使用说明
🧠 MCP服务器–DocuMind后端人工智能和嵌入服务 该存储库支持DocuMind的核心AI功能，通过OpenAI和Pinecone处理文档解析、向量嵌入和检索增强生成（RAG）。
它充当一个微服务，负责接收文档、嵌入内容，并根据文档的上下文用智能答案响应用户查询。
🌐 实时部署 MCP服务器（RAG API）：https://mcp-server-thci.onrender.com
⚙️ 如何在当地跑步
-
克隆并安装 克隆https://github.com/MM-27-dev/MCP_Server.git cd MCP_服务器 npm安装
-
配置.env 使用提供的.env.示例创建.env文件并填写： 端口=5002
OpenAI
OPENAI_API_KEY=您的惩罚密钥
松果
PINECONE_API_KEY=您的PINECONE_KEY PINECONE_ENVIRONMENT=your_PINECONE_env PINECONE_INDEX=your_PINECONE_INDEX
雷迪斯
REDIS_HOST=本地主机 重新排序=6379
队列
RAG_BUILDER_QUE_NAME=抹布生成器队列
- 启动服务器 npm运行开发
它将同时运行： API服务器（src/server.ts）
🧾 什么是mcpServer.ts？ mcpServer.ts文件是后台工作程序入口点。 它执行以下任务： 连接到Redis并初始化RAG生成器队列 监听用户上传或连接Google Drive时添加的摄取作业 从文件中提取文本，将其分块，使用OpenAI创建嵌入 将得到的向量存储到Pinecone中，以便在AI响应期间进行检索 这允许摄入过程在后台异步运行，使API保持响应性和可扩展性。
