ickyMCP
ickyMCP
セマンティックドキュメント検索のためのRAG MCPサーバーです。ローカルのドキュメントコレクションを sqlite-vec を使用してSQLiteにインデックス化し、インデックス作成、検索、更新、一覧表示、削除を行うためのMCPツールを提供します。
特徴
PDF、Word、PowerPoint、Excel、Markdown、テキストファイルに対するセマンティック検索
ユーザーごとのデータベース分離(オプションで従来のシングルデータベースモードも利用可能)
チャットや案件単位の検索のためのドキュメントIDフィルタリング
ファイルサイズと更新日時による増分インデックス作成
デフォルトでVoyage AI埋め込みを使用、オフラインのローカルsentence-transformersバックエンドも利用可能
ポータブルなSQLiteストレージ(ローカルデータベースのアーティファクトは無視されます)
Related MCP server: MCP-RAGNAR
セットアップ
python -m venv .venv
.\.venv\Scripts\activate
pip install -r requirements.txt例からローカル環境設定を作成します:
copy .env.example .envデフォルトのVoyageバックエンドを使用する場合は ICKY_VOYAGE_API_KEY を設定してください。オフラインで使用する場合は ICKY_EMBEDDING_PROVIDER=local を設定します。
設定
変数 | デフォルト | 説明 |
|
|
|
| 未設定 | Voyage埋め込み使用時に必須 |
|
| Voyage埋め込みモデル |
|
| Voyage出力次元数 |
|
| 並列Voyageワークフロー用に予約 |
|
| ローカルsentence-transformersモデル |
|
| チャンクあたりの概算トークン数 |
|
| チャンク間の概算トークン重複数 |
|
| ユーザーごとのデータベース用ベースディレクトリ |
| プロバイダー依存 | 従来のシングルデータベースパス |
Claude MCP設定
{
"mcpServers": {
"ickyMCP": {
"command": "python",
"args": ["C:\\Users\\devan\\OneDrive\\Desktop\\Projects\\ickyMCP\\run.py"],
"env": {
"ICKY_EMBEDDING_PROVIDER": "voyage",
"ICKY_VOYAGE_API_KEY": "YOUR_VOYAGE_API_KEY",
"ICKY_CHUNK_SIZE": "5000",
"ICKY_CHUNK_OVERLAP": "500"
}
}
}
}ツール
index: ファイルまたはディレクトリをインデックス化します。user_id、patterns、exclude、forceを受け付けますsearch: インデックス化されたチャンクに対するセマンティッククエリ。document_ids、path_filter、file_typesを受け付けますsimilar: 提供されたテキストに類似したチャンクを検索しますrefresh: 変更されたファイルを再インデックス化し、削除されたファイルをインデックスから削除しますlist: インデックス化されたドキュメントとそのIDを一覧表示しますdelete: パス、ドキュメントID、またはすべてのドキュメントを指定して削除しますstatus: データベース、埋め込み、チャンク化のステータスを返します
検証
python -m compileall -q src run.py fast_index.py
python -c "from src.config import EMBEDDING_PROVIDER; print(EMBEDDING_PROVIDER)"ルートにある test_*.py ファイルは、docs/ 配下のローカルドキュメントと、デフォルトバックエンドの場合は設定済みのVoyage APIキーを必要とする統合テストスクリプトです。
データ衛生
生成されたデータベースおよびローカルドキュメントフォルダはgitによって無視されます:*.db、*.db.bak、*.sqlite、*.sqlite3、data/、docs/。実際のAPIキーは追跡対象のファイルではなく、環境変数または .env に保持してください。
ライセンス
MIT
This server cannot be deployed
Maintenance
Related MCP Connectors
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.
Ingest, manage, and retrieve documents for RAG-powered AI applications
Vector RAG store for Word/Excel/PDF/PowerPoint. Break-even pricing, $5 per 5,700 pages.
Personal knowledge base MCP server with semantic search, auto-categorization, metadata extraction
Related MCP Servers
- AlicenseAqualityAmaintenancePrivacy-first local document search using semantic search. Runs entirely on your machine with no cloud services, supporting PDF, DOCX, TXT, and Markdown files.92,426 npm417MIT
- AlicenseNot gradedqualityDmaintenanceA 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
- AlicenseAqualityDmaintenanceA local-first document retrieval MCP server that enables AI coding tools like Codex to search private local documents via semantic search and keyword boost, supporting ingestion of PDF, DOCX, TXT, Markdown, and HTML files.7MIT
- AlicenseNot gradedqualityBmaintenanceA local-first semantic search server for documents, supporting PDFs, Office files, and text/markdown, enabling natural language search via the Model Context Protocol (MCP).1MIT