使用说明

RAG MCP服务器

一种模型上下文协议（MCP）服务器，为文档查询提供RAG（检索增强生成）功能。此服务器使AI助手能够对您的文档数据库执行智能查询，并使用源信息检索上下文答案。

特性

🔍 智能文档查询：对文档集合执行语义搜索
📚 消息来源：获取具有相关性得分的源文档参考
🔒 安全认证：API访问的基于令牌的身份验证
⚡ 异步性能：内置async/await以实现高性能操作
🛠️ MCP集成：与MCP兼容的AI助手无缝集成
🔧 可配置的：针对不同RAG后端的灵活配置选项

安装

先决条件

Python 3.10或更高版本
pip或uv包管理器

使用pip

# Clone the repository
git clone https://github.com/yourusername/rag-mcp.git
cd rag-mcp-server

# Install dependencies
pip install -e .

使用紫外线（推荐）

# Clone the repository
git clone https://github.com/yourusername/rag-mcp.git
cd rag-mcp

# Install with uv
uv sync

配置

环境变量

创建一个 .env 项目根目录中的文件：

# RAG API Configuration
RAG_API_TOKEN=your_api_token_here
RAG_BASE_URL=https://your-rag-service.com/api-path

# Optional: Logging level
LOG_LEVEL=INFO

配置选项

RAG_API_TOKEN：用于RAG服务身份验证的API令牌（必需）
RAG_BASE_URL：RAG API服务的基本URL（可选，默认为占位符）

用法

运行服务器

直接执行

python src/server.py

使用Makefile

make run

MCP集成

将此服务器添加到MCP客户端配置中：

{
  "mcpServers": {
    "rag-server": {
      "command": "python",
      "args": ["/path/to/rag-mcp-server/src/server.py"],
      "env": {
        "RAG_API_TOKEN": "your_api_token_here",
        "RAG_BASE_URL": "https://your-rag-service.com/api-path"
      }
    }
  }
}

可用工具

`configure_rag`

使用您的API凭证配置RAG工具。

参数：

api_token （字符串，必需）：您的RAG API令牌
base_url （字符串，可选）：RAG服务的基本URL

例子：

{
  "api_token": "your_api_token_here",
  "base_url": "https://your-rag-service.com/api-path"
}

`rag_docs`

使用源属性对文档数据库执行智能查询。

参数：

query （string，必填）：向RAG系统提出的问题

例子：

{
  "query": "What are the main features of our product?"
}

答复包括：

根据您的文档生成答案
具有相关性得分的源文件参考
相关文档的内容片段

API集成

服务器希望您的RAG API遵循此界面：

请求格式

{
  "query": "Your question here",
}

响应格式

{
  "answer": "Generated response",
  "sources": [
    {
      "document": "document_name.pdf",
      "score": 0.95,
      "content": "Relevant text snippet..."
    }
  ]
}

发展

建立开发环境

# Install development dependencies
pip install -e ".[dev]"

# Or with uv
uv sync --group dev

代码质量

该项目使用多种工具来提高代码质量：

黑色：代码格式
拉夫：梳理和进口分拣
MyPy：类型检查
pytest：测试

运行质量检查：

# Format code
black src/

# Lint code
ruff check src/

# Type checking
mypy src/

# Run tests
pytest

项目结构

├── src/
│   ├── __init__.py
│   ├── server.py              # Main MCP server
│   └── tools/
│       ├── __init__.py
│       ├── base.py            # Base tool class
│       └── rag_tools.py       # RAG tool implementation
├── pyproject.toml             # Project configuration
├── Makefile                   # Build commands
└── README.md                  # This file

贡献

分叉存储库
创建要素分支： git checkout -b feature-name
进行更改
运行测试和质量检查
提交您的更改： git commit -am 'Add feature'
推到分支： git push origin feature-name
提交拉取请求

代码的风格

遵循PEP 8指南
使用类型提示
为所有公共函数编写文档字符串
保持功能集中和小型化
为新功能添加测试

故障排除

常见问题

“RAG工具未配置”错误

请务必致电 configure_rag 使用API令牌首先使用工具

连接超时错误

检查你的 RAG_BASE_URL 正确且可访问
验证您的网络连接
确保RAG服务正在运行

身份验证失败

验证您的 RAG_API_TOKEN 有效
检查令牌是否具有适当的权限

调试模式

通过设置环境变量启用调试日志记录：

export LOG_LEVEL=DEBUG

许可证

此项目根据MIT许可证获得许可-请参阅许可证文件以获取详细信息。

支持

📧 电子邮件: andreoni.matteo@proton.me

致谢

内置于模型上下文协议