Ragie Model Context Protocol Server

Ein Model Context Protocol (MCP)-Server, der Zugriff auf die Wissensdatenbank-Abruffunktionen von Ragie bietet.

Beschreibung

Dieser Server implementiert das Model Context Protocol, um KI-Modellen den Zugriff auf Informationen aus einer Ragie-Wissensdatenbank zu ermöglichen. Er bietet ein Tool namens „Retrieve“, mit dem die Wissensdatenbank nach relevanten Informationen abgefragt werden kann.

Related MCP server: RAG Information Retriever

Voraussetzungen

• Node.js >= 18

• Ein Ragie-API-Schlüssel

Installation

Der Server benötigt die folgende Umgebungsvariable:

• RAGIE_API_KEY (erforderlich): Ihr Ragie API-Authentifizierungsschlüssel

Der Server wird gestartet und wartet auf stdio auf MCP-Protokollnachrichten.

Installieren und führen Sie den Server mit npx aus:

RAGIE_API_KEY=your_api_key npx @ragieai/mcp-server

Befehlszeilenoptionen

Der Server unterstützt die folgenden Befehlszeilenoptionen:

• --description, -d <text> : Überschreibt die Standard-Toolbeschreibung mit benutzerdefiniertem Text

• --partition, -p <id> : Geben Sie die abzufragende Ragie-Partitions-ID an

Beispiele:

# With custom description
RAGIE_API_KEY=your_api_key npx @ragieai/mcp-server --description "Search the company knowledge base for information"

# With partition specified
RAGIE_API_KEY=your_api_key npx @ragieai/mcp-server --partition your_partition_id

# Using both options
RAGIE_API_KEY=your_api_key npx @ragieai/mcp-server --description "Search the company knowledge base" --partition your_partition_id

Cursorkonfiguration

So verwenden Sie diesen MCP-Server mit Cursor:

Option 1: Erstellen einer MCP-Konfigurationsdatei

1. Speichern Sie eine Datei mit dem Namen mcp.json

• Für projektspezifische Tools erstellen Sie eine .cursor/mcp.json -Datei in Ihrem Projektverzeichnis. So können Sie MCP-Server definieren, die nur innerhalb dieses spezifischen Projekts verfügbar sind.

• Für Tools, die Sie projektübergreifend verwenden möchten , erstellen Sie eine Datei ~/.cursor/mcp.json in Ihrem Home-Verzeichnis. Dadurch stehen MCP-Server in allen Cursor-Arbeitsbereichen zur Verfügung.

Beispiel mcp.json :

{
  "mcpServers": {
    "ragie": {
      "command": "npx",
      "args": [
        "-y",
        "@ragieai/mcp-server",
        "--partition",
        "optional_partition_id"
      ],
      "env": {
        "RAGIE_API_KEY": "your_api_key"
      }
    }
  }
}

Option 2: Verwenden Sie ein Shell-Skript

1. Speichern Sie eine Datei namens ragie-mcp.sh auf Ihrem System:

#!/usr/bin/env bash

export RAGIE_API_KEY="your_api_key"

npx -y @ragieai/mcp-server --partition optional_partition_id

2. Geben Sie der Datei Ausführungsberechtigungen: chmod +x ragie-mcp.sh

3. Fügen Sie das MCP-Serverskript hinzu, indem Sie in der Cursor-Benutzeroberfläche zu Einstellungen -> Cursor-Einstellungen -> MCP-Server gehen.

Ersetzen Sie your_api_key durch Ihren tatsächlichen Ragie-API-Schlüssel und legen Sie optional die Partitions-ID fest, falls erforderlich.

Claude Desktop-Konfiguration

So verwenden Sie diesen MCP-Server mit Claude Desktop:

1. Erstellen Sie die MCP-Konfigurationsdatei claude_desktop_config.json :

• Für MacOS: Verwenden Sie ~/Library/Application Support/Claude/claude_desktop_config.json

• Für Windows: Verwenden Sie %APPDATA%/Claude/claude_desktop_config.json

Beispiel claude_desktop_config.json :

{
  "mcpServers": {
    "ragie": {
      "command": "npx",
      "args": [
        "-y",
        "@ragieai/mcp-server",
        "--partition",
        "optional_partition_id"
      ],
      "env": {
        "RAGIE_API_KEY": "your_api_key"
      }
    }
  }
}

Ersetzen Sie your_api_key durch Ihren tatsächlichen Ragie-API-Schlüssel und legen Sie optional die Partitions-ID fest, falls erforderlich.

2. Starten Sie Claude Desktop neu, damit die Änderungen wirksam werden.

Das Ragie-Abruftool ist jetzt in Ihren Claude-Desktop-Konversationen verfügbar.

Merkmale

Tool abrufen

Der Server stellt ein retrieve zur Verfügung, mit dem die Wissensdatenbank durchsucht werden kann. Es akzeptiert die folgenden Parameter:

• query (Zeichenfolge): Die Suchanfrage zum Auffinden relevanter Informationen

• topK (Zahl, optional, Standard: 8): Die maximale Anzahl der zurückzugebenden Ergebnisse

• rerank (boolesch, optional, Standard: true): Ob versucht werden soll, nur die relevantesten Informationen zu finden

• recencyBias (Boolesch, optional, Standard: falsch): Ob Ergebnisse mit aktuelleren Informationen bevorzugt werden sollen

Das Tool gibt Folgendes zurück:

• Ein Array von Inhaltsblöcken mit passendem Text aus der Wissensdatenbank

Entwicklung

Dieses Projekt ist in TypeScript geschrieben und verwendet die folgenden Hauptabhängigkeiten:

• @modelcontextprotocol/sdk : Zur Implementierung des MCP-Servers

• ragie : Zur Interaktion mit der Ragie-API

• zod : Zur Laufzeittypvalidierung

Entwicklungs-Setup

Ausführen des Servers im Entwicklermodus:

RAGIE_API_KEY=your_api_key npm run dev -- --partition optional_partition_id

Erstellen des Projekts:

npm run build

Lizenz

MIT-Lizenz – Einzelheiten finden Sie in LICENSE.txt.