Ejemplo de MCP RAG de DuckDB

Este es un ejemplo que integra y vectoriza un documento Markdown para que pueda explicarse utilizando MCP y RAG.

Utilizamos Plamo-Embedding-1B para la vectorización.

función

Extraer y vectorizar texto de archivos Markdown
Búsqueda de vectores con DuckDB
Persistencia de datos vectoriales con archivos Parquet
Búsqueda de vectores desde MCP

Cómo utilizar

Generación de datos vectoriales

Primero, coloque los archivos markdown que desea buscar en un directorio específico, luego conviértalos en archivos Parquet con el siguiente comando.

uv run main.py --directory ~/path/to/markdown/files --parquet vectors.parquet

Configuración de MCP

Construir

El siguiente comando generará un único binario en dist/server .

uv run pyinstaller --clean --strip --noconfirm --onefile server.py

Configuración del cliente MCP

Configúrelo según el cliente que desee utilizar.

Para Claude Desktop se ve así:

Para VECTOR_PARQUET, especifique el archivo que acaba de convertir.

uv run mcp install server.py -v VECTOR_PARQUET=/path/to/vectors.parquet

Se establece de la siguiente manera:

{
  "mcpServers": {
    "DuckDB-RAG-MCP-Sample": {
      "command": "/path/to/dist/server",
      "env": {
        "VECTOR_PARQUET": "/path/to/vectors.parquet"
      }
    }
  }
}

Iniciar el servidor de desarrollo

uv run mcp dev server.py

licencia

El ejemplo DuckDB RAG MCP se proporciona bajo la licencia Apache, versión 2.0.

Integrations