RagDocs MCP 服务器

模型上下文协议 (MCP) 服务器，使用 Qdrant 向量数据库和 Ollama/OpenAI 嵌入提供 RAG（检索增强生成）功能。该服务器通过向量相似性实现文档的语义搜索和管理。

特征

• 添加带有元数据的文档
• 通过文档进行语义搜索
• 列出并组织文档
• 删除文档
• 支持 Ollama（免费）和 OpenAI（付费）嵌入
• 自动文本分块和嵌入生成
• 使用 Qdrant 进行矢量存储

先决条件

• Node.js 16 或更高版本
• 以下 Qdrant 设置之一：
  • 使用 Docker 的本地实例（免费）
  • 带有 API 密钥的 Qdrant Cloud 帐户（托管服务）
• 以下其中之一用于嵌入：
  • Ollama 在本地运行（默认，免费）
  • OpenAI API 密钥（可选，付费）

可用工具

1. 添加文档

向 RAG 系统添加文档。

参数：

• url （必填）：文档 URL/标识符
• content （必填）：文档内容
• metadata （可选）：文档元数据
  • title ：文档标题
  • contentType ：内容类型（例如“text/markdown”）

2. 搜索文档

使用语义相似性搜索存储的文档。

参数：

• query （必需）：自然语言搜索查询
• options （可选）：
  • limit ：最大结果数（1-20，默认值：5）
  • scoreThreshold ：最小相似度得分（0-1，默认值：0.7）
  • filters ：
    • domain ：按域过滤
    • hasCode ：过滤包含代码的文档
    • after ：过滤日期之后的文档（ISO 格式）
    • before ：过滤日期之前的文档（ISO 格式）

3. 列出文档

列出所有存储的文档，并提供分页和分组选项。

参数（全部可选）：

• page ：页码（默认值：1）
• pageSize ：每页文档数（1-100，默认值：20）
• groupByDomain ：按域分组文档（默认值：false）
• sortBy ：排序字段（“时间戳”、“标题”或“域”）
• sortOrder ：排序顺序（“asc”或“desc”）

4. 删除文档

从 RAG 系统中删除文档。

参数：

• url （必填）：要删除的文档的 URL

安装

MCP 服务器配置

使用 Qdrant Cloud：

使用 OpenAI：

使用 Docker 的本地 Qdrant

环境变量

• QDRANT_URL ：您的 Qdrant 实例的 URL
  • 对于本地：“ http://127.0.0.1:6333 ”（默认）
  • 对于云：“ https://your-cluster-url.qdrant.tech ”
• QDRANT_API_KEY ：Qdrant Cloud 的 API 密钥（使用云实例时需要）
• EMBEDDING_PROVIDER ：嵌入提供商的选择（“ollama”或“openai”，默认值：“ollama”）
• OPENAI_API_KEY ：OpenAI API 密钥（如果使用 OpenAI，则需要）
• EMBEDDING_MODEL ：用于嵌入的模型
  • 对于 Ollama：默认为“nomic-embed-text”
  • 对于 OpenAI：默认为“text-embedding-3-small”

执照

Apache 许可证 2.0