知识探索服务器

KERAG MCP服务器（知识浏览器MCP）

KERAG MCP是符合 模型上下文协议（MCP） 标准。它是人工智能助手（如Claude Code、Cursor）和KERAG知识库之间的桥梁，允许人工智能像人类一样在结构化的“知识树”中导航、搜索和提取上下文。

与简单的文本检索不同，它使AI助手能够在KERAG知识树（森林）中导航和检索信息。

相关项目

教程

• 建立知识库：学习如何编写知识库文件、打包和分发它们

  KERAG-Tutorial.md

核心功能

• 层级导航：人工智能可以在知识库的章节、小节和子部分中前后导航，理解上下文。
• 全文搜索：支持跨海量知识模块的精确全文检索。
• 多格式查看：支持以Markdown、树结构或JSON格式输出节点内容。
• 子代理支持：内置 knowledge-explorer.md 定义，支持作为独立研究代理的运营。

快速开始

1.安装服务器

建议使用 uv 为了快速安装，但是 pip 还支持：

# Using uv (recommended)
uv tool install git+https://github.com/TongWang-AI4S/kerag-mcp.git

# Using pip
pip install git+https://github.com/TongWang-AI4S/kerag-mcp.git

2.配置AI客户端

服用 克劳德代码 例如，添加以下内容 .mcp.json 或配置文件：

{
  "mcpServers": {
    "knowledge-explorer": {
      "type": "stdio",
      "command": "kerag-mcp",
      "env": {
        "KERAG_LANG": "en"
      }
    }
  }
}

3.验证操作

重启客户端后，如果您看到以下工具 knowledge_connect, knowledge_load, knowledge_search等等，集成成功。

高级配置

命令行参数

kerag-mcp 支持自定义传输协议和网络设置：

• --transport <type>：选项包括 stdio （默认）， sse，或 streamable-http.
• --port <number>：设置端口（默认 5669).
• --host <address>：设置地址（默认 0.0.0.0).

环境变量

使用技巧

[！重要] 明确指导： 人工智能助手可能并不总是主动触发检索。为了获得最佳效果，请尝试以下命令：

• “在知识库中搜索有关[主题]的定义。”
• “在知识库中查找[模块名称]的章节结构。”
• “根据知识库中的API指南修改此代码。”

子代理定义

此存储库包含一个初步的子代理定义文件： knowledge-explorer.md。此文件定义 知识探索者 agent，一种专门的研究代理，可以代表主要的人工智能助手调用，以从结构化知识库中导航和提取相关信息。它提供了使用 knowledge_* 工具系列。

适用范围

KERAG专为高度结构化、层次化的内容而设计：

最适合：

• 技术文件： 代码文档、API参考手册。
• 教育材料： 结构化教程、教科书、学术笔记。
• 知识库： 个人经验总结、百科全书条目。
• 分层文档： 任何部分、章节和小节结构清晰的内容。

不建议用于：

• 叙述内容： 小说、散文或情节驱动的故事。
• 非结构化文档： 单一的新闻报道或随意的博客文章。
• 流媒体日志： 聊天记录、会议记录。
• 零散信息： 任何缺乏清晰层次逻辑的平面内容。

KERAG模块-知识库共享

在 KERAG模块 存储库，我分享了我生成的一些知识库模块，这些模块可以直接安装到您的KERAG环境中。

复制

kerag install https://raw.githubusercontent.com/TongWang-AI4S/KERAG-Modules/refs/heads/main/example/module-name.tar

许可证

该项目根据MIT许可证获得许可。