fayna-rag-mcp — RAGとMCPによるローカル知識ベース

開発：Fayna Digital 著者：Volodymyr Shevchenko

問題: チームはドキュメント（ポリシー、マニュアル、メモ）をファイルとして蓄積しているが、自然言語でのアクセスがすぐにできなくなる——ファイル名検索やCtrl+Fではスケールせず、内部ドキュメントをクラウドのLLMサービスに送信することはプライバシーの観点から必ずしも許容できない。

解決策: ローカルLLM（Ollama）をベースとしたローカルRAGパイプライン（FAISS + 多言語埋め込み）——そして同じ検索/QA機能を MCPサーバー として公開し、任意のMCPクライアント（Claude Desktop/Codeなど）や外部の自動化ワークフローがシンプルなRESTルート経由で利用できるようにする。実行中のマシンからデータが外部に出ることはない。

結果: セマンティック検索、ソース付きRAG QA、ドキュメント読み取り、オフラインカタログ化のための5つのMCPツールと4つのRESTルート——クラウド依存なしで、数分でClaudeやn8nに接続できる。

機能

Related MCP server: Nümtema Private Knowledge MCP

技術スタック

Python 3.10+ ・ FAISS（faiss-cpu） ・ sentence-transformers ・ tiktoken ・ Ollama ・ FastMCP ・ マルチフォーマット取り込み用のTesseract/poppler/Whisper ・ Docker。

RAGパイプライン

docs/ → load (.txt/.md/.pdf/.docx) → chunk (tiktoken) → embed (mpnet) → FAISS → retrieve → Ollama → answer + sources

• チャンク分割 — 文字数ではなく tiktoken（cl100k_base）のトークン数で分割。 デフォルトは CHUNK_SIZE=700 トークン、CHUNK_OVERLAP=100 トークン。

• 埋め込み: paraphrase-multilingual-mpnet-base-v2 — 多言語モデル （UA/PL/EN/RUなど）。クエリの言語に関係なく検索が機能するようにする。

• LLM: 任意のOllamaモデル、デフォルトは qwen2.5:7b。

• インデックス: FAISS IndexFlatIP（コサイン類似度）、TOP_K=5。

クイックスタート

pip install -r src/requirements.txt

# Przykład: demo-korpus na kilka dokumentów (sample-docs/)
export DOCUMENTS_DIR=./sample-docs
python -m src.main build-index      # → src/index/index.faiss + chunks.pkl

# Interaktywne Q&A (CLI)
python -m src.main

# Serwer MCP (transport z env MCP_TRANSPORT: stdio|http)
python -m src.mcp.server

テスト：

pip install -r tests/requirements-dev.txt
pytest -q

Docker

docker compose up -d

docker-compose.yml/Dockerfile のデフォルト値は、ホスト上で動作するOllama（host.docker.internal 経由）を想定して設計されています。OLLAMA_URL はご自身のネットワークに合わせて調整してください（Linuxのブリッジアドレス、別のOllamaコンテナなど）。

設定（src/config.py、すべてenv経由）

MCPクライアント（例：Claude Code）への接続 — MCPサーバー設定を通じて、python -m src.mcp.server（stdio）またはコンテナのURL（http）を使用。

構成

src/
├── config.py         # wszystkie env-zmienne + domyślne
├── main.py           # CLI: build-index | interaktywne Q&A
├── assistant.py       # CompanyKBAssistant (LLM decyduje czy wołać MCP-toolki)
├── catalog.py         # offline-klasyfikacja dokumentów przez Ollama → JSON+HTML
├── ingest.py           # multi-formatowy ingest: OCR skanów, vision-opis diagramów, Whisper-transkrypcja
├── rag/
│   ├── ingest.py      # load_document (.txt/.md/.pdf/.docx)
│   ├── chunk.py        # chunk_text (tiktoken cl100k_base, overlap)
│   ├── embed.py         # embed_chunks (sentence-transformers)
│   ├── build_index.py   # build_index → FAISS + pickle
│   └── query.py          # retrieve / build_prompt / ask
└── mcp/
    ├── server.py     # FastMCP: 5 MCP-toolków + 4 trasy REST
    └── client.py      # MCPClient (JSON-RPC przez subprocess)

マルチフォーマット取り込み（TesseractによるスキャンOCR、ビジョンモデルによる図面/図表の説明、Whisperによる音声/動画の文字起こし）— 依存関係が重い別のパスであり、上記の基本テキストコーパスには不要です。

ライセンス

MIT — LICENSE を参照。© Fayna Digital。