AI Research Assistant MCP Server

MCPベースのAIリサーチアシスタント (RAG + LangChain + Claude)

概要

RAG (Retrieval-Augmented Generation: 検索拡張生成) を用いたMCPアーキテクチャにより、ドキュメントの取得、コンテキストの処理、クエリへの回答を行うAIエージェントです。

技術スタック

• LangChain

• Claude / Ollama互換モデル

• ベクターDB: Chroma (例; PineconeやMilvusなどに設定可能)

• マルチツールオーケストレーション用 MCP (Model Context Protocol)

機能

• RAGベースの検索パイプライン

• マルチツールエージェント (インデックス作成、検索、LLM推論、ツール呼び出し)

• 内部データソース用のAPI統合

デモ

入力 → 取得されたドキュメント → 最終的なAIの回答を示す実行例については、/app/demo_output.md を参照してください。利用可能な場合は、presentation/ フォルダにスクリーンショットや短いGIFを含めてください。

実行方法 (クイックスタート)

1. 仮想環境を作成し、要件をインストールします。

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

2. モデルとベクターDBの環境変数を設定します (例):

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

3. RAGパイプラインまたはMCPサーバーコンポーネントを実行します (例):

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

注意点

• このリポジトリは、単一の具体的なユースケースである「社内ナレッジベースAI」に焦点を当てるよう再構成されました。レガシーなコース教材は /legacy_course 配下にアーカイブされています。

• レガシーな番号付きコースフォルダの削除や /legacy_course への移行をご希望の場合は、確認いただければ移動いたします。