AI导哈

检索增强生成工具

一个集成了Qdrant向量存储和AI服务的实验性RAG工具，用于探索和测试检索增强生成技术的实现。

  • by bergollo
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 bergollo/agent_rag_qdrant

使用说明

RAG Qdrant探员

AI Agent&Qdrant是一个小型的实验性单仓库，它汇集了基本的模型上下文协议（MCP）组件和Qdrant向量存储。该项目的目标是探索如何在一个地方构建一个简单的检索增强生成（RAG）设置，在那里可以测试和更新工具、代理和工作流，而无需管理多个仓库。

快速入门：MCP示例，包括Qdrant、ai_service（存根）、后端（FastAPI）、前端（Vite React）

  1. 构建并运行（需要Docker Compose）： docker构建

  2. 服务

    • 后端（FastAPI）：http://localhost:8000

      • 健康：http://localhost:8000/api/health/
      • AI端点：http://localhost:8000/api/ai/query（职位）

    • AI服务（存根）：http://localhost:8001

      • 健康：http://localhost:8001/health
      • 查询：http://localhost:8001/v1/query（职位）

    • 问题：http://localhost:6333（用于存根）

  3. 卷曲示例： curl-X POSThttp://localhost:8000/api/ai/query-H“内容类型：应用程序/json”-d'{“查询”：“你好”}'

笔记：

  • 这 frontend_builder 该服务构建Vite前端，并将构建内容复制到NGINX容器中。

具有AI服务、FastAPI、Redaction Gate MCP和React UI的MCP Monrepo项目结构

  • Python AI服务（例如，使用LangChain/OpenAI）
  • Python FastAPI后端（提供API端点）
  • React前端
agent_rag_qdrant/
│
├── .github/
│   └── workflow/
│       └── github-actions.yml
│
├── ai_service/                # Python AI service (LangChain/OpenAI logic)
│   ├── main.py
│   ├── requirements.txt
│   └── ... (other modules)
│
├── backend/                   # FastAPI backend (serves API)
│   ├── main.py
│   ├── requirements.txt
│   └── ... (routers, models, etc.)
│
├── frontend/                  # React UI
│   ├── package.json
│   ├── public/
│   └── src/
│
├── redaction_gate/                # Python Redact FastMCP/FastAPI
│   ├── main.py
│   ├── requirements.txt
│   └── ... (other modules)
│
├── docker-compose.yml
└── README.md

细节：

  • ai_service/：包含核心AI逻辑，可以作为单独的服务运行或由后端导入。
  • backend/：FastAPI应用程序，可以为API端点提供服务。
  • frontend/：React应用程序（使用Create React app、Vite或类似工具创建）。
  • docker-compose.yml：编排所有服务（Qdrant、AI服务、FastAPI后端、NGINX中的React前端）。
  • redaction_gate/：FastMCP服务，可以为MCP服务。

要点：

  • 这 frontend 服务构建React应用程序并输出到 frontend/build.
  • 这 backend 为API端点提供服务。
  • 这 ai_service 可以是单独的微服务，也可以由后端导入。

部署前

  • 添加 .env 归档于 ./ai_服务/ 并定义 OPENAI_API_KEY=[API_KEY] 以允许访问OpenAI。

开发环境

  • 使用以下docker compose命令执行deploy-dev模式：
docker compose -f docker-compose.yml -f docker-compose.overwrite.dev.yml up -d --build

相关 MCP