-
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 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/식별자content(필수): 문서 콘텐츠metadata(선택 사항): 문서 메타데이터title: 문서 제목contentType: 콘텐츠 유형(예: "text/markdown")
2. 문서 검색
의미적 유사성을 사용하여 저장된 문서를 검색합니다.
매개변수:
query(필수): 자연어 검색 쿼리options(선택 사항):limit: 최대 결과 수(1-20, 기본값: 5)scoreThreshold: 최소 유사도 점수(0-1, 기본값: 0.7)filters:domain: 도메인으로 필터링hasCode: 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
{
"mcpServers": {
"ragdocs": {
"command": "node",
"args": ["@mcpservers/ragdocs"],
"env": {
"QDRANT_URL": "http://127.0.0.1:6333",
"EMBEDDING_PROVIDER": "ollama"
}
}
}
}
Qdrant Cloud 사용:
{
"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 사용:
{
"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"
}
}
}
}
Docker를 사용한 로컬 Qdrant
docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant
환경 변수
QDRANT_URL: Qdrant 인스턴스의 URL로컬의 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 모델Ollama의 경우: 기본값은 "nomic-embed-text"입니다.
OpenAI의 경우: 기본값은 "text-embedding-3-small"입니다.
특허
아파치 라이선스 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