使用说明

RAG MCP服务器

Google Drive参考库上的个人语义搜索引擎，作为MCP服务器公开，可连接到Claude.ai。

为什么是这个而不是Claude.ai的原生Google Drive集成？

	本机驱动器连接	此RAG服务器
运作原理	将原始文件内容转储到上下文中	将块嵌入为向量，仅检索相关块
大型图书馆	使用10+篇论文快速达到令牌限制	扩展到数百个文档——只返回前K个块
搜索质量	关键字/文件名匹配	语义相似性——即使没有确切的关键字，也能找到相关内容
PDF处理	全文转储	使用页码元数据进行每页提取
重新读取文件	每次对话	索引都保存在Qdrant Cloud中，无需重新下载
引文支持	否	返回每个块的论文标题+页码
上下文效率	上下文中的整个文档	只有最相关的段落，保持窗口干净

核心思想：与其把整个库都给克劳德，不如给它一个工具查询图书馆。克劳德决定搜索什么，然后重新集中注意力，引用摘录。

建筑

Google Drive (PDFs / DOCX)
        │
        ▼
   src/drive/          ← Service Account auth + file sync
        │
        ▼
   src/ingestion/      ← text extraction (PyMuPDF / python-docx) + chunking
        │
        ▼
   src/store/          ← fastembed embeddings → Qdrant Cloud
        │
        ▼
   src/mcp_server/     ← MCP tools over Streamable HTTP + OAuth 2.0
        │
        ▼
     Claude.ai

先决条件

Python 3.11–3.13（不支持3.14——fastembed还没有轮子）
一个启用了驱动API和 服务帐户
与该服务帐户共享的Google Drive文件夹
A. Qdrant云集群（免费层有效）
服务器的公共HTTPS URL（为本地开发提供免费层或ngrok）

逐步设置

1.克隆并安装

git clone <repo-url>
cd RAG-MCP-Server
pip install -e ".[dev]"

2.Qdrant Cloud——创建集群

注册地址： cloud.qdrant.io
创建免费集群
复制 群集URL 并生成 API密钥 从仪表板

3.谷歌云——创建服务帐户

首选谷歌云控制台
创建或选择一个项目并启用 Google Drive API
首选 IAM和管理员→ 服务账户→ 创建服务帐户
不授予其特殊角色（驱动器访问由文件夹共享控制）
打开服务帐户→ Keys → 添加关键点→ JSON --下载文件
复制整个JSON文件内容——将其粘贴为下面的env-var

4.与服务帐户共享您的Drive文件夹

打开要索引的Google Drive文件夹，单击分享，并添加服务帐户电子邮件（看起来像 name@project.iam.gserviceaccount.com)与观众访问。

从URL获取文件夹ID：

https://drive.google.com/drive/folders/1A2B3C4D5E6F7G8H9I0J
                                        ^^^^^^^^^^^^^^^^^^^^
                                        this is your folder ID

5.配置环境变量

创建一个 .env 项目根目录中的文件：

DRIVE_FOLDER_ID=your_folder_id_here
QDRANT_URL=https://your-cluster.qdrant.io
QDRANT_API_KEY=your_qdrant_api_key
GOOGLE_SERVICE_ACCOUNT_KEY={"type":"service_account","project_id":"..."}
MCP_SERVER_URL=https://your-public-url.example.com

GOOGLE_SERVICE_ACCOUNT_KEY 是下载的JSON密钥的完整内容，在一行中。

可选变量（默认值）：

MCP_HOST=0.0.0.0
MCP_PORT=8000
EMBED_MODEL=BAAI/bge-small-en-v1.5
CHUNK_MAX_TOKENS=400
CHUNK_OVERLAP_PARAGRAPHS=1

内存提示（免费层托管）： 如果在同步过程中达到512 MB的限制，请降低 CHUNK_MAX_TOKENS 到 200较小的块意味着每个嵌入批内存中的向量更少。

6.运行服务器

python -m src.mcp_server.server

不需要浏览器OAuth流——服务帐户会自动进行身份验证。

7.公开服务器

选项A--部署到Render（推荐）

将仓库推送到GitHub
创建新 网络服务 上 render.com，已连接到您的仓库
设置构建命令： pip install -e .
设置启动命令： python -m src.mcp_server.server
在Render仪表板中添加步骤5中的所有环境变量
渲染提供稳定 https://your-service.onrender.com URL--请将其用作 MCP_SERVER_URL

选项B--ngrok用于本地开发

# in a separate terminal
ngrok http 8000

复制 https:// URL并将其设置为 MCP_SERVER_URL，然后重新启动服务器。

每次重启时免费更改ngrok网址——更新 MCP_SERVER_URL 每次重新启动。

8.连接Claude.ai

首选 claude.ai → 设置→ 集成
使用您的公共URL添加新的MCP服务器
完成出现的OAuth弹出窗口
服务器现在已连接

9.初始同步

在Claude.ai对话中：

“使用sync_drive工具下载并索引我的论文”

这将从您的Drive文件夹下载所有PDF和DOCX文件，并构建矢量索引。后续同步仅处理新的或更改的文件。

可用工具

工具	说明
`search_references`	语义搜索——返回与论文标题和页码最相关的块
`list_papers`	列出当前索引的所有论文
`sync_drive`	从驱动器下载新的/更新的文件并重新索引它们

示例提示

Search my references for transformer attention mechanisms

List all papers I have indexed

Sync my Drive folder, then find papers about retrieval-augmented generation and summarize the key ideas

项目结构

RAG-MCP-Server/
├── config/
│   └── settings.py          # All configuration via env vars
├── src/
│   ├── drive/
│   │   ├── auth.py          # Google Service Account authentication
│   │   └── sync.py          # File download and sync logic
│   ├── ingestion/
│   │   ├── extractor.py     # PDF (per-page) and DOCX text extraction
│   │   └── chunker.py       # Token-aware chunking with overlap
│   ├── store/
│   │   └── vector_store.py  # fastembed embeddings + Qdrant storage and query
│   └── mcp_server/
│       ├── oauth.py         # In-memory OAuth 2.0 provider (auto-approves)
│       └── server.py        # MCP tools + Streamable HTTP transport
├── tests/                   # Full test suite (AAA pattern, 90%+ coverage)
├── .env                     # Local env vars (git-ignored)
└── pyproject.toml

运行测试

pytest