Skip to main content
Glama
monthop-gmail

RAG MCP Claude

by monthop-gmail
OverviewSchemaRelated ServersScoreDiscussions
JavaScript
Remote

RAG MCP Claude

MCP (Model Context Protocol) Server สำหรับ Semantic Search บน YouTube transcripts ใช้ OpenAI Embeddings + ChromaDB

ต่างจาก keyword search ทั่วไป (FTS5) ที่ค้นได้เฉพาะ "คำตรงกัน" RAG ค้นหาด้วย ความหมาย ได้ เช่น ค้นว่า "วิธีฝึกจิตให้เข้มแข็ง" จะเจอข้อความเกี่ยวกับ "สมาธิ" แม้ไม่มีคำว่า "ฝึกจิต" ในข้อความเลย

ดูรายละเอียดเปรียบเทียบ RAG vs Keyword Search ที่ docs/concept-comparison.md

Features

  • rag_search - ค้นหาด้วย semantic similarity (ความหมายใกล้เคียง)

  • rag_ingest - นำ transcript / text เข้า knowledge base

  • rag_list_collections - แสดง collections พร้อมสถิติ

  • rag_delete - ลบข้อมูลออกจาก knowledge base

Related MCP server: YouTube Transcript Fetcher (YTT)

Architecture

                         rag-mcp-claude
                         Port: 3020
┌──────────────────────────────────────────────────┐
│                                                  │
│  ┌──────────┐    ┌─────────────┐                 │
│  │  Ingest   │───▶│ Text Splitter│                 │
│  │  Pipeline │    │ (chunk 500   │                 │
│  └──────────┘    │  overlap 50) │                 │
│                   └──────┬──────┘                 │
│                          ▼                        │
│                  ┌───────────────┐                │
│                  │ OpenAI API     │                │
│                  │ text-embedding │                │
│    ┌──────┐      │ -3-small       │                │
│    │Search│─────▶│ (1536 dims)   │                │
│    └──────┘      └───────┬───────┘                │
│                          ▼                        │
│                  ┌───────────────┐                │
│                  │  ChromaDB      │                │
│                  │  Vector Store  │                │
│                  │  (cosine sim)  │                │
│                  └───────────────┘                │
│                                                  │
└──────────────────────────────────────────────────┘

Quick Start

1. สร้าง OpenAI API Key

ไปที่ https://platform.openai.com/api-keys แล้วสร้าง key

2. สร้าง .env

cp .env.example .env
# แก้ไข .env ใส่ API key
OPENAI_API_KEY=sk-your-api-key-here

3. Deploy ด้วย Docker

docker compose up -d

จะ start 2 containers:

  • rag-chromadb - Vector database (port 8100)

  • rag-mcp-claude - MCP server (port 3020)

4. ตรวจสอบ

curl http://localhost:3020/health

5. Ingest transcript ตัวอย่าง

# Ingest ทุกไฟล์ใน data/sources/
node src/cli-ingest.js --dir ./data/sources

# Ingest ไฟล์เดียว
node src/cli-ingest.js data/sources/SF6Tskjx6Qw.md

ดูคู่มือ ingest ละเอียดที่ docs/guide-ingest.md

MCP Client Configuration

เพิ่มใน .mcp.json หรือ Claude Desktop config:

{
  "mcpServers": {
    "rag": {
      "url": "http://localhost:3020/mcp"
    }
  }
}

Project Structure

rag-mcp-claude/
├── src/
│   ├── server-sse.js    # Streamable HTTP transport server (port 3020)
│   ├── index.js         # Stdio transport server
│   ├── config.js        # Configuration
│   ├── embeddings.js    # OpenAI embedding API wrapper
│   ├── vectorstore.js   # ChromaDB operations (CRUD)
│   ├── ingest.js        # Chunk → Embed → Store pipeline
│   ├── search.js        # Semantic search
│   └── cli-ingest.js    # CLI batch ingest tool
├── data/
│   └── sources/         # Transcript files (.md)
├── docs/
│   ├── concept-comparison.md  # RAG vs FTS5 comparison
│   ├── guide-ingest.md        # คู่มือ ingest ข้อมูล
│   ├── guide-search.md        # คู่มือ search
│   └── guide-openai-key.md    # คู่มือสร้าง OpenAI API Key
├── Dockerfile
├── docker-compose.yml
├── .env.example
└── package.json

API Endpoints

Endpoint

Method

Description

/mcp

POST

MCP message endpoint (Streamable HTTP)

/mcp

GET

SSE stream endpoint

/mcp

DELETE

Session termination

/health

GET

Health check + status

MCP Tools Reference

rag_search

ค้นหาจาก knowledge base ด้วย semantic search

Parameter

Type

Required

Default

Description

query

string

Yes

-

คำค้นหา (ภาษาธรรมชาติ)

collection

string

No

youtube_transcripts

ชื่อ collection

top_k

number

No

5

จำนวนผลลัพธ์ (max 20)

Response:

{
  "query": "สมาธิเปลี่ยนสมองได้อย่างไร",
  "collection": "youtube_transcripts",
  "totalResults": 3,
  "sources": [
    {
      "source": "SF6Tskjx6Qw",
      "title": "Ep0 - Journey Within: สำรวจโลกในหัวคุณ",
      "url": "https://www.youtube.com/watch?v=SF6Tskjx6Qw",
      "channel": "The Mind Architect",
      "chunks": [
        {
          "text": "สมาธิทำให้สมองส่วน Prefrontal Cortex หนาขึ้น...",
          "score": 0.892,
          "chunk_index": 3
        }
      ]
    }
  ]
}

rag_ingest

นำข้อมูลเข้า knowledge base

Parameter

Type

Required

Description

file_path

string

No*

Path ของ transcript markdown file (.md)

text

string

No*

ข้อความที่จะ ingest โดยตรง

source

string

No

ชื่อแหล่งข้อมูล (เช่น video ID)

title

string

No

ชื่อเรื่อง

collection

string

No

ชื่อ collection

*ต้องระบุอย่างน้อย file_path หรือ text

rag_list_collections

แสดง collections ทั้งหมดพร้อมจำนวน documents

Response:

{
  "total": 1,
  "collections": [
    { "name": "youtube_transcripts", "count": 45 }
  ]
}

rag_delete

ลบข้อมูลออกจาก knowledge base

Parameter

Type

Required

Description

collection

string

Yes

ชื่อ collection

source

string

No

ลบ documents จาก source นี้

delete_collection

boolean

No

ลบทั้ง collection

Environment Variables

Variable

Default

Description

PORT

3020

Server port

HOST

0.0.0.0

Server host

OPENAI_API_KEY

(required)

OpenAI API key

EMBEDDING_MODEL

text-embedding-3-small

OpenAI embedding model

CHROMA_URL

http://localhost:8100

ChromaDB URL

CHROMA_COLLECTION

youtube_transcripts

Default collection name

CHUNK_SIZE

500

Tokens per chunk

CHUNK_OVERLAP

50

Overlap tokens between chunks

DEFAULT_TOP_K

5

Default search results

Docker Details

Container

Image

Port

Description

rag-mcp-claude

node:22-slim (custom)

3020

MCP server (Streamable HTTP)

rag-chromadb

chromadb/chroma:latest

8100

Vector database

  • ChromaDB data persisted in Docker volume chroma-data

  • RAG server ใช้ network_mode: host เพื่อเข้าถึง ChromaDB

  • OpenAI API Key ส่งผ่าน .env file

Data Flow

YouTube Video
     │  (youtube-mcp-claude ดึง transcript)
     ▼
data/sources/*.md        ← Transcript files
     │
     ▼ (rag_ingest / cli-ingest.js)
┌────────────────┐
│ 1. Parse        │  แยก metadata + transcript text
│ 2. Chunk        │  ตัดเป็นท่อนๆ (500 tokens, overlap 50)
│ 3. Embed        │  OpenAI API → vector [1536 dims]
│ 4. Store        │  ChromaDB (cosine similarity index)
└────────────────┘
     │
     ▼ (rag_search)
┌────────────────┐
│ 1. Embed query  │  แปลงคำถามเป็น vector
│ 2. Search       │  หา vectors ที่ใกล้เคียงที่สุด
│ 3. Return       │  ส่งกลับ chunks + metadata + score
└────────────────┘

Cost Estimation (OpenAI)

Model

Price

1 transcript (~10K tokens)

1 search query

text-embedding-3-small

$0.02 / 1M tokens

~$0.0002 (< 1 สตางค์)

~$0.000002

text-embedding-3-large

$0.13 / 1M tokens

~$0.0013

~$0.000013

ใช้ text-embedding-3-small ราคาถูกมาก ingest transcript 1,000 วิดีโอ ≈ $0.20 (7 บาท)

Related Projects

Server

Port

Description

youtube-mcp-claude

3010

YouTube transcript extraction

rag-mcp-claude

3020

RAG semantic search

chat-mcp-claude

3001

Chat history (FTS5)

thudong-mcp-claude

3002

Survey analysis (FTS5)

Documentation

This server cannot be installed

F
license - not found
-
quality - not tested
D
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

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

Latest Blog Posts

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/monthop-gmail/rag-mcp-claude'

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