Skip to main content
Glama
phytul

Phloem MCP Server

by phytul

Phloem

Phloem es una plataforma de base de conocimiento autogestionada de nivel empresarial construida sobre RAGFlow. Envuelve el motor con una puerta de enlace API tipada de Node.js y un servidor MCP para una integración fluida con Agentes.

Phloem (韧皮部) — el tejido vascular que transporta nutrientes a través de una planta. El conocimiento debería fluir de la misma manera.

Por qué Phloem

  • Autogestionado — tus documentos, tu infraestructura, tu control. Ningún dato sale de tu entorno.

  • Listo para Agentes — expón tu base de conocimiento a través de API REST o servidor MCP, para que los agentes de IA obtengan respuestas fundamentadas y aumentadas por recuperación.

  • Tipado de extremo a extremo — un único contrato OpenAPI impulsa las rutas de la puerta de enlace, el SDK cliente y las capas simuladas. Menos sorpresas de integración.

  • Backend intercambiable — una capa adaptadora aísla RAGFlow; intercambia o actualiza el motor sin tocar el código de negocio.

  • Extensible — un registro de puntos de extensión (middleware, rutas, herramientas MCP, módulos web) diseñado para personalización tipo plugin sin bifurcar.

Related MCP server: Modular RAG MCP Server

Arquitectura

┌────────────┐   REST    ┌─────────────┐            ┌──────────────┐
│  Web UI    │──────────▶│   Gateway   │──adapter──▶│   RAGFlow    │
│  (React)   │           │  (Fastify)  │            │  (submodule) │
└────────────┘           └──────┬──────┘            └──────────────┘
                                │
                         ┌──────┴──────┐
                         │ MCP Server  │  ◀── Claude Desktop, Cursor, custom agents
                         └─────────────┘

Paquetes

Paquete

Descripción

@phloem/shared

Tipos, esquemas Zod, contratos API

@phloem/gateway

Puerta de enlace API Fastify con capa adaptadora

@phloem/mcp

Servidor MCP que expone herramientas de conocimiento

@phloem/web

Consola web React (oscura, minimalista)

@phloem/eslint-config

Configuración plana compartida de ESLint

Primeros pasos

Requisitos previos

  • Node.js ≥ 22

  • pnpm ≥ 9

  • Docker (para el backend de RAGFlow)

Instalación

git clone --recurse-submodules https://github.com/phytul/phloem.git
cd phloem
pnpm install
cp deploy/docker/.env.example deploy/docker/.env

Ejecutar (modo simulado — sin necesidad de backend)

# Gateway
pnpm --filter @phloem/gateway dev

# Web console (mock data via MSW)
VITE_API_MODE=mock pnpm --filter @phloem/web dev

Ejecutar (con RAGFlow)

# Build and start RAGFlow (Lite profile, Infinity engine)
docker compose -f deploy/docker/docker-compose.yml -f deploy/docker/docker-compose.lite.yml up -d

pnpm --filter @phloem/gateway dev
pnpm --filter @phloem/web dev

Verificar

curl http://localhost:3000/healthz

API

El contrato REST es la única fuente de verdad: openapi.yaml.

Recursos principales:

  • POST /v1/retrieval — recuperación híbrida entre conjuntos de datos

  • GET/POST /v1/datasets — gestión de bases de conocimiento

  • POST /v1/datasets/{id}/documents — carga de documentos

  • GET /healthz — sonda de actividad

Herramientas MCP

Herramienta

Descripción

retrieve_knowledge

Recuperación híbrida entre bases de conocimiento

list_datasets

Listar bases de conocimiento disponibles

Desarrollo

pnpm run build        # build all packages
pnpm run typecheck    # strict TS check across the monorepo
pnpm run lint         # ESLint + Prettier

Los commits siguen Conventional Commits. Los hooks (lint-staged + commitlint) lo aplican automáticamente.

Licencia

Apache-2.0

Enlaces

  • RAGFlow — el motor subyacente

  • MCP — Protocolo de Contexto de Modelo

Related MCP Connectors

Related MCP Servers

  • F
    license
    Not graded
    quality
    C
    maintenance
    Hybrid semantic search (dense vector + BM25) over local knowledge bases and codebases, exposed as MCP tools for AI agents to search and list knowledge bases.
    -
  • A
    license
    Not graded
    quality
    D
    maintenance
    Exposes RAG-related tools (query_knowledge_hub, list_collections, get_document_summary) via the Model Context Protocol, enabling AI assistants to perform hybrid search, document ingestion, and evaluation on knowledge bases.
    MIT
  • A
    license
    Not graded
    quality
    D
    maintenance
    A pluggable RAG framework that exposes hybrid search, ingestion, and evaluation tools via the Model Context Protocol, enabling AI assistants like Copilot and Claude to query knowledge bases directly.
    MIT