpenAI API キー (OpenAI を使用する場合に必要)EMBEDDING_MODEL: 埋め込みに使用するモデルOllamaの場合: デフォルトは「nomic-embed-text」
OpenAIの場合: デフォルトは「text-embedding-3-small」
ライセンス
Apacheライセンス2.0
Related MCP Servers
- -securityAlicense-qualityEnables semantic search across multiple Qdrant vector database collections, supporting multi-query capability and providing semantically relevant document retrieval with configurable result counts.Last updated -46MIT License
- -securityFlicense-qualityThis server enables semantic search capabilities using Qdrant vector database and OpenAI embeddings, allowing users to query collections, list available collections, and view collection information.Last updated -6
Agentsetofficial
AsecurityAlicenseAqualityAn open-source platform for Retrieval-Augmented Generation (RAG). Upload documents and query them ⚡Last updated -11722MIT License