How do I use 1C RAG MCP?

1. Click on "Install Server". 2. Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state. 3. In the chat, type @ followed by the MCP server name and your instructions, e.g., "@1C RAG MCP Найди справочник номенклатура с реквизитами" That's it! The server will respond to your query, and you can continue using it as needed. Here is a step-by-step guide with screenshots.

1C RAG MCP

by royfincher25-source

Overview Schema Related Servers Score Discussions

TypeScript

Remote

1C RAG MCP — RAG-сервер для документации 1С

Статья на Infostart YouTube Demo Docker

MCP-сервер для работы с документацией конфигураций 1С Предприятие 8 с использованием RAG (Retrieval-Augmented Generation) и векторной базы данных Qdrant.

📋 Содержание

Related MCP server: 1C Buddy

✨ Возможности

🔍 Поиск с использованием RAG

Мультивекторный поиск с RRF (Reciprocal Rank Fusion)
Два векторных представления: object_name и friendly_name
Автоматическое ранжирование по релевантности
Фильтрация по типам объектов 1С

🛠️ 5 MCP-инструментов

Поиск объектов конфигурации
Информация о коллекции
Список типов объектов
Список коллекций Qdrant
Расширенная диагностика

🚀 Оптимизация ресурсов

Кэширование эмбеддингов (LRU cache)
HTTP connection pooling
Лимиты памяти для Docker-контейнеров
torch.no_grad() для экономии RAM

🚀 Быстрый старт

Запуск всех сервисов

# Сделать скрипты исполняемыми (Linux/Mac)
chmod +x start.sh stop.sh

# Запуск
./start.sh

# Или вручную
docker-compose up --build

Остановка сервисов

# Остановка
./stop.sh

# Или вручную
docker-compose down

Запуск в режиме production (без inspector)

docker-compose up -d

Запуск в режиме разработки (с inspector)

docker-compose --profile dev up -d

🛠️ Инструменты MCP

MCP-сервер предоставляет 5 инструментов для работы с документацией 1С:

Инструмент	Описание	Пример
search_1c_documentation	Поиск объектов по запросу	`query="Справочник Номенклатура", object_type="Справочник"`
get_collection_info	Информация о коллекции	`collection_name="1c_rag"`
get_object_types	Список типов объектов	—
list_collections	Все коллекции Qdrant	—
health_check_detailed	Диагностика компонентов	—

📖 Полная документация по инструментам →

🏗️ Архитектура

┌─────────────────────────────────────────────────────────────┐
│                     1C RAG MCP                              │
├─────────────────────────────────────────────────────────────┤
│                                                             │
│  ┌──────────────┐     ┌──────────────┐     ┌────────────┐ │
│  │   1С         │────▶│   Loader     │────▶│  Qdrant    │ │
│  │   EPF        │     │  (Streamlit) │     │  (Vector)  │ │
│  └──────────────┘     └──────────────┘     └────────────┘ │
│                            │                    ▲          │
│                            │                    │          │
│                            ▼                    │          │
│                     ┌──────────────┐            │          │
│                     │  Embedding   │────────────┘          │
│                     │   Service    │                       │
│                     └──────────────┘                       │
│                            │                                │
│                            ▼                                │
│                     ┌──────────────┐                       │
│                     │  MCP Server  │◀──── MCP Clients      │
│                     │   (RAG)      │    (Cursor, VSCode)   │
│                     └──────────────┘                       │
│                                                             │
└─────────────────────────────────────────────────────────────┘

Компоненты

Компонент	Порт	Назначение
Qdrant	6333, 6334	Векторная база данных
Embedding Service	5000	Генерация векторных представлений
Loader	8501	Веб-интерфейс загрузки данных
MCP Server	8001	RAG-сервер для MCP-клиентов
MCP Inspector	6274, 6277	Инструмент отладки (dev)

📦 Установка и настройка

Требования

Docker и Docker Compose
4 GB RAM (минимум), 8 GB RAM (рекомендуется)
10 GB свободного места на диске

Настройка через переменные окружения

Создайте файл .env в корневой директории:

# Qdrant
QDRANT_HOST=localhost
QDRANT_PORT=6333
COLLECTION_NAME=1c_rag

# Embedding Service
EMBEDDING_SERVICE_URL=http://localhost:5000

# MCP Server
SERVER_PORT=8001
TRANSPORT_TYPE=streamable-http

# Loader
ROW_BATCH_SIZE=100
EMBEDDING_BATCH_SIZE=32

💡 Использование

1. Запустите сервисы

./start.sh

2. Выгрузите данные из 1С

Используйте обработку ПолучитьТекстСтруктурыКонфигурацииФайлами.epf для выгрузки структуры конфигурации.

3. Загрузите данные в Qdrant

Откройте http://localhost:8501 и загрузите ZIP-архив с markdown-файлами и objects.csv.

4. Подключите MCP-клиент

VSCode Copilot (`.vscode/mcp.json`)

{
  "servers": {
    "my-1c-mcp-server": {
      "headers": {
        "x-collection-name": "1c_rag"
      },
      "url": "http://localhost:8001/mcp/sse"
    }
  }
}

Cursor (`.cursor/mcp.json`)

{
  "servers": {
    "my-1c-mcp-server": {
      "headers": {
        "x-collection-name": "1c_rag"
      },
      "url": "http://localhost:8001/mcp"
    }
  }
}

Claude Desktop (`claude_desktop_config.json`)

{
  "mcpServers": {
    "1c-rag": {
      "command": "docker",
      "args": ["run", "-i", "--rm", "-e", "COLLECTION_NAME=1c_rag", "mcp-1c-server"]
    }
  }
}

📖 Документация

Файл	Описание
mcp/TOOLS.md	Полное описание MCP-инструментов
mcp/MULTIVECTOR_SEARCH.md	Мультивекторный поиск с RRF
OPTIMIZATION.md	Оптимизация потребления ресурсов
article/article.md	Статья для Infostart

⚡ Оптимизация

Потребление ресурсов (после оптимизации)

Ресурс	До	После	Экономия
RAM	2.6-4.4 GB	1.8-3.0 GB	~35%
CPU	45-65%	35-50%	~25%
Контейнеры	6	5	-1

Ключевые оптимизации

✅ Лимиты памяти для Docker-контейнеров
✅ Кэширование эмбеддингов (LRU, 1000 запросов)
✅ HTTP Session pooling
✅ torch.no_grad() в embedding-сервисе
✅ Уменьшенные батчи загрузки (100/32)

📖 Полное руководство по оптимизации →

🔧 Отладка

Просмотр логов

# Логи конкретного сервиса
docker-compose logs -f mcp-server
docker-compose logs -f embedding-service
docker-compose logs -f loader

# Логи всех сервисов
docker-compose logs -f

Проверка здоровья

# Через MCP-инструмент
health_check_detailed()

# Через HTTP
curl http://localhost:8001/health

Мониторинг ресурсов

# Потребление памяти контейнерами
docker stats --no-stream

📁 Структура проекта

1c-rag-mcp/
├── embeddings/              # Сервис эмбеддингов
│   ├── Dockerfile
│   ├── embedding_service.py
│   ├── config.json
│   └── requirements.txt
├── loader/                  # Загрузчик данных
│   ├── Dockerfile
│   ├── loader.py
│   ├── config.py
│   └── requirements.txt
├── mcp/                     # MCP-сервер
│   ├── Dockerfile
│   ├── mcp_server.py
│   ├── config.py
│   ├── TOOLS.md
│   └── MULTIVECTOR_SEARCH.md
├── common/                  # Общие модули
│   ├── __init__.py
│   ├── config.py
│   └── exceptions.py
├── inspector/               # MCP Inspector (dev)
├── article/                 # Статья и материалы
├── docs/                    # Документация
├── docker-compose.yml       # Конфигурация Docker
├── start.sh, stop.sh        # Скрипты управления
├── ПолучитьТекст...epf      # Обработка 1С
├── README.md                # Главная документация
└── OPTIMIZATION.md          # Оптимизация ресурсов

│ └── exceptions.py ├── inspector/ # MCP Inspector (dev) ├── article/ # Статья и материалы ├── docker-compose.yml # Конфигурация Docker ├── start.sh, stop.sh # Скрипты управления ├── ПолучитьТекст...epf # Обработка 1С ├── README.md # Этот файл ├── OPTIMIZATION.md # Оптимизация └── .gitignore


---

## 🔗 Ссылки

- [Статья на Infostart](https://infostart.ru/1c/articles/2605838)
- [Видео на YouTube](http://www.youtube.com/watch?v=74kYcK6bvGk)
- [MCP Protocol](https://modelcontextprotocol.io/)
- [Qdrant Documentation](https://qdrant.tech/documentation/)

---

## 📝 Changelog

### v1.2.0 (2026-03)
- ✅ Добавлены 4 новых MCP-инструмента
- ✅ Оптимизация потребления ресурсов (-35% RAM)
- ✅ Кэширование эмбеддингов
- ✅ HTTP connection pooling
- ✅ Улучшена документация

### v1.1.0
- ✅ Мультивекторный поиск с RRF
- ✅ Поддержка streamable-http транспорта
- ✅ MCP Inspector в Docker

### v1.0.0
- ✅ Базовый RAG-поиск
- ✅ Интеграция с Qdrant
- ✅ Загрузчик данных (Streamlit)

---

## 📄 Лицензия

MIT License — см. файл [LICENSE](LICENSE)

---

## 👥 Авторы

- [FSerg](https://github.com/FSerg)

---

**1C RAG MCP** — RAG-сервер для работы с документацией 1С Предприятие 8

This server cannot be installed

license - permissive license

quality - not tested

maintenance

How are these scores calculated?

Maintenance

–Maintainers

–Response time

–Release cycle

–Releases (12mo)

Commit activity

Resources

GitHub Repository

Need Help?

Related Servers

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Latest Blog Posts

Your AI Chatbot Just Exposed Your CEO's Salary to an Intern
By Om-Shree-0709 on July 2, 2026.
Agent Identity
MCP Security
OAuth Delegation
Why MCP Servers Need Execution Sandboxing (And Why Your Current Stack Isn't Enough)
By Om-Shree-0709 on June 30, 2026.
Agentic Ai
Prompt Injection
WebAssembly
Lightport: Open-Sourcing Glama's AI Gateway
By punkpeye on April 27, 2026.
OpenAI
open source

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/royfincher25-source/1c-rag-mcp'

If you have feedback or need assistance with the MCP directory API, please join our Discord server