boop-mcp-rag
Boop MCP–RAG
Boop MCP–RAG — это независимый от источника фундамент для будущей системы Retrieval-Augmented Generation (RAG) и Model Context Protocol (MCP). Он реализует стабильные контракты и детерминированный локальный эталонный путь, не привязываясь к провайдеру моделей, системе-источнику, учётным данным, базе данных, векторной базе данных, удалённому MCP-серверу или внешней службе идентификации.
Этот проект намеренно является структурным фундаментом. Он не предназначен для продакшена как RAG-сервис, автономный агент, API-шлюз, кластер векторного поиска или удалённый исполнитель инструментов.
Топология выполнения
Consumer / MCP client
|
v
ContextRouter
| |
v v
QueryRetriever MCPHost
| |
v v
ContextDocument ToolResult
\ /
v v
ContextPayloadОркестратор видит только нормализованные контракты. Хранилище контекста, хранение сессий, транспорт инструментов и экспорт телеметрии выбираются за интерфейсами на этапе установки.
Граница | Контракт | Локальный эталонный адаптер | Точка расширения на этапе установки |
Приём документов |
| Детерминированное разбиение на чанки в памяти | Парсер документов, модель эмбеддингов, индексатор |
Поиск |
| Ранжирование по совпадению ключевых слов | pgvector, Qdrant, гибридный поиск |
Состояние сессии |
| Память процесса | Redis, PostgreSQL |
Инструменты |
| Внутрипроцессный хост с валидацией Pydantic | Мост для MCP STDIO, HTTP/SSE, gRPC |
Телеметрия | OpenTelemetry API | Только инструментация API | OTLP exporter |
Шлюз | Заглушка конфигурации | Нет | Адаптеры аутентификации, авторизации и ограничения скорости |
Related MCP server: Local RAG MCP Server
Включённое поведение
ContextRouter валидирует запрос, получает контекст, обнаруживает зарегистрированные инструменты и выполняет инструмент только в том случае, когда клиент явно передаёт параметр requested_tool. Результатом является нормализованный объект ContextPayload, содержащий пользовательский запрос, извлечённые документы, определения инструментов, метаданные сессии и опционально результат вызова инструмента.
Эталонный адаптер знаний использует детерминированный подбор по ключевым словам. Он существует для проверки контрактов и тестов, а не для семантического или векторного поиска. Локальный MCP-хост перед вызовом обработчика валидирует каждый вход инструмента с помощью Pydantic.
Установка и проверка
python3 -m pip install -e .
python3 -m unittest discover -s tests -p "test_*.py" -v
python3 -m compileall -q src tests server.py
boop-mcp-rag statusЛокальный интерфейс MCP
Запустите локальный MCP-сервер:
mcp run server.pyОн предоставляет средства для четырёх локальных инструментов-эталонов:
Инструмент | Назначение |
| Выводит установленные локальные адаптеры и неустановленные точки расширения. |
| Индексирует переданный вызывающим кодом текст в памяти процесса; не — внешний контент. |
| Извлекает контекст и при необходимости выполняет конкретный локальных инструмент, который был явно запрошен. |
| Выводит списки инструментов, не связанных с транспортом. |
Установка и развёртывание
Скопируйте config.example.json и подключайте настоящие адаптеры только после того, как выбраны целевая среда, источники данных, границы доступа и эксплуатационные требования. Не размещайте в этом репозитории секреты, данные, дампы источников или рабочие строки подключения.
This server cannot be deployed
Maintenance
Related MCP Connectors
Private-by-default, local-first memory/context/task orchestrator for MCP apps and agents.
Hosted MCP runtime where your agent publishes its own tools by tool call and keeps working.
MCP server for your apps' tools and custom tools, plus hosted AI agents and approval-gated workflows
Persistent memory, knowledge graph, task management and more for AI agents via MCP.
Related MCP Servers
- FlicenseNot gradedqualityDmaintenanceEnables local document question-answering and retrieval via MCP, supporting multi-turn conversation, intent recognition, and tools for document search, Q&A, and summarization.5-
- FlicenseNot gradedqualityDmaintenanceEnables tool-calling over TCP for a local RAG pipeline, allowing document ingestion and querying via MCP tools, fully offline with no cloud dependencies.-
- AlicenseNot gradedqualityAmaintenanceA local-first RAG engine that ingests documents (PDF, Markdown, images, etc.) and provides hybrid search, reranking, and LLM answer synthesis via MCP for AI agent integration.37 PyPI3MIT
- AlicenseNot gradedqualityDmaintenanceMCP server for a self-hosted RAG system that enables AI tools to search and retrieve grounded answers from locally ingested documents via MCP tools, with local embeddings and no API key required.MIT