🚀 Agentic RAG mit MCP-Server

✨ Übersicht

Agentic RAG mit MCP Server ist ein leistungsstarkes Projekt, das einen MCP-Server (Model Context Protocol) und einen Client zum Erstellen von Agentic RAG -Anwendungen (Retrieval-Augmented Generation) zusammenbringt.

Dieses Setup stattet Ihr RAG-System mit erweiterten Tools aus, wie beispielsweise:

• 🕵️‍♂️ Entitätsextraktion

• 🔍 Abfrageverfeinerung

• ✅ Relevanzprüfung

Der Server hostet diese intelligenten Tools, während der Client zeigt, wie man sie nahtlos verbindet und nutzt.

Related MCP server: MCP-RAGNAR

🖥️ Server – server.py

Der Server wird von der FastMCP -Klasse aus der mcp Bibliothek unterstützt und stellt diese praktischen Tools bereit:

🤝 Client — mcp-client.py

Der Client demonstriert, wie eine Verbindung zum MCP-Server hergestellt und mit ihm interagiert wird:

• Stellen Sie eine Verbindung mit ClientSession aus der mcp Bibliothek her

• Listen Sie alle verfügbaren Servertools auf

• Rufen Sie jedes Tool mit benutzerdefinierten Argumenten auf

• Verarbeiten Sie Abfragen, indem Sie OpenAI- oder Gemini- und MCP-Tools gleichzeitig nutzen

⚙️ Voraussetzungen

• Python 3.9 oder höher

• openai Python-Paket

• mcp -Bibliothek

• python-dotenv für die Verwaltung von Umgebungsvariablen

🛠️ Installationsanleitung

# Step 1: Clone the repository
git clone https://github.com/ashishpatel26/Agentic-RAG-with-MCP-Server.git

# Step 2: Navigate into the project directory
cd Agentic-RAG-with-MCP-Serve

# Step 3: Install dependencies
pip install -r requirements.txt

🔐 Konfiguration

1. Erstellen Sie eine .env Datei (verwenden Sie .env.sample als Vorlage).

2. Legen Sie Ihr OpenAI-Modell in .env fest:

OPENAI_MODEL_NAME="your-model-name-here"
GEMINI_API_KEY="your-model-name-here"

🚀 Anwendung

1. Starten Sie den MCP-Server:

python server.py

2. Führen Sie den MCP-Client aus:

python mcp-client.py

📜 Lizenz

Dieses Projekt ist unter der MIT-Lizenz lizenziert.

Danke fürs Lesen 🙏