mcp-reranker

sentence-transformers를 사용하여 문서 재순위 지정(reranking) 기능을 제공하는 범용 Model Context Protocol (MCP) 서버입니다.

이 서버는 RAG(검색 증강 생성)의 정확도를 높이거나, 쿼리와 여러 후보 간의 관련성 점수를 매겨 에이전트가 더 나은 결정을 내릴 수 있도록 돕기 위해 Roo Code, Claude Desktop 또는 커스텀 에이전트와 같은 모든 MCP 호환 클라이언트에서 사용할 수 있는 독립형 도구로 설계되었습니다.

주요 기능

• Cross-Encoder 재순위 지정: 높은 정확도의 관련성 점수 산출을 위해 sentence-transformers의 CrossEncoder 모델을 활용합니다.

• 프로젝트 독립성: 특정 애플리케이션 로직과 완전히 독립적입니다.

• 모델 커스터마이징: 다양한 HuggingFace 모델을 지원합니다. 환경 변수를 통해 기본 모델을 구성할 수 있습니다(기본값: BAAI/bge-reranker-v2-m3).

• JSON 출력: 정렬된 결과를 구조화된 JSON 형식으로 반환합니다.

Related MCP server: ragi

도구

rerank_documents

주어진 쿼리에 대해 문서 목록의 관련성 점수를 계산하고 점수순으로 정렬하여 반환합니다.

인자:

• query (string): 비교할 검색 쿼리 또는 핵심 의도.

• documents (array of strings): 순위를 매길 문서 설명 또는 텍스트 목록.

• model_name (string, optional): HuggingFace 모델 식별자. RERANKER_MODEL_NAME 환경 변수 또는 "BAAI/bge-reranker-v2-m3"가 기본값으로 사용됩니다.

응답 예시: JSON 형식 문자열:

[
  { "document": "The most relevant document text.", "score": 0.985 },
  { "document": "A partially relevant text.", "score": 0.452 },
  { "document": "Completely irrelevant text.", "score": 0.012 }
]

설치 및 사용법

uvx로 실행하기

MCP 설정(예: brownie_core_mcp_config.json)에 다음을 추가하세요. RERANKER_MODEL_NAME 환경 변수를 설정하여 사용할 모델을 커스터마이징할 수 있습니다.

{
  "mcpServers": {
    "mcp-reranker": {
      "command": "uvx",
      "args": [
        "--from",
        "git+[https://github.com/globalpocket/mcp-reranker.git](https://github.com/globalpocket/mcp-reranker.git)",
        "mcp-reranker"
      ],
      "env": {
        "RERANKER_MODEL_NAME": "BAAI/bge-reranker-v2-m3"
      }
    }
  }
}

개발

사전 요구 사항

• Python 3.10+

• uv

설정

git clone [https://github.com/globalpocket/mcp-reranker.git](https://github.com/globalpocket/mcp-reranker.git)
cd mcp-reranker
uv sync --extra dev

테스트 실행

uv run pytest

라이선스

MIT 라이선스