Skip to main content
Glama
zhengzhi132

rag-mcp-server

by zhengzhi132
OverviewSchemaRelated ServersScoreDiscussions
Python
Remote

rag-mcp-server

基于 PyTorch 官方文档的 RAG 知识检索 MCP Server：双向量库（FAISS + Chroma）混合检索，DeepSeek 生成带引用的回答，能力通过 FastMCP 暴露为标准工具，可被 Claude 等 MCP 客户端直接调用。

功能特性

  • 双向量库：FAISS（IndexFlatIP 精确余弦，主检索）+ Chroma（持久化 / where 过滤 / 备份对照），统一 md5(chunk_id) 对齐，构建后自动校验双库 top-5 重合率 ≥ 90%

  • 章节感知分块：按 API entry 语义切分，超长块递归切分 + overlap，保证代码签名不被拦腰截断

  • 混合检索：向量（BGE）+ 关键词（BM25）双路，RRF(k=60) 融合，规避两路分数量纲不可比

  • 带引用回答：DeepSeek 基于检索上下文生成，强制 [n] 引用 + Sources，越界引用后校验剔除；资料不足正确降级拒绝，不编造

  • MCP Server：search / ask / list_topics / stats 四个标准工具，lifespan 只加载一次模型

Related MCP server: docs2db-mcp-server

架构

PyTorch 官方文档 (HTML)
        │  loader.py  解析 <dl> 签名+描述
        ▼
      Document ──► chunker.py  章节感知分块 (447 chunks / 96 API topics)
        │  embedder.py  BGE 文档编码 (无 instruction, 384 维)
        ▼
┌────────────────────────── 建库 ──────────────────────────┐
│   FAISS (IndexFlatIP) 主检索       Chroma 持久化/过滤      │
│   同批 chunk，md5 chunk_id 对齐，双库重合率 ≥90% 校验      │
└───────────────────────────────────────────────────────────┘
        ▲
        │  embed_query (查询加检索前缀)
        │
问题 ──► HybridRetriever = 向量 top-k + BM25 top-k ──► RRF 融合 ──► top-k Chunk
        │
        ▼
 Generator.generate: 编号[1]..[n] 组装 context ──► DeepSeek ──► 回答 + [n] 引用
        │                        ▲
        │               引用校验 _extract_citations (越界/非数字剔除)
        ▼
 FastMCP tools: search / ask / list_topics / stats   (lifespan 单次加载)

技术栈

Python 3.13 · FAISS · Chroma · sentence-transformers (BGE) · rank_bm25 · LangChain · DeepSeek · FastMCP

快速开始

1. 环境

python -m venv .venv
# Windows: .venv\Scripts\activate    Linux/macOS: source .venv/bin/activate
pip install -r requirements.txt

BGE 模型需从 HuggingFace 下载，国内可设镜像（config.py 已默认写入 HF_ENDPOINT=https://hf-mirror.com）。

2. 配置密钥

复制 .env.example 为 .env，填入 DeepSeek API Key：

cp .env.example .env   # 填入 DEEPSEEK_API_KEY

也可直接用环境变量 DEEPSEEK_API_KEY，不需要 .env 文件。

3. 构建索引

PYTHONPATH=src python scripts/build_index.py

输出示例：n_chunks=447, dim=384, dual_store_overlap=0.93+。

索引数据在 data/（已被 .gitignore 排除，可随时重建，幂等）。

4. 命令行问答

# 单次提问
PYTHONPATH=src python -m ragmcp.cli.demo "How to create a Linear layer in PyTorch?"

# 交互式（输入 exit 退出）
PYTHONPATH=src python -m ragmcp.cli.demo

5. 启动 MCP Server

PYTHONPATH=src python -m ragmcp.server.mcp_server    # stdio transport

注册进 Claude Code / Cursor 等客户端后，即可通过标准工具调用：

工具

说明

search

混合检索（向量 + BM25），返回 top-k 来源片段与分数

ask

端到端问答，返回带 [n] 引用的回答 + Sources

list_topics

知识库覆盖的 API 主题列表

stats

知识库统计（分块数 / 文档数 / 主题数 / 维度）

客户端验收脚本：

PYTHONPATH=src python scripts/test_mcp_client.py

6. 测试

PYTHONPATH=src python -m pytest tests/ -v

目录结构

rag-mcp-server/
├── scripts/
│   ├── download_docs.py    # 下载 PyTorch 文档页
│   ├── build_index.py      # 全量构建双向量库（幂等）
│   └── test_mcp_client.py  # MCP stdio 客户端验收
├── src/ragmcp/
│   ├── config.py           # pydantic-settings 配置
│   ├── ingestion/          # loader(HTML/PDF) chunker(章节感知) embedder(BGE)
│   ├── storage/            # faiss_store chroma_store indexer(双写+对齐校验)
│   ├── retrieval/          # keyword(BM25) hybrid(RRF+加权融合)
│   ├── generation/         # generator(DeepSeek + [n]引用 + 降级)
│   ├── service/            # rag_service(编排 search/ask/list_topics/stats)
│   ├── server/             # mcp_server(FastMCP 4 工具) lifespan(单次加载)
│   └── cli/                # demo(命令行问答)
├── tests/                  # chunker / keyword / hybrid / generator
├── data/                   # gitignore：raw / chroma / faiss
├── requirements.txt
└── .env.example

关键设计（面试可讲）

  1. 双向量库分工：FAISS 快、精确余弦、无持久化；Chroma 落盘、where 过滤、备份对照。统一 md5(source|index) 的 chunk_id 对齐，构建后双库 top-5 重合率校验，证明双库结果一致。

  2. BGE 检索姿势：文档编码不加 instruction、查询编码加前缀 "Represent this sentence for searching relevant passages: "，配合 normalize_embeddings=True 使 IndexFlatIP 内积 = 余弦。

  3. RRF 融合：向量分（-11）与 BM25 分（0几十）量纲不可比，直接加权无意义；RRF 只看排名（k=60，Cormack 2009），跨打分器鲁棒。

  4. 引用后校验：LLM 会幻觉出 context 里不存在的编号，_extract_citations 只保留 1<=n<=total 的合法引用，Sources 才可信。

  5. 无答案降级：_low_confidence 阈值（0.02，实测校准）+ SYSTEM_PROMPT 规则 3 双保险，资料不足明确拒绝，不编造。

  6. lifespan 单次加载：BGE 模型（~130MB）+ FAISS 索引在服务启动时加载一次，所有工具调用复用，stdio 会话不重载。

This server cannot be installed

F
license - not found
-
quality - not tested
C
maintenance

How are these scores calculated?

Maintenance

–Maintainers
–Response time
–Release cycle
–Releases (12mo)
Commit activity

Resources

Unclaimed servers have limited discoverability.

Looking for Admin?

If you are the server author, to access and configure the admin panel.

Related MCP Servers

  • RAG Anything MCP Server

    jesse-merhi
    A
    license
    -
    quality
    F
    maintenance
    An MCP server that provides comprehensive multimodal Retrieval-Augmented Generation (RAG) capabilities for processing and querying document directories, supporting text, images, tables, and equations.
    35
    MIT

  • corpus-rag

    monahand1023
    A
    license
    -
    quality
    B
    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

  • api-docs-mcp

    akshaysadanand
    A
    license
    -
    quality
    B
    maintenance
    An MCP server that gives AI coding assistants access to up-to-date API documentation via RAG by crawling documentation sites, indexing them into a vector store, and enabling semantic queries.
    MIT

View all related MCP servers

Related MCP Connectors

  • mcp-server

    Apple Developer Documentation with Semantic Search, RAG, and AI reranking for MCP clients

  • mcp

    Augments MCP Server - A comprehensive framework documentation provider for Claude Code

  • driflyte-mcp-server

    Driflyte MCP server which lets AI assistants query topic-specific knowledge from web and GitHub.

View all MCP Connectors

Latest Blog Posts

MCP directory API

We provide all the information about MCP servers via our MCP API.

curl -X GET 'https://glama.ai/api/mcp/v1/servers/zhengzhi132/rag-mcp-server'

If you have feedback or need assistance with the MCP directory API, please join our Discord server