de en es ja ko ru zh

langgraph-mcp

Name: langgraph-mcp
Author: akshay2172

by akshay2172

Overview Schema Source Related Servers Discussions Admin

Local

LangGraph RAG MCP

LangGraph のドキュメントを Model Context Protocol（MCP）を通じて提供する、検索拡張生成（RAG）システムです。

概要

このプロジェクトは、以下を行うドキュメント検索システムを構築します。

公式ウェブサイトから LangGraph ドキュメントを収集・処理します。
このドキュメントからセマンティック検索用のベクトルデータベースを作成します。
この知識を Model Context Protocol（MCP）を通じて公開します。
VS Code、Cursor、Claude Desktop、Windsurf などの MCP 互換ホストと統合します。

Related MCP server: groq-docs-mcp

動作の仕組み

1. ドキュメントの収集と処理（コンテキスト）

RecursiveUrlLoader と BeautifulSoup を使用して、複数のウェブサイト URL から LangGraph ドキュメントを再帰的にスクレイピングおよびクレンジングします。
テキストを分割します。RecursiveCharacterTextSplitter と tiktoken を使用して、正確なトークン数を計算しながら管理可能なチャンクに分割します。
チャンクをベクトル表現に埋め込み、BAAI/bge-large-en-v1.5 の埋め込みを使用します。
ベクトルを SKLearnVectorStore に保存し、効率的な検索を実現します。

2. 検索システム（ツール）

指定されたクエリに対して最も関連性の高いドキュメントチャンクを検索する関数を実装します。
この関数を Claude などの言語モデルと統合し、コンテキストに即した応答を提供します。
ソースの帰属と関連コンテキストを含むフォーマット済みの応答を返します。

3. MCP サーバー統合

fastmcp ライブラリを使用して検索ツールを MCP サーバーとしてラップします。
検索関数を、MCP 互換ホストが使用できるツールとして公開します。
検索システムと追加リソース（完全なドキュメントファイルなど）の両方へのアクセスを提供します。

要件

Python 3.10+
Docker および Docker Compose（推奨）
Anthropic API キー（Claude モデル用）

インストールとセットアップ

このプロジェクトは、Docker（推奨）またはローカル Python 環境のどちらでも実行できます。

Docker を使用する場合（推奨）

このリポジトリをクローンします。

git clone https://github.com/yourusername/langraph-rag-mcp.git
cd langraph-rag-mcp

.env ファイルに API キーを設定します。 .env ファイルをプロジェクトルートに作成し、Anthropic API キーを追加してください。
```
echo "ANTHROPIC_API_KEY=your_api_key_here" > .env
```
docker-compose.yml ファイルはこの環境変数を自動的に読み込みます。

ローカル環境（Docker を使用しない場合）

このリポジトリをクローンします。

git clone https://github.com/yourusername/langraph-rag-mcp.git
cd langraph-rag-mcp

仮想環境を作成して有効化します。

conda create -n mcp python=3.13
conda activate mcp

必要なパッケージをインストールします。
```
pip install -r requirements.txt
```
.env ファイルに API キーを設定します。
```
echo "ANTHROPIC_API_KEY=your_api_key_here" > .env
```

使用方法

このプロセスは、最初にベクトルストアを生成し、次に MCP サーバーを実行するという2つの主要なステップで構成されます。

ステップ 1: ベクトルストアを生成する

これは、初回のみ、またはドキュメントを更新したいときに行うだけです。

Jupyter 環境で rag-tool.ipynb ノートブックを開いて実行します。
これにより次の処理が行われます。
- 最新の LangGraph ドキュメントをダウンロードします。
- ドキュメント全体を llms_full.txt に保存します。
- ドキュメントをチャンクに分割します。
- sklearn_vectorstore.parquet にベクトルストアを作成して永続化します。

ステップ 2: MCP サーバーを実行する

Docker を使用する場合

サーバーを実行する最も簡単な方法は、Docker Compose をラップした付属のシェルスクリプトを使用することです。

bash run-mcp-docker.sh

このスクリプトは、Docker イメージが存在しない場合はビルドし、コンテナを起動して MCP サーバーをその中で実行します。MCP 通信のための標準入出力を正しく処理します。

Docker を使用しない場合

Docker を使用しない場合は、以下のコマンドで MCP サーバーを dev モードで直接実行できます。

mcp dev langgraph-mcp.py

MCP ホストの設定

この MCP サーバーを互換性のあるエディタで使用するには、設定を行う必要があります。

VS Code

VS Code の settings.json ファイルを開きます。（コマンドパレットから Preferences: Open User Settings (JSON) で見つけられます。）
以下の設定をファイルに追加してください。<path-to-your-project> は、お使いのマシン上の langraph-rag-mcp ディレクトリへの絶対パスに必ず置き換えてください。

"mcp.servers": [
    {
        "name": "langgraph-mcp",
        "command": [
            "/bin/bash",
            "<path-to-your-project>/run-mcp-docker.sh"
        ],
        "env": {
            "ANTHROPIC_API_KEY": "<your-anthropic-api-key>"
        }
    }
]

Docker を使用しない場合は、command を次のように変更します。

"command": [
    "<path-to-your-conda-env>/bin/python",
    "<path-to-your-project>/langgraph-mcp.py"
]

システム構成

(Phase 1: Data Ingestion - Performed once on Host Machine)
┌─────────────┐      ┌──────────────────┐      ┌───────────────────────────────┐
│ LangGraph   │      │ Jupyter Notebook │      │ Vector Store & Full Docs      │
│ Docs (Web)  │───▶  │ (rag-tool.ipynb) │───▶  │ (.parquet & .txt files)       │
└─────────────┘      └──────────────────┘      └───────────────────────────────┘


(Phase 2: Live RAG System - Request/Response Flow)
┌──────────────┐                             ┌─────────────┐
│   VS Code    │                             │  .env file  │
│(User Interface)│                             │ (API KEY)   │
└──────┬───────┘                             └──────┬──────┘
       │ 1. User Query                             │ (provides)
       ▼                                           │
┌──────┴───────────────────────────────────────────┴───────────────────────────────┐
│ Host Machine Boundary                                                            │
│                                                                                  │
│      ┌────────────────────┐          ┌─────────────────────────────────────────┐ │
│      │ run-mcp-docker.sh  │ 2. Execs │  🐳 Docker Container                      │ │
│      │ (Entrypoint Script)│────▶     │                                         │ │
│      └────────────────────┘          │  ┌───────────────────────────────────┐  │ │
│                                      │  │   🐍 Python MCP Server              │  │ │
│      ▲                             ◀─┼──│   (langgraph-mcp.py)              │  │ │
│      │ 7. Final Response             │  └───────────────┬───────────────────┘  │ │
│      │                               │                  │ 3. Reads Data From  │ │
│      └───────────────────────────────│──────────────────│─────────────────────┘ │
│                                      │                  │                       │
│                                      │                  ▼                       │
│                                      │  ┌───────────────────────────────────┐  │
│ (files mounted from Host) ············  │   Mounted Vector Store & Docs     │  │
│                                      │  └───────────────────────────────────┘  │
│                                      └─────────────────────────────────────────┘ │
│                                                                                  │
└──────────────────────────────────────────────────────────────────────────────────┘
                                                        │ 4. API Call
                                                        │    (sends augmented prompt)
                                                        ▼
                                             ┌────────────────────┐
                                             │ ☁️ Anthropic API   │
                                             │   (Claude LLM)     │
                                             └──────────┬─────────┘
                                                        │ 5. Generation
                                                        │
                                                        ◀························
                                                          6. Returns Response
                                                          (to MCP Server)

リソース

MCP From Scratch

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

ActivityStale

ResponsivenessNo issues

Resources

Related MCP Connectors

langchain
io.github.doc2mcp
MCP server for langchain documentation, generated by doc2mcp.
Documentation Access AI & Machine Learning
24
https://doc2mcp.site/api/mcp/0cd2635e-0cd5-4712-b33c-13b10c547e42/mcp
Dewey
com.meetdewey
Agentic search over your Dewey document collections from any MCP-compatible client.
Search Knowledge & Memory RAG Systems
2
https://mcp.meetdewey.com/mcp
DocsMint A
io.github.HiAi-gg
Cloud or self-hosted knowledge for AI agents: hybrid search, reranking, GraphRAG, scoped MCP tools.
Documentation Access Knowledge & Memory RAG Systems
221109
https://docsmint.com/mcp
agentready-mcp A
io.github.AshutoshRaj97
Query any docs site via MCP. Submit a URL, ask questions, get cited answers.
Documentation Access Search
822
https://www.agentready.it.com/api/mcp

Related MCP Servers

LangGraph RAG MCP
RAG Systems Documentation Access
pedarias
F
license
B
quality
C
maintenance
Retrieval-Augmented Generation system serving LangGraph documentation through the Model Context Protocol, enabling semantic search and context-aware responses.
Updated a month ago (2026-09-28 19:09 UTC)
2
16
-
groq-docs-mcp
RAG Systems Documentation Access
dhannusch
A
license
Not graded
quality
D
maintenance
Enables users to search Groq's API documentation using natural language queries through an MCP-compatible interface.
Updated a year ago (2025-10-09 20:26 UTC)
MIT
langgraph-mcp
RAG Systems Documentation Access
Jaynt27
F
license
Not graded
quality
C
maintenance
Provides MCP-compatible hosts with retrieval-augmented access to LangGraph documentation, enabling Claude and other assistants to answer questions with relevant, source-attributed context.
Updated 2 months ago (2026-08-23 10:05 UTC)
-
langgraph-mcp
RAG Systems Vector Databases Documentation Access
siddarthamitta
F
license
Not graded
quality
C
maintenance
Enables retrieval-augmented question answering over LangGraph documentation, allowing MCP-compatible hosts to query a semantic vector store and receive context-aware responses with source attribution.
Updated 2 months ago (2026-08-27 19:50 UTC)
-