PDF语义搜索服务

MyDocsMCP：用于PDF收藏的MCP服务器

这个项目是 模型上下文协议（MCP）服务器 其允许对PDF文档集合进行语义搜索（本地RAG）。它使用 FastMCP 框架 色度数据库 向量数据库和本地嵌入模型 句子转换.

建筑

• 语义搜索： 100%本地（离线）RAG（检索增强生成）。
• 嵌入： paraphrase-multilingual-mpnet-base-v2 （支持葡萄牙语）。
• 矢量数据库： 持久ChromaDB。
• 观察者： 在 ./data/pdfs 文件夹并通过自动索引 watchdog.

如何使用

1.数据准备

将您的PDF放在 ./data/pdfs/ 文件夹。如果要按学科组织它们，请创建子文件夹：

data/pdfs/
  ├── Generative-AI/
  │   └── lecture1.pdf
  └── Machine-Learning/
      └── fundamentals.pdf

子文件夹名称将用作 discipline 元数据。

2.配置极其简单（Claude/Gemini桌面）

要使用服务器，请将以下配置添加到代理的JSON文件中(claude_desktop_config.json 或双子座 settings.json).

Claude Path（macOS）： ~/Library/Application Support/Claude/claude_desktop_config.json Gemini Path（macOS）： ~/.gemini/settings.json

服务器自动解析所有数据文件夹(pdfs, metadata, chroma_db)基于项目根。您只需提供克隆存储库的绝对路径：

{
  "mcpServers": {
    "mydocsmcp": {
      "command": "uv",
      "args": [
        "--directory", "/Absolute/Path/To/Your/MyDocsMCP",
        "run",
        "mydocs-mcp"
      ]
    }
  }
}

就是这样！ 无其他环境变量(PYTHONPATH, PDF_DIR等等）。设置“Just Works”™。

外露工具

• search_documents(query, top_k=5, discipline=None)：集合中的语义搜索。
• list_documents(discipline=None)：列出索引的PDF。
• cross_topic_search(query, disciplines)：跨多个学科的跨主题搜索。
• get_index_stats()：矢量数据库统计。
• ingest_new_documents(path=None, force_reindex=False)：强制手动重新摄入。

本地开发（Python）

我们使用 紫外线 包管理器：

# Install dependencies
uv sync

# Run the server
uv run mydocs-mcp

运行测试

uv run pytest

使用的技术

• FastMCP
• 紫外线
• 色度数据库
• PyMuPDF
• 句子转换
• 看门狗