AI导哈

RAG文档管理服务

一个轻量级的RAG MCP服务器，提供文档嵌入、搜索、列表和管理功能，适用于需要高效文档检索和问答的场景。

  • by Hitesh-Saha
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Hitesh-Saha/langchain-agent

使用说明

langchain试剂

一个小型示例工作空间，包括：

  • 轻量级RAG MCP服务器(rag-server)它公开了用于嵌入、搜索、列出和管理文档的工具
  • 一个连接到RAG MCP服务器并可以使用RAG工具的示例代理集成

此README描述了如何设置环境、启动RAG服务器和运行代理或示例客户端代码。

先决条件

  • Python 3.12或更高版本
  • git（可选）
  • 紫外线
  • 拥抱面API密钥
  • Google Gemini API密钥

存储库在此文件夹下使用两个单独的Python包：

  • . --the langchain-agent 包（主代理代码）（pyproject.toml存在）
  • ./rag-server --RAG MCP服务器包（pyproject.toml存在）

快速设置

从项目根目录（/workspaces/codespace blank/langchain agent）：

  1. 创建并激活虚拟环境

    uv sync --frozen
  1. 在项目根目录中创建一个.env文件，其中包含所需的环境变量（见下文）。

    GOOGLE_API_KEY=<your_google_api_key_here>
    RAG_MCP_SERVER_URL=<your_rag_mcp_server_url_here>
    LANGSMITH_API_KEY=<your_langsmith_api_key_here>
    GOOGLE_GEMINI_MODEL_NAME=<your_google_gemini_model_name_here>

    RAG_DB_PATH=<your_custom_rag_db_path_here>
    HF_TOKEN=<your_hf_token_here>
    MCP_PORT=<your_port_here>
  1. 安装子模块mcp RAG服务器

    git submodule init
    git submodule update
  1. 启动RAG服务器包

    cd rag-server
    uv run rag-mcp-server
  1. 在单独的终端中，激活虚拟环境：

对于Windows：

    source .venv/Scripts/activate

对于Linux/Mac：

    source .venv/bin/activate
  1. 在项目根目录中运行代理代码：
    langgraph dev --port 8080 --allow-blocking

环境变量

服务器和代理使用一些环境变量：

  • RAG_MCP_SERVER_URL--代理将用于联系正在运行的RAG MCP服务器的URL（例如。http://127.0.0.1:8000)
  • HF_TOKEN--如果需要，通过嵌入代码使用拥抱脸令牌
  • MCP_TRANSPORT、MCP_HOST、MCP_PORT——从命令行启动MCP服务器时使用的可选默认值
  • GOOGLE_API_KEY-用于GOOGLE Gemini LLM访问的GOOGLE API密钥

您可以将它们放入rag-server/src中的.env文件中，也可以在启动服务之前在shell中设置它们。

RAG MCP服务器

您还可以在HTTP模式（默认）下单独手动启动RAG MCP服务器，以便代理可以连接：

uv run rag-mcp-server --mode http --host 127.0.0.1 --port 8000 --db-path ./data/rag_database.db

这将：

  • 创建。/data/rag_database.db（目录将自动创建）
  • 启动FastMCP服务器，公开RAG工具（嵌入/搜索/列表/删除/获取/提问）

如果您更喜欢在stdio模式下运行，以便使用使用stdio传输的MCP客户端进行本地测试，请使用--mode stdio。

常见工作流程

  • 摄取文档：
    • 调用embed_document（file_path，metadata）以添加文件并创建嵌入块
  • 搜索上下文：
    • 调用search_documents（query、top_k、min_similarity）以检索相似的块和分数
  • 问一个问题（推荐）：
    • 使用ask_question（{“question”：…，“context_limit”：N，“similarity_threshold”：X}）运行端到端RAG问答，并接收包含来源的答案
  • 管理数据库：
    • list_documents（）--列表文件
    • get_datatabase_stats（）--获取计数和数据库信息
    • delete_document（文件名）--删除文件的块

故障排除

  • 如果代理无法连接到RAG MCP服务器，请检查RAG_MCP_server_URL，并确保服务器正在运行且可访问。
  • 如果由于缺少模型密钥而导致嵌入失败，请设置HF_TOKEN或特定于提供商的凭据。

贡献

请随时打开问题或PR。在添加新行为时，保持更改较小，并添加最少的测试。

许可证

请参阅顶级项目许可证文件（如果有的话）。

相关 MCP