MCP RAG

向 RAG 知识库添加一段新文本以供将来参考。 使用场景：

• 添加事实、定义或解释

• 存储对话中的重要信息

• 保存研究发现或笔记

• 添加特定主题的上下文

参数： text: 要学习并存储在知识库中的文本内容。 source_name: 来源的描述性名称（例如 "user_notes", "research_paper", "conversation_summary"）。

使用高级非结构化处理技术（包含真正的语义分块）读取和处理文档文件，并将其添加到知识库。 当您想通过智能处理文档文件来训练人工智能时，可以使用此功能。

支持的文件类型：PDF、DOCX、PPTX、XLSX、TXT、HTML、CSV、JSON、XML、ODT、ODP、ODS、RTF、 图像（PNG、JPG、TIFF、带 OCR 的 BMP）、电子邮件（EML、MSG）以及超过 25 种格式。

高级功能：

• 基于文档结构（标题、章节、列表）的 REAL 语义分块

• 智能文档结构保存（标题、列表、表格）

• 自动去噪（页眉、页脚、无关内容）

• 结构化元数据提取

• 适用于任何文档类型的强大回退系统

• 通过语义边界增强上下文保存

使用示例：

• 处理布局复杂的研究论文或文章

• 从包含表格和列表的报告或手册中添加内容

• 从带格式的电子表格导入数据

• 将演示文稿转换为可搜索的知识

• 使用 OCR 处理扫描文档

文档将通过 REAL 语义分块进行智能处理，并与增强的元数据一起存储。

将保存处理后文档的副本以供验证。

参数： file_path：要处理的文档文件的绝对路径或相对路径。

向 RAG 知识库提问，并根据存储的信息返回答案。 使用场景：

• 询问特定主题或概念

• 请求解释或定义

• 从处理过的文档中获取信息

• 基于学习的文本或文档获取答案

参数： query: 要向知识库提出的问题或查询。

向 RAG 知识库提问，并使用特定过滤器聚焦搜索。 使用场景：

• 仅搜索 PDF 文档：file_type=".pdf"

• 查找包含表格的文档：min_tables=1

• 查找结构良好的文档：min_titles=5

• 搜索增强处理的文档：processing_method="unstructured_enhanced"

参数： query: 要向知识库提出的问题或查询。 file_type: 按文件类型过滤（例如 ".pdf", ".docx", ".txt"）。 min_tables: 文档必须包含的最小表格数量。 min_titles: 文档必须包含的最小标题数量。 processing_method: 按处理方法过滤（例如 "unstructured_enhanced", "markitdown"）。

获取有关知识库的综合统计信息，包括文档类型、处理方法和结构信息。 使用场景：

• 检查知识库中有多少文档

• 了解文件类型的分布

• 查看使用了哪些处理方法

• 分析存储文档的结构复杂性

返回： 有关知识库内容的详细统计信息。

获取有关嵌入缓存性能的详细统计信息。 使用场景：

• 检查缓存命中率以查看系统是否高效工作

• 监控缓存的内存使用情况

• 了解嵌入的重用频率

• 调试性能问题

返回： 有关嵌入缓存性能的详细统计信息。

清除嵌入缓存以释放内存和磁盘空间。 使用场景：

• 在系统内存不足时释放内存

• 在更改嵌入模型后重置缓存

• 清除不再需要的旧缓存嵌入

• 排查与缓存相关的问题

返回： 有关缓存清理操作的确认消息。

优化向量数据库以提高搜索性能。 使用场景：

• 搜索速度变慢

• 添加了许多新文档

• 希望提高系统的整体性能

返回： 有关优化过程的信息。

获取向量数据库的详细统计信息。 使用场景：

• 检查数据库状态

• 分析文档分布

• 诊断性能问题

• 规划优化

返回： 向量数据库的详细统计信息。

使用优化配置重新索引向量数据库。 使用场景：

• 更改配置文件

• 搜索速度非常慢

• 希望针对特定数据库大小进行优化

• 存在持续的性能问题

参数： profile: 配置文件（'small', 'medium', 'large', 'auto'）。 'auto' 会自动检测最佳配置文件

返回： 有关重新索引过程的信息。