AI导哈

检索增强生成服务

模块化的RAG系统，支持多模态文档处理、混合检索和可插拔后端实现，适用于AI辅助开发与内容生成。

  • by irock97
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 irock97/MODULAR-RAG-MCP-SERVER

使用说明

Modular RAG MCP Server

Modular RAG (Retrieval-Augmented Generation) MCP Server - 可插拔的检索增强生成服务。

项目概述

本项目是一个模块化的 RAG 系统，支持：

  • 多模态文档处理（PDF → Markdown）
  • 混合检索（Dense + Sparse + RRF）
  • 可插拔的后端实现（LLM/Embedding/VectorStore）
  • MCP 协议集成（支持 Copilot/Claude Desktop）
  • 可观测性支持（Trace + Dashboard）

快速开始

1. 安装依赖

# 创建虚拟环境
python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# 或 .venv\Scripts\activate  # Windows

# 安装项目
pip install -e ".[all]"

2. 配置

编辑 config/settings.yaml：

llm:
  provider: openai
  model: gpt-4o
  api_key: "${OPENAI_API_KEY}"

embedding:
  provider: openai
  model: text-embedding-3-small

vector_store:
  backend: chroma
  persist_path: ./data/db/chroma

3. 运行

# 数据摄取
python scripts/ingest.py --collection my-docs --path ./data/documents

# 启动 MCP Server
python main.py

# 启动 Dashboard
python scripts/start_dashboard.py

项目结构

modular-rag-mcp-server/
├── config/              # 配置文件
│   ├── settings.yaml
│   └── prompts/
├── src/                 # 源代码
│   ├── mcp_server/     # MCP Server 层
│   ├── core/           # Core 层
│   ├── ingestion/      # Ingestion Pipeline
│   ├── libs/           # 可插拔抽象层
│   └── observability/  # 可观测性
├── tests/              # 测试
├── scripts/            # 脚本
└── main.py             # 入口

文档

许可证

MIT

相关 MCP