Skip to main content
Glama
deenesjakoruzh
unlomtrois

scholar-mcp

by unlomtrois
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

little-librarian

Un servidor MCP local que indexa archivos .epub y expone herramientas de búsqueda semántica respaldadas por pplx-embed-context-v1 (late chunking) y Qdrant.

MCP client (Claude Desktop, Claude Code, …)
     │
     ▼  tool calls via MCP
 server.py
  pplx-embed-context-v1-0.6b  +  Qdrant (local)

Archivos

Archivo

Rol

server.py

Servidor MCP: ingesta de epub, embedding, búsqueda, almacenamiento en Qdrant

code_librarian.py

Servidor MCP independiente para código (fragmentación basada en AST)

Related MCP server: ragi

Por qué pplx-embed-context-v1

Utiliza late chunking: todos los fragmentos de un capítulo pasan por una única pasada hacia adelante, por lo que cada embedding de fragmento captura el contexto completo del documento sin necesidad de un prefijo de documento en el momento de la inferencia. Obtiene una puntuación de 81.96 nDCG@10 en ConTEB.

Inicio rápido

# 1. install
pip install -e .

# 2. ingest your library (runs embedding, then exits)
HF_HUB_OFFLINE=0 python server.py --index ./library

# 3. start the MCP server
python server.py

# optional: preload the model at startup
python server.py --preload

Herramientas MCP

Herramienta

Descripción

search(query, top_k)

Búsqueda semántica, devuelve los k mejores pasajes con puntuaciones

search_groups(query, group_by, limit, group_size)

Búsqueda agrupada por "book" o "chapter": ideal para investigación entre volúmenes

get_passage(book, chapter, max_chars)

Recupera el texto completo de un libro/capítulo

list_books()

Lista todos los libros indexados con el recuento de capítulos

collection_stats()

Información de la colección de Qdrant (recuento de puntos, tamaño del vector)

library_stats()

Desglose completo del contenido: libros, capítulos, fragmentos por libro, longitud media de fragmento

get_device()

Muestra qué dispositivo (CPU/GPU) se utiliza para los embeddings

Configuración de Claude Desktop

{
  "mcpServers": {
    "little-librarian": {
      "command": "python",
      "args": ["/path/to/server.py"]
    }
  }
}

Guía de hardware

Configuración

VRAM mín.

Solo CPU

0 GB

GPU (pplx-embed-0.6b)

~2 GB

This server cannot be deployed

One endpoint for every MCP toolRayrun runs every MCP server behind one URL and holds the credentials. Each call is decided per client, tool, and argument, then recorded.ray.runAd

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources

Related MCP Connectors

Related MCP Servers

  • mcp-context

    ericlimabr
    F
    license
    Not graded
    quality
    D
    maintenance
    Local MCP server that provides semantic search (RAG) over code repositories, enabling AI clients like Claude and Gemini to access project context without manual re-upload.
    -

  • ragi

    SusuTawar
    A
    license
    A
    quality
    D
    maintenance
    Local-first RAG indexing and semantic search MCP server. Enables document retrieval and context-aware queries using local embedding models.
    3
    13 npm
    MIT

  • corpus-rag

    monahand1023
    A
    license
    Not graded
    quality
    A
    maintenance
    MCP server for local RAG over personal notes, PDFs, and documents, enabling plain-English querying and hybrid search with multi-hop context expansion.
    MIT