AI导哈

智能问答与搜索工具

一个基于MCP协议的智能问答与搜索工具，结合Qdrant向量数据库和Bright Data代理服务，提供FAQ检索和网页搜索功能。

  • by sandovalmedeiros
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 sandovalmedeiros/mcp_agentic_rag

使用说明

🤖 MCP代理RAG通信和明亮数据

该项目实施了一个带有智能工具的模型上下文协议（MCP）服务器：

  • 🔍 在常见问题矢量数据库中搜索答案 机器学习
  • 🌐 使用高级代理进行网络搜索 亮数据
  • 💡 使用VIA代理 克劳德桌面 有结构化的提示

⚙️ 技术

🧪 快速设置

1. 克隆项目并创建环境

git clone https://seurepo.com/mcp_agentic_rag.git
cd mcp_agentic_rag
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt

2. 设置您的文件 .env

创建文件 .env 使用您的 Bright Data 凭据：

BRIGHT_DATA_USERNAME=brd-customer-usuario-zone-nomezona
BRIGHT_DATA_PASSWORD=sua_senha

3.通过Docker下载Suba o Qdrant

docker run -p 6333:6333 -p 6334:6334 ^
-v ${PWD}/qdrant_storage:/qdrant/storage ^
qdrant/qdrant

4. 向量库中的常见问题解答

python ingest_faq.py

您将看到以下消息：

✅ Coleção 'ml_faq_collection' populada com sucesso no Qdrant.

5.启动或MCP服务器

python server.py

6.配置克劳德桌面

将此内容添加到您的 config.json 相对长度单位：

Claude Desktop > Settings > MCP Servers

{
  "mcpServers": {
    "mcp-rag-app": {
      "command": "python",
      "args": ["C:\\Seu_Path\\mcp_agentic_rag\\server.py"],
      "host": "127.0.0.1",
      "port": 8080,
      "timeout": 30000
    }
  }
}

🚀 如何使用

✅ 提示 1 – 基于FAQ搜索：

Você é um assistente especializado em aprendizado de máquina.
Use a ferramenta "machine_learning_faq_retrieval_tool" para responder perguntas como:

"Como evitar overfitting em modelos de machine learning?"

✅ 提示 2 – 通过 Bright Data 搜索：

Você é um assistente de conhecimento geral.
Use "bright_data_web_search_tool" para perguntas como:

"Qual o impacto atual da inteligência artificial no setor bancário brasileiro?"

🧰 东方脚本

  • ingest_faq.py → Gera embeddings e popular Qdrant com常见问题
  • server.py → 使用工具启动 MCP 服务器
  • teste.py → 手动搜索常见问题集以进行调试
  • prompt_1.yml, prompt_2.yml Claude Desktop 的例子
  • rag_code.py 矢量化逻辑和搜索
  • .env → 存储 Bright Data 凭据
  • config.json →本地MCP服务器注册没有克劳德

📬 信息 - 这个项目是从 mcp_agentic_rag 项目改编的

有关更多AI项目，请参阅 数据科学的每日剂量

🤝 贡献

欢迎捐款！分叉，创建分支，添加改进并发送 PR🚀

相关 MCP