Skip to main content
Glama
Sign In
enesjakozh

MCP-RAG Server

by sourangshupal
GitHub
Python
1
  • Linux
  • Apple
OverviewInspectNewSchemaRelated ServersReviewsScore
Need Help?View Source CodeReport Issue

Integrations

  • Implements environment variable configuration through .env files, enabling secure storage of API keys and other sensitive information

  • Provides Git-based workflows for contribution and version control, supporting feature branch development and pull request processes

  • Supports Jupyter notebook functionality through ipykernel, allowing interactive development and visualization of RAG operations

MCP-RAG：带有 RAG 的模型上下文协议🚀

使用 GroundX 和 OpenAI 实现的强大而高效的 RAG（检索增强生成），采用现代上下文处理 (MCP) 构建。

🌟 功能

  • 高级 RAG 实现：利用 GroundX 进行高精度文档检索
  • 模型上下文协议：与 MCP 无缝集成，增强上下文处理
  • 类型安全：使用 Pydantic 构建，可进行强大的类型检查和验证
  • 灵活的配置：通过环境变量轻松定制设置
  • 文档提取：支持 PDF 文档提取和处理
  • 智能搜索：具有评分的语义搜索功能

🛠️ 先决条件

  • Python 3.12 或更高版本
  • OpenAI API 密钥
  • GroundX API 密钥
  • MCP CLI 工具

📦安装

  1. 克隆存储库：
git clone <repository-url> cd mcp-rag
  1. 创建并激活虚拟环境：
uv sync source .venv/bin/activate # On Windows, use `.venv\Scripts\activate`

⚙️ 配置

  1. 复制示例环境文件：
cp .env.example .env
  1. 在.env中配置环境变量：
GROUNDX_API_KEY="your-groundx-api-key" OPENAI_API_KEY="your-openai-api-key" BUCKET_ID="your-bucket-id"

🚀 使用方法

启动服务器

使用以下命令运行检查服务器：

mcp dev server.py

文档摄取

要获取新文档：

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

执行搜索

基本搜索查询：

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}")

使用自定义配置：

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)

📚 依赖项

  • groundx （≥2.3.0）：核心 RAG 功能
  • openai (≥1.75.0)：OpenAI API 集成
  • mcp[cli] (≥1.6.0)：现代上下文处理工具
  • ipykernel （≥6.29.5）：Jupyter 笔记本支持

🔒 安全

  • 切勿提交包含 API 密钥的.env文件
  • 对所有敏感信息使用环境变量
  • 定期轮换您的 API 密钥
  • 监控 API 使用情况，防止任何未经授权的访问

🤝 贡献

  1. 分叉存储库
  2. 创建你的功能分支（ git checkout -b feature/amazing-feature ）
  3. 提交您的更改（ git commit -m 'Add some amazing feature' ）
  4. 推送到分支（ git push origin feature/amazing-feature ）
  5. 打开拉取请求

This server cannot be installed

-
security - not tested
F
license - not found
-
quality - not tested

使用 GroundX 和 OpenAI 实现检索增强生成 (RAG)，允许用户通过现代上下文处理 (MCP) 提取文档并使用高级上下文处理执行语义搜索。

  1. 🌟 功能
    1. 🛠️ 先决条件
      1. 📦安装
        1. ⚙️ 配置
          1. 🚀 使用方法
            1. 启动服务器
            2. 文档摄取
            3. 执行搜索
          2. 📚 依赖项
            1. 🔒 安全
              1. 🤝 贡献

                Related MCP Servers

                • mcp-apple-notes

                  RafalWilinski
                  -
                  security
                  F
                  license
                  -
                  quality
                  Enables semantic search and RAG (Retrieval Augmented Generation) over your Apple Notes.
                  Last updated -
                  158
                  TypeScript
                  • Apple

                • Chroma MCP Server

                  privetin
                  -
                  security
                  F
                  license
                  -
                  quality
                  Enables LLMs to perform semantic search and document management using ChromaDB, supporting natural language queries with intuitive similarity metrics for retrieval augmented generation applications.
                  Last updated -
                  Python
                  • Apple

                • RagDocs MCP Server

                  heltonteixeira
                  -
                  security
                  A
                  license
                  -
                  quality
                  Provides RAG capabilities for semantic document search using Qdrant vector database and Ollama/OpenAI embeddings, allowing users to add, search, list, and delete documentation with metadata support.
                  Last updated -
                  5
                  4
                  TypeScript
                  Apache 2.0

                • TxtAi Memory Vector Server

                  rmtech1
                  -
                  security
                  F
                  license
                  -
                  quality
                  Model Context Protocol (MCP) server implementation for semantic search and memory management using TxtAI. This server provides a robust API for storing, retrieving, and managing text-based memories with semantic search capabilities. You can use Claude and Cline AI Also
                  Last updated -
                  4
                  Python
                  • Apple

                View all related MCP servers

                New MCP Servers

                ID: do5d4tnskv