Skip to main content
Glama
deenesjakoruzh
AmnaSarwar522

Personal Knowledge-Base MCP Server

by AmnaSarwar522
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

Personal Knowledge-Base MCP Server

学生所有のドキュメントコレクションに対して、Model Context Protocol (MCP)、Gemini embeddings、Qdrantを使用してセマンティック検索を提供するPersonal Knowledge-Base MCP Serverです。

プロジェクト概要

このプロジェクトは、個人知識ベースを呼び出し可能なMCPツールとして公開します。

キーワードマッチングに依存する代わりに、システムはユーザーのクエリをベクトル埋め込みに変換し、Qdrantから意味的に関連するドキュメントチャンクを取得します。

Related MCP server: genai-lab

アーキテクチャ

User / MCP Client
       |
       v
MCP Server (FastMCP)
       |
       +----------------------+
       |                      |
       v                      v
 search_notes()        get_document()
       |
       v
Gemini Embedding API
       |
       v
Qdrant Vector Database
       |
       v
Ranked Chunks
       |
       v
Source + Page + Score + Text
## Features

* PDF document ingestion
* Page-by-page text extraction
* Recursive text chunking
* Gemini `gemini-embedding-001` embeddings
* Qdrant vector storage
* Semantic similarity search
* Source and page citations
* Confidence threshold for low-relevance queries
* Full-document retrieval
* Indexed-source listing
* MCP Inspector support

## MCP Tools

### `search_notes`

Searches the knowledge base using semantic similarity.

Arguments:

* `query`: search question or topic
* `top_k`: maximum number of results

Returns:

* similarity score
* source filename
* page number
* relevant text chunk

### `get_document`

Returns the complete text of an indexed PDF document.

Argument:

* `doc_id`: document filename

Example:

```text
Complex_Variables_Project_Report.pdf

list_source_documents

インデックス化されたすべてのソースドキュメントを一覧表示します。

出力例:

1. Complex_Variables_Project_Report.pdf

プロジェクト構造

Personal-Knowledge-MCP/
├── documents/
│   └── Complex_Variables_Project_Report.pdf
├── services/
│   ├── chunking.py
│   ├── embedding.py
│   ├── pdf_reader.py
│   └── qdrant_service.py
├── .env
├── .gitignore
├── evaluation.py
├── ingest.py
├── requirements.txt
└── server.py

セットアップ

1. 仮想環境の作成と有効化

python -m venv .venv
.venv\Scripts\Activate.ps1

2. 依存関係のインストール

pip install -r requirements.txt

3. Gemini APIキーの設定

プロジェクトルートに .env ファイルを作成します:

GEMINI_API_KEY=your_api_key_here

.env をGitにコミットしないでください。

4. Qdrantの起動

プロジェクトはローカルQdrantを以下で使用します:

http://localhost:6333

Dockerコマンドの例:

docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant

ドキュメントの取り込み

PDFを以下の場所に配置します:

documents/

実行:

python ingest.py

取り込みパイプラインは以下を実行します:

PDF
 ↓
Page extraction
 ↓
Chunking
 ↓
Gemini embeddings
 ↓
Qdrant storage

保存された各チャンクには以下が含まれます:

text
page
source

MCPサーバーの実行

MCPインスペクターを起動:

mcp dev server.py

MCPサーバーはSTDIOトランスポートを使用します。

利用可能なツール:

search_notes
get_document
list_source_documents

検索評価

5つのクエリからなる小さな評価セットを使用して、期待される関連ページが少なくとも1つ、上位3件の検索結果に含まれるかどうかを確認しました。

評価結果:

Tests: 5
Successful hits: 5
Hit@3: 100%

評価クエリの例は以下の通りです:

  • 複素変数とは何か？

  • コーシー・リーマン方程式とは何か？

  • ラプラス変換は工学システムにどのように役立つか？

  • ラプラス変換とフーリエ変換の違いは何か？

  • FFTは音声ノイズ低減にどのように使われるか？

信頼度フィルタリング

検索ツールは、初期類似度しきい値を使用します:

0.60

例えば、関連クエリではスコアが約:

0.79
0.76
0.75

一方、無関係なクエリではスコアが約:

0.52

したがって、低スコアの結果はフィルタリングされ、ツールは以下を返します:

No confident match found.

技術

  • Python

  • FastMCP

  • Model Context Protocol (MCP)

  • Google Gemini Embeddings

  • Qdrant

  • PyMuPDF

  • LangChain Text Splitters

  • Docker

  • MCP Inspector

現在のナレッジソース

現在のデモンストレーションコーパスは:

Complex_Variables_Project_Report.pdf

このドキュメントは7ページで構成され、インデックス化された personal_knowledge コレクション用に30チャンクに分割されました。

セキュリティ

  • APIキーは .env に保存されます

  • .env は .gitignore によって除外されます

  • シークレットをソース管理にコミットしてはいけません

今後の改善

  • MarkdownおよびTXTドキュメントのサポート

  • ドキュメントレベルの永続IDの追加

  • 重複チャンク処理の改善

  • 評価データセットの拡張

  • さらなる検索メトリクスの追加

  • 複数ドキュメントコレクションのサポート

  • オプションのQdrant Cloudデプロイメントの追加

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivitySlowing
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • hw_rag_mcp

    schuchev
    F
    license
    Not graded
    quality
    D
    maintenance
    MCP server that indexes a knowledge base into Chroma and provides search tools for retrieving document fragments via vector embeddings.
    -

  • ja-local-kb

    jefferyadventure519-byte
    A
    license
    Not graded
    quality
    A
    maintenance
    A local knowledge base MCP server that enables retrieval and evidence-based Q&A over Obsidian Markdown notes, with high-recall embedding search, chunked indexing, hybrid retrieval, and three STDIO MCP tools for agent-driven recollection and quality-gated recall.
    Academic Free v1.1