Skip to main content
Glama
v587d

Insights Knowledge Base MCP Server

by v587d
OverviewSchemaSourceRelated ServersDiscussionsAdmin
Python
Local

Server Configuration

Describes the environment variables required to run the server.

NameRequiredDescriptionDefault
VLM_MODEL_NAMENoVisual language model name for private document parsing (e.g., qwen2.5-vl-72b-instruct)

Instructions

Guidance the server publishes about itself, which clients place ahead of the tool catalog so the model reads it before choosing anything.

This server publishes no instructions, or was last inspected before Glama recorded them.

Capabilities

Features and capabilities supported by this server

Protocol revision2025-11-25

CapabilityDetails
tools
{
  "listChanged": false
}
prompts
{
  "listChanged": false
}
resources
{
  "subscribe": false,
  "listChanged": false
}
experimental
{}

Tools

Functions exposed to the LLM to take actions

NameDescription
search_report_profileA

该方法用于查询多条件组合的报告整体概况。LLM需根据用户输入的消息(user_message)提炼出以下参数。 ️⚠️注意：当LLM引用该方法返回的结果时，必须用markdown格式明确、醒目告知用户引自哪篇报告和具体访问地址！ 比如“观点引自《Open source technology in the age of AI》。(查看完整报告)[<如果"download_url"不为空，填入download_url>]” ！！！注意每份报告单独列举 download_url，不要笼统指向某一个可能不存在的地址。

参数：
    keywords: List[str] = None, 整篇报告的关键词。
    title: str = "", 报告标题包含词。
    content: str = "", 报告内容包含词。
    publisher: str = "", 报告发布者。
    start_date: Optional[datetime] = None, 报告查询开始日期。
    end_date: Optional[datetime] = None, 报告查询结束日期。
    match_logic: str = "OR", 匹配逻辑。"OR" 或者 "AND"，二选一，**优先用 "OR"**。

返回：
    results：报告概览
      - file_name: 报告名称
      - topic: 报告主题
      - content: 报告整体摘要
      - published_by: 发布机构
      - published_date: 发布日期
      - local_path: 报告存放于本地地址
      - download_url: 报告网络链接
      - matched_keywords: 匹配关键词组
    current_page：当前页码。⚠️当前页码小于总页码时，LLM需在结尾处提示用户可输入“下一页”查询更多记录。
    total_pages： 总页数
    total_matches： 总匹配记录条数

LLM需将该方法返回结果组织成通畅的语言传达给用户。
search_content_detailA

该方法用于查询符合多条件组合的报告详情页面。LLM需根据用户输入的消息(user_message)提炼出以下参数。 ⚠️注意：当LLM引用该方法返回的结果时，必须用markdown格式明确、醒目告知用户引自哪篇报告和具体访问地址！ 比如“观点引自《21世纪CEO的成功法则》第10、16页。(查看完整报告)[<如果"download_url"不为空，填入download_url>]” ！！！注意每份报告单独列举 download_url，不要笼统指向某一个可能不存在的地址。

参数：
    keywords: List[str] = None, 报告详情页的关键词。
    title: str = "", 报告详情页标题包含词。
    content: str = "", 报告详情页内容包含词。
    publisher: str = "", 报告发布者。
    start_date: Optional[datetime] = None, 报告查询开始日期。
    end_date: Optional[datetime] = None, 报告查询结束日期。
    match_logic: str = "OR", 匹配逻辑。"OR" 或者 "AND"，二选一，**优先用 "OR"**。
    page_index: int = 1, 页码，默认仅显示第一页。

返回：
    results：报告详情
      - file_name: 详情页来自于哪份报告名
      - page_number: 页码
      - page_abstract: 摘要
      - page_content: 完整内容
      - page_keywords: 详情页关键词
      - published_by: 报告发布机构
      - published_date:报告发布日期
      - local_path: 报告存放于本地地址
      - download_url: 报告网络链接
      - matched_keywords: 匹配关键词组
    current_page：当前页码。⚠️当前页码小于总页码时，LLM需在结尾处提示用户可输入“下一页”查询更多记录。
    total_pages： 总页数
    total_matches： 总匹配记录条数

LLM需将该方法返回结果组织成通畅的语言传达给用户。
get_similar_content_by_ragA

该方法用于通过计算用户输入与文档内容向量之间相似度，进而找到最相似的文档内容，即RAG。 ⚠️注意：1. 当LLM无法从用户输入中提取明确指令时，优先使用此方法。 2. 当LLM引用该方法返回的结果时，必须用markdown格式明确、醒目告知用户引自哪篇报告和具体访问地址！ 比如“观点引自《21世纪CEO的成功法则》第10、16页。(查看完整报告)[<如果"download_url"不为空，填入download_url>]” ！！！注意每份报告单独列举 download_url，不要笼统指向某一个可能不存在的地址。

 参数：
    user_query: str 必填。

返回：
    page_number: 报告详情页页码
    page_title: 标题
    page_abstract: 摘要
    page_content: 内容
    file_name: 报告名称
    local_path: 报告存放于本地地址
    download_url: 报告网络链接
    published_by: 报告发布机构
    published_date: 报告发布日期
    vector_similarity: 向量相似度

LLM需将该方法返回结果组织成通畅的语言传达给用户。

Prompts

Interactive templates invoked by user choice

NameDescription

No prompts

Resources

Contextual data attached and managed by the client

NameDescription

No resources

Deploy Server
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

TDQS

A4/5.0

Scored across 3 tools

Disambiguation5/5

Each tool targets a distinct retrieval operation: report overviews (search_report_profile), page-level details (search_content_detail), and semantic similarity (get_similar_content_by_rag). There is no ambiguity in their purposes.

Naming Consistency4/5

All tool names use snake_case, with two starting with 'search_' and one with 'get_'. While the 'get_' prefix differs, the pattern is still predictable and descriptive. Minor inconsistency in verb choice.

Tool Count4/5

Three tools is appropriate for a focused knowledge base retrieval server. It covers the core query types without being excessive or insufficient for the stated purpose.

Completeness4/5

The tool set covers structured search by report profile and content, plus semantic search. For a read-only knowledge base, this is reasonably complete. Missing write operations are acceptable given the domain.

Maintenance

ActivityInactive
ResponsivenessNo issues

Resources