Python、LangChain、LangGraph、LlamaIndex による MCP RAG

ドキュメントをインデックス化し、RAG（Retrieval-Augmented Generation）で質問に回答する Model Context Protocol (MCP) サーバープロジェクト。このサーバーは、SSE 経由の FastMCP、検索用の LlamaIndex + ChromaDB、オーケストレーション用の LangGraph、生成用の LangChain を使用します。

アーキテクチャ

Cliente MCP -> SSE (/sse) -> FastMCP
                           -> ingest_documents(paths)
                           -> ask_rag(question)
                                  -> LangGraph
                                     -> recuperar contexto (LlamaIndex/Chroma)
                                     -> gerar resposta (LangChain/OpenAI)
                                     -> validar citações

Related MCP server: Antigravity PDF MCP Server

クイックスタート

cp .env.example .env
# Edite .env e informe OPENAI_API_KEY
docker compose up --build

MCP SSE エンドポイントは http://localhost:8000/sse にあります。

ドキュメント

ローカルフォルダをコンテナで利用できるようにするには、docker-compose.yml のボリューム ./docs:/workspace/docs:ro のコメントを解除します。次に、/workspace/docs/manual.md のようなパスでツールを呼び出します。

MCP ツール

ingest_documents

.txt、.md、.pdf ファイルをインデックス化します。

{"paths": ["/workspace/docs/manual.md"]}

ask_rag

最も関連性の高い断片を取得し、[S1]、[S2] の参照付きで回答します。

{"question": "Quais são os procedimentos de backup?", "top_k": 5}

環境変数

セキュリティ

TLS と認証なしで SSE を公開しないでください。インジェストツールは指定されたパスを読み取るため、許可されたドキュメントディレクトリのみをマウントしてください。