AI Research Assistant MCP Server

Asistente de Investigación de IA basado en MCP (RAG + LangChain + Claude)

Qué hace

Agente de IA que recupera documentos, procesa el contexto y responde consultas utilizando una arquitectura MCP con RAG (Generación Aumentada por Recuperación).

Stack tecnológico

• LangChain

• Claude / Modelos compatibles con Ollama

• Base de datos vectorial: Chroma (ejemplo; configurable para Pinecone, Milvus, etc.)

• MCP (Protocolo de Contexto de Modelo) para la orquestación de múltiples herramientas

Características

• Canalización de recuperación basada en RAG

• Agente de múltiples herramientas (indexación, recuperación, razonamiento de LLM, llamadas a herramientas)

• Integraciones de API para fuentes de datos internas

Demostración

Consulte /app/demo_output.md para ver un ejemplo de ejecución que muestra Entrada → Documentos recuperados → Respuesta final de la IA. Incluya capturas de pantalla o GIFs cortos en la carpeta presentation/ si están disponibles.

Cómo ejecutar (rápido)

1. Cree un entorno virtual e instale los requisitos.

python -m venv .venv
.venv\Scripts\activate    # Windows
pip install -r requirements.txt

2. Configure las variables de entorno para su modelo y base de datos vectorial (ejemplos):

export OPENAI_API_KEY=...
export CLAUDE_API_KEY=...
# For Windows PowerShell:
$env:CLAUDE_API_KEY = '...'

3. Ejecute la canalización RAG o los componentes del servidor MCP (ejemplos):

python -m rag_pipeline.run         # pipeline entry (if present)
python -m mcp_server.server        # MCP server (if present)

Notas

• Este repositorio ha sido reorganizado para centrarse en un caso de uso concreto: una IA de base de conocimiento de la empresa. El material del curso heredado se archivó en /legacy_course.

• Si desea que las carpetas numeradas del curso heredado se eliminen o se migren a /legacy_course, confírmelo y las moveré.