Skip to main content
Glama
Sign In
enesjakozh
DuckDB-RAG-MCP-Sample

DuckDB-RAG-MCP-Sample

by nananaman
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Hybrid

DuckDB RAG MCP 示例

这是一个嵌入和矢量化 markdown 文档的示例，以便可以使用 MCP 和 RAG 进行解释。

我们使用Plamo-Embedding-1B进行矢量化。

功能

  • 从 markdown 文件中提取并矢量化文本

  • 使用 DuckDB 进行向量搜索

  • 使用 Parquet 文件保存矢量数据

  • 从 MCP 搜索向量

Related MCP server: RAG-MCP

如何使用

矢量数据生成

首先，将要搜索的markdown文件放在特定的目录中，然后使用以下命令将其转换为Parquet文件。

uv run main.py --directory ~/path/to/markdown/files --parquet vectors.parquet

配置 MCP

建造

以下命令将在dist/server中生成单个二进制文件。

uv run pyinstaller --clean --strip --noconfirm --onefile server.py

MCP 客户端配置

请根据您要使用的客户端进行设置。

对于 Claude Desktop 来说它看起来像这样：

对于 VECTOR_PARQUET，指定刚刚转换的文件。

uv run mcp install server.py -v VECTOR_PARQUET=/path/to/vectors.parquet

设置如下：

{
  "mcpServers": {
    "DuckDB-RAG-MCP-Sample": {
      "command": "/path/to/dist/server",
      "env": {
        "VECTOR_PARQUET": "/path/to/vectors.parquet"
      }
    }
  }
}

启动开发服务器

uv run mcp dev server.py

执照

DuckDB RAG MCP 示例根据 Apache 许可证 2.0 版提供。

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • mcp-rag-server

    kwanLeeFrmVi
    A
    license
    Not graded
    quality
    D
    maintenance
    An MCP server that indexes documents and serves relevant context to LLMs via Retrieval Augmented Generation (RAG).
    29 npm
    36
    MIT

  • RAG-MCP

    alejandro-ao
    F
    license
    Not graded
    quality
    D
    maintenance
    A Retrieval Augmented Generation MCP server that ingests documents into a local vector database and enables semantic search queries.
    9
    -

  • mcp-rag-server

    FORIFOR
    A
    license
    Not graded
    quality
    C
    maintenance
    MCP RAG Server is a Python MCP server that indexes documents in multiple formats (Markdown, text, PowerPoint, PDF) using multilingual-e5-large embeddings and enables vector search for retrieval-augmented generation.
    MIT