Сервер протокола контекста модели Ragie

Сервер протокола контекста модели (MCP), который обеспечивает доступ к возможностям поиска в базе знаний Ragie.

Описание

Этот сервер реализует протокол контекста модели, чтобы позволить моделям ИИ извлекать информацию из базы знаний Ragie. Он предоставляет единый инструмент под названием «извлечение», который позволяет запрашивать в базе знаний соответствующую информацию.

Related MCP server: RAG Information Retriever

Предпосылки

• Node.js >= 18

• API-ключ Ragie

Установка

Серверу требуется следующая переменная среды:

• RAGIE_API_KEY (обязательно): Ваш ключ аутентификации API Ragie

Сервер запустится и будет прослушивать stdio на предмет сообщений протокола MCP.

Установите и запустите сервер с npx:

RAGIE_API_KEY=your_api_key npx @ragieai/mcp-server

Параметры командной строки

Сервер поддерживает следующие параметры командной строки:

• --description, -d <text> : Переопределить описание инструмента по умолчанию на пользовательский текст

• --partition, -p <id> : Укажите идентификатор раздела Ragie для запроса

Примеры:

# 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

Конфигурация курсора

Чтобы использовать этот MCP-сервер с Cursor:

Вариант 1: Создание файла конфигурации MCP

1. Сохраните файл с именем mcp.json

• Для инструментов, специфичных для проекта , создайте файл .cursor/mcp.json в каталоге проекта. Это позволяет вам определять серверы MCP, которые доступны только в этом конкретном проекте.

• Для инструментов, которые вы хотите использовать во всех проектах , создайте файл ~/.cursor/mcp.json в вашем домашнем каталоге. Это сделает серверы MCP доступными во всех ваших рабочих пространствах Cursor.

Пример mcp.json :

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

Вариант 2: использование скрипта оболочки

1. Сохраните файл с именем ragie-mcp.sh в своей системе:

#!/usr/bin/env bash

export RAGIE_API_KEY="your_api_key"

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

2. Дайте файлу права на выполнение: chmod +x ragie-mcp.sh

3. Добавьте скрипт сервера MCP, перейдя в Настройки -> Настройки курсора -> Серверы MCP в пользовательском интерфейсе курсора.

Замените your_api_key на ваш фактический ключ API Ragie и при необходимости укажите идентификатор раздела.

Конфигурация рабочего стола Клода

Чтобы использовать этот MCP-сервер с рабочим столом Claude:

1. Создайте файл конфигурации MCP claude_desktop_config.json :

• Для MacOS: используйте ~/Library/Application Support/Claude/claude_desktop_config.json

• Для Windows: используйте %APPDATA%/Claude/claude_desktop_config.json

Пример claude_desktop_config.json :

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

Замените your_api_key на ваш фактический ключ API Ragie и при необходимости укажите идентификатор раздела.

2. Перезагрузите рабочий стол Claude, чтобы изменения вступили в силу.

Инструмент поиска Ragie теперь будет доступен в ваших разговорах на рабочем столе Claude.

Функции

Инструмент для извлечения

Сервер предоставляет инструмент retrieve , который можно использовать для поиска в базе знаний. Он принимает следующие параметры:

• query (строка): Поисковый запрос для поиска релевантной информации.

• topK (число, необязательно, по умолчанию: 8): максимальное количество возвращаемых результатов

• rerank (логическое значение, необязательное, по умолчанию: true): следует ли пытаться найти только наиболее релевантную информацию

• recencyBias (логическое значение, необязательное, по умолчанию: false): отдавать ли предпочтение результатам в сторону более свежей информации

Инструмент возвращает:

• Массив фрагментов контента, содержащих соответствующий текст из базы знаний

Разработка

Этот проект написан на TypeScript и использует следующие основные зависимости:

• @modelcontextprotocol/sdk : Для реализации сервера MCP

• ragie : Для взаимодействия с API Ragie

• zod : Для проверки типа во время выполнения

Настройка разработки

Запуск сервера в режиме разработки:

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

Создание проекта:

npm run build

Лицензия

Лицензия MIT — подробности см. в LICENSE.txt.