RagDocs MCP 服务器

模型上下文协议 (MCP) 服务器，使用 Qdrant 向量数据库和 Ollama/OpenAI 嵌入提供 RAG（检索增强生成）功能。该服务器通过向量相似性实现文档的语义搜索和管理。

特征

• 添加带有元数据的文档

• 通过文档进行语义搜索

• 列出并组织文档

• 删除文档

• 支持 Ollama（免费）和 OpenAI（付费）嵌入

• 自动文本分块和嵌入生成

• 使用 Qdrant 进行矢量存储

Related MCP server: Qdrant Retrieve MCP Server

先决条件

• Node.js 16 或更高版本

• 以下 Qdrant 设置之一：

  • 使用 Docker 的本地实例（免费）

  • 带有 API 密钥的 Qdrant Cloud 帐户（托管服务）

• 以下其中之一用于嵌入：

  • Ollama 在本地运行（默认，免费）

  • OpenAI API 密钥（可选，付费）

可用工具

1. 添加文档

向 RAG 系统添加文档。

参数：

• url （必填）：文档 URL/标识符

• content （必填）：文档内容

• metadata （可选）：文档元数据

  • title ：文档标题

  • contentType ：内容类型（例如“text/markdown”）

2. 搜索文档

使用语义相似性搜索存储的文档。

参数：

• query （必需）：自然语言搜索查询

• options （可选）：

  • limit ：最大结果数（1-20，默认值：5）

  • scoreThreshold ：最小相似度得分（0-1，默认值：0.7）

  • filters ：

    • domain ：按域过滤

    • hasCode ：过滤包含代码的文档

    • after ：过滤日期之后的文档（ISO 格式）

    • before ：过滤日期之前的文档（ISO 格式）

3. 列出文档

列出所有存储的文档，并提供分页和分组选项。

参数（全部可选）：

• page ：页码（默认值：1）

• pageSize ：每页文档数（1-100，默认值：20）

• groupByDomain ：按域分组文档（默认值：false）

• sortBy ：排序字段（“时间戳”、“标题”或“域”）

• sortOrder ：排序顺序（“asc”或“desc”）

4. 删除文档

从 RAG 系统中删除文档。

参数：

• url （必填）：要删除的文档的 URL

安装

npm install -g @mcpservers/ragdocs

MCP 服务器配置

{
  "mcpServers": {
    "ragdocs": {
      "command": "node",
      "args": ["@mcpservers/ragdocs"],
      "env": {
        "QDRANT_URL": "http://127.0.0.1:6333",
        "EMBEDDING_PROVIDER": "ollama"
      }
    }
  }
}

使用 Qdrant Cloud：

{
  "mcpServers": {
    "ragdocs": {
      "command": "node",
      "args": ["@mcpservers/ragdocs"],
      "env": {
        "QDRANT_URL": "https://your-cluster-url.qdrant.tech",
        "QDRANT_API_KEY": "your-qdrant-api-key",
        "EMBEDDING_PROVIDER": "ollama"
      }
    }
  }
}

使用 OpenAI：

{
  "mcpServers": {
    "ragdocs": {
      "command": "node",
      "args": ["@mcpservers/ragdocs"],
      "env": {
        "QDRANT_URL": "http://127.0.0.1:6333",
        "EMBEDDING_PROVIDER": "openai",
        "OPENAI_API_KEY": "your-api-key"
      }
    }
  }
}

使用 Docker 的本地 Qdrant

docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant

环境变量

• QDRANT_URL ：您的 Qdrant 实例的 URL

  • 对于本地：“ http://127.0.0.1:6333 ”（默认）

  • 对于云：“ https://your-cluster-url.qdrant.tech ”

• QDRANT_API_KEY ：Qdrant Cloud 的 API 密钥（使用云实例时需要）

• EMBEDDING_PROVIDER ：嵌入提供商的选择（“ollama”或“openai”，默认值：“ollama”）

• OPENAI_API_KEY ：OpenAI API 密钥（如果使用 OpenAI，则需要）

• EMBEDDING_MODEL ：用于嵌入的模型

  • 对于 Ollama：默认为“nomic-embed-text”

  • 对于 OpenAI：默认为“text-embedding-3-small”

执照

Apache 许可证 2.0