RagDocs MCP 서버

Qdrant 벡터 데이터베이스와 Ollama/OpenAI 임베딩을 사용하여 RAG(Retrieval-Augmented Generation) 기능을 제공하는 모델 컨텍스트 프로토콜(MCP) 서버입니다. 이 서버는 벡터 유사성을 통해 문서의 의미론적 검색 및 관리를 지원합니다.

특징

• 메타데이터를 사용하여 문서 추가
• 문서의 의미 검색
• 문서 목록 작성 및 정리
• 문서 삭제
• Ollama(무료) 및 OpenAI(유료) 임베딩 모두 지원
• 자동 텍스트 청킹 및 임베딩 생성
• Qdrant를 사용한 벡터 저장

필수 조건

• Node.js 16 이상
• 다음 Qdrant 설정 중 하나:
  • Docker를 사용한 로컬 인스턴스(무료)
  • API 키가 있는 Qdrant Cloud 계정(관리형 서비스)
• 임베딩의 경우 다음 중 하나:
  • 로컬에서 실행되는 Ollama(기본, 무료)
  • OpenAI API 키(선택 사항, 유료)

사용 가능한 도구

1. 문서 추가

RAG 시스템에 문서를 추가합니다.

매개변수:

• url (필수): 문서 URL/식별자
• content (필수): 문서 콘텐츠
• metadata (선택 사항): 문서 메타데이터
  • title : 문서 제목
  • contentType : 콘텐츠 유형(예: "text/markdown")

2. 문서 검색

의미적 유사성을 사용하여 저장된 문서를 검색합니다.

매개변수:

• query (필수): 자연어 검색 쿼리
• options (선택 사항):
  • limit : 최대 결과 수(1-20, 기본값: 5)
  • scoreThreshold : 최소 유사도 점수(0-1, 기본값: 0.7)
  • filters :
    • domain : 도메인으로 필터링
    • hasCode : 코드가 포함된 문서를 필터링합니다.
    • after : 날짜 이후의 문서 필터링(ISO 형식)
    • before : 날짜 이전의 문서를 필터링합니다(ISO 형식)

3. 문서 목록

페이지 매김 및 그룹화 옵션을 사용하여 저장된 모든 문서를 나열합니다.

매개변수(모두 선택 사항):

• page : 페이지 번호 (기본값: 1)
• pageSize : 페이지당 문서 수(1-100, 기본값: 20)
• groupByDomain : 도메인별로 문서를 그룹화합니다(기본값: false)
• sortBy : 정렬 필드("타임스탬프", "제목" 또는 "도메인")
• sortOrder : 정렬 순서("asc" 또는 "desc")

4. 문서 삭제

RAG 시스템에서 문서를 삭제합니다.

매개변수:

• url (필수): 삭제할 문서의 URL

설치

지엑스피1

MCP 서버 구성

Qdrant Cloud 사용:

OpenAI 사용:

Docker를 사용한 로컬 Qdrant

환경 변수

• QDRANT_URL : Qdrant 인스턴스의 URL
  • 로컬의 경우: " http://127.0.0.1:6333 "(기본값)
  • 클라우드의 경우: " https://your-cluster-url.qdrant.tech "
• QDRANT_API_KEY : Qdrant Cloud의 API 키(클라우드 인스턴스 사용 시 필요)
• EMBEDDING_PROVIDER : 임베딩 공급자 선택("ollama" 또는 "openai", 기본값: "ollama")
• OPENAI_API_KEY : OpenAI API 키(OpenAI를 사용하는 경우 필수)
• EMBEDDING_MODEL : 임베딩에 사용할 모델
  • Ollama의 경우: 기본값은 "nomic-embed-text"입니다.
  • OpenAI의 경우: 기본값은 "text-embedding-3-small"입니다.

특허

아파치 라이선스 2.0