RAG Config Generator MCP
RAG Config Generator MCP
Сервер MCP (Model Context Protocol), который генерирует конфигурации конвейеров RAG (Retrieval-Augmented Generation) на основе описаний на естественном языке.
Живое демо
API: Vercel Deployment
Related MCP server: Pipelex MCP Server
Возможности
Полная генерация конфигурации: опишите ваш сценарий использования RAG на естественном языке
Стратегия чанкинга: получите рекомендации по чанкингу на основе типа документа
Эмбеддинги: получите рекомендации по моделям эмбеддингов на основе сценария использования и бюджета
Векторное хранилище: получите рекомендации по векторному хранилищу на основе размера данных и задержки
Эндпоинты API
Endpoint | Description |
| Информация о сервере |
| Сгенерировать полную конфигурацию RAG |
| Рекомендации по чанкингу |
| Рекомендации по эмбеддингам |
| Рекомендации по векторному хранилищу |
Установка
pip install -r requirements.txtИспользование
Запустить интерфейс Gradio
python app.pyОткрывается по адресу http://localhost:7860
Запустить MCP-сервер
python server.pyMCP-сервер будет доступен по адресу http://localhost:8000/mcp
Структура проекта
mcp/
├── server.py # FastAPI + MCP server
├── rag_configs.py # RAG config templates and logic
├── app.py # Gradio UI
├── api/
│ └── index.py # Vercel serverless function
├── requirements.txt # Python dependencies
├── vercel.json # Vercel configuration
└── README.md # DocumentationТехнологический стек
Бэкенд: Python, FastAPI, FastAPI-MCP
Фронтенд: Gradio, HTML/CSS/JS
Развёртывание: Vercel (API), Hugging Face Spaces (UI)
Лицензия
MIT
This server cannot be deployed
Maintenance
Related MCP Connectors
Ingest, manage, and retrieve documents for RAG-powered AI applications
Multi-agent AI pipeline that generates professional Solution Architecture Documents.
Cloud or self-hosted knowledge for AI agents: hybrid search, reranking, GraphRAG, scoped MCP tools.
Turn documents into structured, AI-ready data by parsing, enriching, chunking, and embedding.
Related MCP Servers
- AlicenseNot gradedqualityBmaintenanceCreates deterministic, auditable vector databases from any content source with deployable RAG applications. Supports multiple embedding providers and vector databases with fine-grained pipeline control or project-based workflows.9 npm6Academic Free v1.1
- AlicenseBqualityBmaintenanceEnables AI agents to build and execute Pipelex pipelines on-the-fly from natural language descriptions.4864 npmElastic 2.0
- AlicenseNot gradedqualityCmaintenanceAutomated RAG pipeline optimization and serving. It interviews users, builds and evaluates candidate configurations on their data, and registers the best ones as a fleet queryable via MCP.MIT
- FlicenseNot gradedqualityCmaintenanceEnables document Q&A and knowledge retrieval through hybrid semantic and keyword search, with tools for document ingestion, chunking, summarization, PII redaction, and RAGAS-based evaluation.-