AI导哈

MCP智能问答系统

MCP是一个基于RAG（检索增强生成）技术的智能问答系统，能够根据文档库提供精确且上下文相关的回答。该系统集成了语义搜索、智能缓存、持久化存储和文本生成等功能，适用于需要高效信息检索和智能问答的场景。

  • by Feustey
  • 更新于
在 GitHub 查看 Feustey/MCP

使用说明

基本能力

产品定位

MCP是一个基于RAG技术的智能问答系统，旨在通过语义搜索和文本生成技术提供精确的问答服务。

核心功能

  • 🔍 文档语义搜索
  • 💾 基于Redis的智能缓存
  • 📊 基于MongoDB的持久化存储
  • 🤖 集成OpenAI的嵌入和文本生成
  • 📈 系统监控和指标
  • 🔄 异步操作管理

适用场景

  • 企业内部知识库问答
  • 客户支持自动化
  • 教育领域的智能辅导
  • 研究文献的快速检索

工具列表

  • RAGWorkflow: 核心问答流程管理
  • mongo_operations.py: MongoDB操作接口
  • redis_operations.py: Redis操作接口
  • database.py: 数据库配置

使用教程

使用依赖

  1. 安装Python 3.9+
  2. 安装MongoDB Community Edition
  3. 安装Redis
  4. 获取OpenAI API密钥

安装教程

  1. 克隆仓库：
git clone https://github.com/votre-username/mcp.git
cd mcp
  1. 安装系统依赖：
# MongoDB
brew tap mongodb/brew
brew install mongodb-community
brew services start mongodb-community

# Redis
brew install redis
brew services start redis
  1. 配置Python环境：
python -m venv .venv
source .venv/bin/activate  # Unix/macOS
pip install -r requirements.txt
  1. 配置环境变量：
cp .env.example .env
# 编辑.env文件配置

调试方式

  1. 运行测试：
python -m pytest tests/ -v
  1. 快速使用示例：
from src.rag import RAGWorkflow

# 初始化
rag = RAGWorkflow()

# 文档导入
await rag.ingest_documents("文档路径")

# 提问
response = await rag.query("您的问题")

相关 MCP