Skip to main content
Glama
deenesjakoruzh
ashishpatel26

Model Context Protocol Server

by ashishpatel26
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Remote

🚀 Agentic RAG 与 MCP 服务器Agentic-RAG-MCP服务器 - AgenticRag

✨ 概述

带有 MCP 服务器的 Agentic RAG是一个强大的项目，它将 MCP（模型上下文协议）服务器和客户端结合在一起，用于构建Agentic RAG （检索增强生成）应用程序。

此设置为您的 RAG 系统提供了高级工具，例如：

  • 🕵️‍♂️实体提取

  • 🔍查询细化

  • ✅相关性检查

服务器承载这些智能工具，而客户端展示如何无缝连接和使用它们。

Related MCP server: MCP-RAGNAR

🖥️ 服务器 — server.py

在mcp库的FastMCP类的支持下，服务器公开了以下便捷的工具：

工具名称

描述

图标

get_time_with_prefix

返回当前日期和时间

⏰

extract_entities_tool

使用OpenAI从查询中提取实体——增强文档检索相关性

🧠

refine_query_tool

利用OpenAI 支持的改进技术提高用户查询的质量

✨

check_relevance

通过使用 LLM 检查块相关性来过滤不相关的内容

✅

🤝 客户端 — mcp-client.py

客户端演示如何与 MCP 服务器连接并交互：

  • 与mcp库中的ClientSession建立连接

  • 列出所有可用的服务器工具

  • 使用自定义参数调用任何工具

  • 利用OpenAI 或 Gemini和 MCP 工具协同处理查询

⚙️ 要求

  • Python 3.9 或更高版本

  • openai Python 包

  • mcp库

  • python-dotenv用于环境变量管理

🛠️ 安装指南

# 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

🔐 配置

  1. 创建.env文件（使用.env.sample作为模板）

  2. 在.env中设置你的 OpenAI 模型：

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

🚀 如何使用

  1. 启动 MCP 服务器：

python server.py

  1. 运行 MCP 客户端：

python mcp-client.py

📜 许可证

该项目已获得MIT 许可。

感谢阅读🙏

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

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • AgenticRAG MCP Server

    aibozo
    A
    license
    Not graded
    quality
    D
    maintenance
    An intelligent codebase processing server that provides agentic RAG capabilities for code repositories, enabling semantic search and contextual understanding through self-evaluating retrieval loops.
    2
    MIT

  • MCP-RAGNAR

    bixentemal
    A
    license
    Not graded
    quality
    D
    maintenance
    A local RAG server that enables document indexing and sentence window retrieval across multiple file formats like PDF, MD, and DOCX. It supports both local Hugging Face models and OpenAI embeddings for efficient context-aware querying through the Model Context Protocol.
    GPL 3.0

  • ragx

    JIEAO-re
    A
    license
    Not graded
    quality
    D
    maintenance
    RAGX MCP Server enables retrieval-augmented generation with document ingestion, hybrid search, and agentic answering using Claude, exposing tools for querying, searching, and managing documents.
    2
    MIT