MCP-RAG: RAG를 사용한 모델 컨텍스트 프로토콜 🚀

GroundX와 OpenAI를 사용하여 강력하고 효율적인 RAG(Retrieval-Augmented Generation)를 구현했으며, MCP(Modern Context Processing)로 구축되었습니다.

🌟 특징

고급 RAG 구현 : 고정확도 문서 검색을 위해 GroundX 활용
모델 컨텍스트 프로토콜 : 향상된 컨텍스트 처리를 위한 MCP와의 원활한 통합
Type-Safe : 강력한 유형 검사 및 검증을 위해 Pydantic으로 구축됨
유연한 구성 : 환경 변수를 통해 설정을 쉽게 사용자 정의할 수 있습니다.
문서 수집 : PDF 문서 수집 및 처리 지원
지능형 검색 : 점수 매기기 기능이 포함된 의미 검색 기능

Related MCP server: RAG_MCP

🛠️ 필수 조건

Python 3.12 이상
OpenAI API 키
GroundX API 키
MCP CLI 도구

📦 설치

저장소를 복제합니다.

지엑스피1

가상 환경을 만들고 활성화하세요.

uv sync source .venv/bin/activate # On Windows, use `.venv\Scripts\activate`

⚙️ 구성

예제 환경 파일을 복사하세요.

cp .env.example .env

.env 에서 환경 변수를 구성하세요.

GROUNDX_API_KEY="your-groundx-api-key" OPENAI_API_KEY="your-openai-api-key" BUCKET_ID="your-bucket-id"

🚀 사용법

서버 시작

다음을 사용하여 검사 서버를 실행합니다.

mcp dev server.py

문서 수집

새 문서를 수집하려면:

from server import ingest_documents result = ingest_documents("path/to/your/document.pdf") print(result)

검색 수행

기본 검색어:

from server import process_search_query response = process_search_query("your search query here") print(f"Query: {response.query}") print(f"Score: {response.score}") print(f"Result: {response.result}")

사용자 정의 구성:

from server import process_search_query, SearchConfig config = SearchConfig( completion_model="gpt-4", bucket_id="custom-bucket-id" ) response = process_search_query("your query", config)