AI导哈

本地RAG服务器

一个本地化的MCP RAG服务器，连接Claude Desktop到SQLite数据库和内部文档，支持自然语言查询和语义搜索。

  • by amine-LabsCraft
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 amineaitalioffpro-rgb/MCP-RAG-Server

使用说明

🤖 MCP RAG Server

Un serveur MCP local qui connecte Claude Desktop à votre base de données SQLite et vos documents internes — sans cloud, sans Docker, sans clé API.

Posez des questions en langage naturel et Claude interroge automatiquement vos données.

✨ Fonctionnalités

  • db_query — Interroge une base SQLite en lecture seule via SQL généré automatiquement
  • rag_search — Recherche sémantique dans vos documents .txt / .md (FAISS + sentence-transformers)
  • rag_get — Récupère un passage exact pour citation avec doc_id + chunk_id
  • Sécurité SQL — Bloque automatiquement INSERT / UPDATE / DELETE / DROP et toute écriture
  • 100% local — Embeddings via all-MiniLM-L6-v2 (sentence-transformers), pas de clé API requise

🏗️ Architecture

Claude Desktop
    │  (stdio)
    ▼
mcp_server/__main__.py
    ├── db_tool.py        → SQL read-only → data/app.db
    └── rag_tools.py      → rag_search / rag_get
            │
            ▼
        rag/retriever.py
            ├── embedder.py   (sentence-transformers, local)
            └── store.py      (FAISS index + SQLite metadata)
                    │
                    └── data/index/   (index vectoriel persistant)

⚙️ Prérequis

  • Python 3.11 ou 3.12
  • Claude Desktop installé (version non-Store)

🚀 Installation

# 1. Cloner ou extraire le projet
cd mcp-rag-server

# 2. Créer l'environnement virtuel
python -m venv .venv
source .venv/bin/activate        # Linux/macOS
.venv\Scripts\activate.bat       # Windows cmd

# 3. Installer les dépendances
pip install -e ".[dev]"

# 4. Configurer
cp .env.example .env

# 5. Créer la base de données de démo
python scripts/setup_db.py

# 6. Indexer les documents
python scripts/ingest_docs.py

# 7. Vérifier que tout fonctionne
python scripts/test_tools.py

🔌 Connexion à Claude Desktop

Ajouter dans %APPDATA%\Claude\claude_desktop_config.json (Windows) ou ~/Library/Application Support/Claude/claude_desktop_config.json (macOS) :

{
  "mcpServers": {
    "mcp-rag-server": {
      "command": "/chemin/absolu/.venv/bin/python",
      "args": ["-m", "mcp_server"],
      "cwd": "/chemin/absolu/mcp-rag-server"
    }
  }
}

Redémarrer Claude Desktop. Le connecteur mcp-rag-server apparaît dans + → Connecteurs.

💬 Utilisation

Dans un projet Claude Desktop avec les instructions système adaptées, posez des questions en langage naturel :

Quel est le chiffre d'affaires par catégorie ?
Quels sont les 3 meilleurs clients ?
Quelle est la politique de retours ?
Quels délais de livraison pour l'Europe ?

Claude traduit automatiquement en SQL ou recherche sémantique selon le contexte.

📁 Structure du projet

mcp-rag-server/
├── mcp_server/
│   ├── __main__.py       # Point d'entrée MCP stdio
│   ├── db_tool.py        # Outil db_query (SQL sécurisé)
│   └── rag_tools.py      # Outils rag_search / rag_get
├── rag/
│   ├── config.py         # Configuration via .env
│   ├── chunker.py        # Découpage des documents
│   ├── embedder.py       # Embeddings locaux (sentence-transformers)
│   ├── store.py          # Index FAISS + métadonnées SQLite
│   └── retriever.py      # API de recherche
├── scripts/
│   ├── setup_db.py       # Création base de démo
│   ├── ingest_docs.py    # Indexation des documents
│   ├── test_tools.py     # Smoke tests
│   └── demo_questions.md # Exemples de questions
├── docs/                 # Vos documents à indexer
├── data/                 # Base SQLite + index FAISS (auto-créés)
├── tests/                # Tests unitaires pytest
├── .env.example          # Configuration exemple
└── pyproject.toml        # Dépendances

🗄️ Base de données de démo

products    -- 10 produits (Electronics, Furniture, Software...)
customers   --  8 clients (B2B/B2C, France/Allemagne/USA)
orders      -- 15 commandes (déc. 2024 → mars 2025)
order_items -- 26 lignes de commande

📄 Documents de démo

Fichier Contenu
politique_commerciale.md Tarifs, remises volume (5-15%), remises fidélité
politique_retours.md Retours B2C (14j), retours défaut, politique B2B
onboarding_client.md Étapes onboarding, SLA support P1-P4
livraison_sla.txt Délais FR/EU/international, transporteurs, réclamations

🔧 Configuration .env

DB_PATH=data/app.db
DOCS_DIR=docs
INDEX_DIR=data/index
EMBEDDING_MODEL=all-MiniLM-L6-v2
CHUNK_SIZE=1000
CHUNK_OVERLAP=150
LOG_LEVEL=INFO
# OPENAI_API_KEY=sk-...  # Optionnel, fallback OpenAI

🧪 Tests

# Smoke tests (3 outils + sécurité SQL)
python scripts/test_tools.py

# Tests unitaires
pytest tests/ -v

📦 Dépendances principales

Package Version Rôle
mcp ≥1.0.0 Protocole MCP
sentence-transformers ≥2.7.0 Embeddings locaux
faiss-cpu ≥1.7.4 Index vectoriel
aiosqlite ≥0.19.0 SQLite async
pydantic ≥2.5.0 Validation config

🔒 Sécurité SQL

Le moteur SQL refuse toute opération d'écriture via deux couches de protection :

  1. Liste blanche — seuls SELECT, WITH, EXPLAIN, PRAGMA sont autorisés
  2. Liste noire — 17 mots-clés bloqués : INSERT, UPDATE, DELETE, DROP, CREATE, ALTER, REPLACE, TRUNCATE, ATTACH, DETACH, VACUUM, REINDEX, SAVEPOINT, ROLLBACK, `COMMI[...]
  3. Connexion read-only — SQLite ouvert en mode uri=ro

📝 Licence

MIT

👤 Auteur

Amine Ait Ali

相关 MCP