Provides search and retrieval of FPGA documentation from AMD (Xilinx), including data sheets, user guides, application notes, and IP documentation, via hybrid keyword and vector search.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@xilinx-rag search docs for PCIe DMA"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
AI 驱动的 Xilinx/AMD FPGA 文档检索 MCP 服务器。混合检索 SQLite FTS5 关键词 + ChromaDB 向量嵌入 + RRF 融合，为 AI 编程助手（如 Kimi Code）提供 FPGA 数据手册、用户指南、应用笔记和 IP 文档的按需搜索。
双路混合检索 — FTS5 全文索引（精确关键词匹配）+ BGE 向量嵌入（中文语义匹配），RRF 融合排序
7 个 MCP 工具 — search_docs、reindex_docs、get_doc_stats、list_doc_families、fetch_and_index、fetch_pdf、import_url_list
系列/类型过滤 — 按 family（7_Series、Versal_Device…）和 doc_type（PG、UG、DS、XAPP…）精确筛选
网页抓取 — fetch_and_index 抓取 URL 解析入索引，fetch_pdf 用 Headless Chromium 渲染 JS 页面并导出 PDF
自动分类 — 下载的文档根据标题/URL 关键词自动归入 25+ FPGA 系列目录
优雅降级 — 嵌入模型不可用时自动回退纯 FTS5 模式；markitdown 不可用时回退 pypdf2
增量索引 — 文件哈希追踪，reindex_docs 只处理变更文件
Related MCP server: Dedalus MCP Documentation Server
git clone <repo-url>
cd doc_search_mcp
pip install -e .向量搜索需要模型 BAAI/bge-small-zh-v1.5（约 100 MB）。国内用户建议用镜像：
# 方式一：环境变量自动镜像（推荐）
set HF_ENDPOINT=https://hf-mirror.com # Windows CMD
$env:HF_ENDPOINT = "https://hf-mirror.com" # PowerShell
# 方式二：huggingface-cli
huggingface-cli download BAAI/bge-small-zh-v1.5
# 方式三：git clone 模型仓库
git clone https://hf-mirror.com/BAAI/bge-small-zh-v1.5
# 放入 ~/.cache/huggingface/hub/models--BAAI--bge-small-zh-v1.5/snapshots/若无法联网下载模型，系统自动降级为纯 FTS5 关键词搜索模式，搜索功能不受影响。
将 Xilinx 文档（PDF）按系列放到子目录：
XilinxDocs/
├── 7_Series/ # Artix-7, Kintex-7, Virtex-7
├── UltraScale/ # Kintex/Virtex UltraScale
├── Versal_Device/ # Versal ACAP
├── Zynq_7000/
├── Zynq_UltraScale+_MPSoC/
├── Vivado/
├── Vitis_Products/
├── IP/ # LogiCORE IP Product Guides
├── ISE/
└── ...目录名即为文档系列（family），文件名中的 pg195、ug901 等自动提取为 doc_type/doc_id。
# 指定文档库并构建（首次约 50 分钟，处理 3000+ PDF）
xilinx-rag index --docs-root H:\Users\admin\Documents\XilinxDocs
# docs-root 会自动保存到 ~/.xilinx-rag/config.json，后续只需：
xilinx-rag index首次运行会：
解析所有 PDF（pypdf2），滑动窗口分块（500 字符/250 重叠）
写入 SQLite corpus.db（~1.1 GB），建 FTS5 全文索引（~29 秒）
生成向量嵌入写入 ChromaDB（~10 GB，含模型时约 5 小时）
xilinx-rag stats
# 输出: {"total_chunks": 1648364, "index_status": "ready", "chroma_size_mb": 10377.7}xilinx-rag serve在 MCP 客户端（如 Kimi Code config.toml）中配置为子进程启动即可。
search_docs — 混合检索search_docs(query="PCIe XDMA", top_k=5, family="IP", doc_type="PG")返回 FTS5 + 向量 + RRF 融合排序结果，包含文本片段、源文件、页码、系列、文档类型、BM25/向量/融合分数。
reindex_docs — 重建索引reindex_docs(force=True) # force=True 全量重建，默认增量更新get_doc_stats — 索引统计get_doc_stats()
# → total_chunks, index_status, chroma_size_mblist_doc_families — 列出系列list_doc_families()
# → 所有 family 目录及文件数fetch_and_index — 抓取网页fetch_and_index(url="https://docs.xilinx.com/...", family="Vivado", save_html=True)fetch_pdf — 导出 PDFfetch_pdf(url="https://docs.xilinx.com/...", family="Versal_Device")用 Playwright + Edge 渲染 JS 页面，自动探测 AMD 文档门户的 Fluid Topics PDF 附件。
import_url_list — 批量导入import_url_list(file_path="urls.txt", family="IP")核心参数在 src/xilinx_rag/config.py：
参数 | 默认值 | 说明 |
|
| 索引/缓存目录 |
|
| ChromaDB 持久化存储 |
| 500 | 分块大小（字符） |
| 250 | 分块重叠量 |
|
| 向量嵌入模型（512 维） |
| 20 | FTS5 候选数 |
| 20 | 向量候选数 |
| 60 | RRF 融合平滑常数 |
文档根目录优先级：CLI --docs-root > 环境变量 XILINX_DOCS_ROOT > ~/.xilinx-rag/config.json
变量 | 说明 |
| 文档库根路径 |
| HuggingFace 镜像地址（国内设 |
PDF / HTML 文件 Curl / Playwright（网页）
│ │
▼ ▼
parser.py search_tools.py
（pypdf2 解析） （抓取+解析）
│ │
▼ ▼
ParsedChunk ────────► HybridRetriever.add_chunks()
│
┌──────────────┴──────────────┐
▼ ▼
SQLite FTS5 ChromaDB
（关键词索引） （向量嵌入）
│ │
▼ ▼
┌─────────────────────────────────────────┐
│ search() → RRF 融合 │
│ （FTS5 BM25 ∩ 向量余弦距离） │
└─────────────────────────────────────────┘
│
▼
MCP 工具返回结果路径 | 大小（3000+ PDF） | 说明 |
| ~1.1 GB | SQLite — 文本语料 + FTS5 全文索引 |
| ~10.4 GB | ChromaDB — 向量嵌入（可选） |
| ~500 KB | 已索引文件 SHA-256 |
| ~100 B | 用户配置 |
组件 | 库 | 用途 |
MCP 框架 |
| MCP 服务器生命周期 |
关键词搜索 | SQLite FTS5（内建） | 全文检索 + BM25 排序 |
向量存储 |
| 持久化向量嵌入 |
嵌入模型 |
| BAAI/bge-small-zh-v1.5（512 维） |
PDF 解析 |
| PDF 文本提取 |
HTML 解析 |
| 网页内容提取 |
浏览器 |
| JS 渲染 + PDF 导出 |
构建 |
| PEP 621 wheel 构建 |
指标 | 值 |
首次搜索（含模型加载） | ~28 秒 |
后续搜索（模型已驻内存） | <500 ms |
FTS5 索引重建 | ~29 秒 |
向量嵌入重建（3000+ PDF） | ~5 小时（CPU） |
索引存储总量 | ~12 GB |
未指定。
This server cannot be deployed
Driflyte MCP server which lets AI assistants query topic-specific knowledge from web and GitHub.
MCP server for agentverse documentation, generated by doc2mcp.
The Needle MCP server enables semantic search on documents stored in files like PDFs, DOCX, and XLSX by connecting AI applications to external data sources. It provides capabilities to create and manage document collections, perform natural language searches on stored content, and retrieve relevant information without requiring exact keyword matches.
