使用说明
RAG-Fusion MCP 服务器
这个仓库实现了一个面向生产的双索引检索增强生成（RAG）系统，该系统专为模型上下文协议（MCP）集成而设计。其架构将权威的事实性知识与经验性使用示例分离开来，从而能够生成既精确又包含现实世界见解的融合响应。
仓库布局
rag-fusion-mcp/
├── configs/ # Runtime configuration sources (models, MCP tools, env templates)
├── data/ # Persistent volume root (pdf, artifacts, indexes)
├── docker/ # Container build assets
├── docs/ # Operational and configuration documentation
├── indexer/ # Ad-hoc indexing pipeline
├── server/ # Persistent MCP server
├── tests/ # Automated evaluation suites
├── docker-compose.yml # Orchestration for indexer + server
├── pyproject.toml # Project metadata and tooling configuration
└── requirements.txt # Shared Python dependencies
快速入门（适用于 Windows PowerShell）
# 1. Create virtual environment (optional but recommended)
python -m venv .venv
. .\.venv\Scripts\Activate.ps1
# 2. Install dependencies
pip install -r requirements.txt
# 3. Run indexer pipeline locally (dry-run)
python -m indexer.cli build --input data\pdf --output data\indexes
# 4. Launch MCP server (development)
uvicorn server.app:app --host 0.0.0.0 --port 8080 --reload
Docker 的使用方法记录在 docs/OPERATIONS.md所有管理命令均与 Windows PowerShell 壳程序兼容。
状态
- ✅ 仓库脚手架（或：仓库结构框架）
- ✅ 配置模板
- ✅ 带有详细文档字符串的索引器和服务器框架
- ☐ 完整的PDF内容抓取实现
- ☐ 端到端检索融合
- ☐ 评估数据集的人群/样本
按照基于阶段的检查清单进行 docs/OPERATIONS.md 从搭建脚手架阶段过渡到生产准备阶段。
