Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@RAG MCP Claude search for videos about building mental resilience"
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.
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
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: RAG MCP Server
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) │ │
│ └───────────────┘ │
│ │
└──────────────────────────────────────────────────┘ไปที่ https://platform.openai.com/api-keys แล้วสร้าง key
cp .env.example .env
# แก้ไข .env ใส่ API keyOPENAI_API_KEY=sk-your-api-key-heredocker compose up -dจะ start 2 containers:
rag-chromadb - Vector database (port 8100)
rag-mcp-claude - MCP server (port 3020)
curl http://localhost:3020/health# Ingest ทุกไฟล์ใน data/sources/
node src/cli-ingest.js --dir ./data/sources
# Ingest ไฟล์เดียว
node src/cli-ingest.js data/sources/SF6Tskjx6Qw.mdดูคู่มือ ingest ละเอียดที่ docs/guide-ingest.md
เพิ่มใน .mcp.json หรือ Claude Desktop config:
{
"mcpServers": {
"rag": {
"url": "http://localhost:3020/mcp"
}
}
}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.jsonEndpoint | Method | Description |
| POST | MCP message endpoint (Streamable HTTP) |
| GET | SSE stream endpoint |
| DELETE | Session termination |
| GET | Health check + status |
ค้นหาจาก knowledge base ด้วย semantic search
Parameter | Type | Required | Default | Description |
| string | Yes | - | คำค้นหา (ภาษาธรรมชาติ) |
| string | No |
| ชื่อ collection |
| number | No |
| 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
}
]
}
]
}นำข้อมูลเข้า knowledge base
Parameter | Type | Required | Description |
| string | No* | Path ของ transcript markdown file (.md) |
| string | No* | ข้อความที่จะ ingest โดยตรง |
| string | No | ชื่อแหล่งข้อมูล (เช่น video ID) |
| string | No | ชื่อเรื่อง |
| string | No | ชื่อ collection |
*ต้องระบุอย่างน้อย file_path หรือ text
แสดง collections ทั้งหมดพร้อมจำนวน documents
Response:
{
"total": 1,
"collections": [
{ "name": "youtube_transcripts", "count": 45 }
]
}ลบข้อมูลออกจาก knowledge base
Parameter | Type | Required | Description |
| string | Yes | ชื่อ collection |
| string | No | ลบ documents จาก source นี้ |
| boolean | No | ลบทั้ง collection |
Variable | Default | Description |
|
| Server port |
|
| Server host |
| (required) | OpenAI API key |
|
| OpenAI embedding model |
|
| ChromaDB URL |
|
| Default collection name |
|
| Tokens per chunk |
|
| Overlap tokens between chunks |
|
| Default search results |
Container | Image | Port | Description |
| node:22-slim (custom) | 3020 | MCP server (Streamable HTTP) |
| 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
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
└────────────────┘Model | Price | 1 transcript (~10K tokens) | 1 search query |
| $0.02 / 1M tokens | ~$0.0002 (< 1 สตางค์) | ~$0.000002 |
| $0.13 / 1M tokens | ~$0.0013 | ~$0.000013 |
ใช้ text-embedding-3-small ราคาถูกมาก ingest transcript 1,000 วิดีโอ ≈ $0.20 (7 บาท)
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) |
This server cannot be deployed
An MCP server that gives any LLM or agent clean YouTube transcripts on demand: a single video, a whole channel, or a playlist, plus AI cleanup of auto-generated captions. API-key auth, credit-based, same backend as the public v1 API. Get a free API key with 25 free credits at youtubetranscriptdownload.com/account.
MCP server for RiverScript, an AI transcription platform - fetches transcripts shared via a link.
Capability registry for the agentic economy. Semantic search over verified MCP server listings.
