🤖 MCP Agentic RAG com Qdrant e Bright Data

Este projeto implementa um servidor MCP (Model Context Protocol) com ferramentas inteligentes para:

• 🔍 Buscar respostas em uma base vetorial de perguntas frequentes sobre machine learning

• 🌐 Realizar pesquisas web usando proxy premium da Bright Data

• 💡 Usar agentes via Claude Desktop com prompts estruturados

⚙️ Tecnologias

• 🧠 LlamaIndex com modelo nomic-embed-text-v1.5

• 📦 Qdrant como banco vetorial local (via Docker)

• 🌍 Bright Data para scraping com proxy

• 🧠 Claude Desktop como cliente LLM

• ⚡ FastMCP como servidor MCP

• Python 3.11+

🧪 Configuração rápida

1. Clone o projeto e crie o ambiente

2. Configure seu arquivo .env

Crie o arquivo .env com suas credenciais Bright Data:

3. Suba o Qdrant via Docker

4. Ingestão de FAQ no banco vetorial

Você verá mensagens como:

5. Inicie o servidor MCP

6. Configure o Claude Desktop

Adicione este conteúdo ao seu config.json em:

🚀 Como usar

✅ Prompt 1 – Buscar em base FAQ:

✅ Prompt 2 – Pesquisa via Bright Data:

🧰 Scripts úteis

• ingest_faq.py → Gera embeddings e popula Qdrant com FAQ

• server.py → Inicia o servidor MCP com as ferramentas

• teste.py → Faz busca manual na coleção FAQ para debug

• prompt_1.yml, prompt_2.yml → Exemplos para Claude Desktop

• rag_code.py → Lógica de vetorização e busca

• .env → Armazena credenciais do Bright Data

• config.json → Registro local de servidor MCP no Claude

📬 Informação - Este projeto foi adaptado do projeto mcp_agentic_rag

Para mais projetos de IA, veja o Daily Dose of Data Science

🤝 Contribuições

Contribuições são bem-vindas! Faça um fork, crie um branch, adicione melhorias e envie um PR 🚀