RagDocs MCP 服务器

一个提供检索增强生成（RAG）功能的模型上下文协议（MCP）服务器，使用 Qdrant 向量数据库和 Ollama/OpenAI 嵌入技术。该服务器支持通过向量相似度实现语义搜索和文档管理。

功能特性

• 添加带元数据的文档
• 通过文档进行语义搜索
• 列出和组织文档
• 删除文档
• 同时支持 Ollama（免费）和 OpenAI（付费）嵌入技术
• 自动文本分块和嵌入生成
• 使用 Qdrant 进行向量存储

先决条件

• Node.js 16 或更高版本
• 以下任一种 Qdrant 配置：
  • 使用 Docker 的本地实例（免费）
  • 带有 API 密钥的 Qdrant Cloud 账户（托管服务）
• 以下任一种嵌入技术：
  • 本地运行的 Ollama（默认，免费）
  • OpenAI API 密钥（可选，付费）

可用工具

1. add_document

向 RAG 系统添加文档

参数：

• url（必填）：文档 URL/标识符
• content（必填）：文档内容
• metadata（可选）：文档元数据
  • title：文档标题
  • contentType：内容类型（如 "text/markdown"）

2. search_documents

使用语义相似度搜索存储的文档

参数：

• query（必填）：自然语言搜索查询
• options（可选）：
  • limit：最大结果数（1-20，默认：5）
  • scoreThreshold：最小相似度分数（0-1，默认：0.7）
  • filters：
    • domain：按域名过滤
    • hasCode：过滤包含代码的文档
    • after：过滤指定日期之后的文档（ISO 格式）
    • before：过滤指定日期之前的文档（ISO 格式）

3. list_documents

列出所有存储的文档，支持分页和分组选项

参数（全部可选）：

• page：页码（默认：1）
• pageSize：每页文档数（1-100，默认：20）
• groupByDomain：按域名分组文档（默认：false）
• sortBy：排序字段（"timestamp"、"title" 或 "domain"）
• sortOrder：排序顺序（"asc" 或 "desc"）

4. delete_document

从 RAG 系统中删除文档

参数：

• url（必填）：要删除的文档 URL

安装

npm install -g @mcpservers/ragdocs

MCP 服务器配置

{
  "mcpServers": {
    "ragdocs": {
      "command": "node",
      "args": ["@mcpservers/ragdocs"],
      "env": {
        "QDRANT_URL": "http://127.0.0.1:6333",
        "EMBEDDING_PROVIDER": "ollama"
      }
    }
  }
}

使用 Qdrant Cloud：

{
  "mcpServers": {
    "ragdocs": {
      "command": "node",
      "args": ["@mcpservers/ragdocs"],
      "env": {
        "QDRANT_URL": "https://your-cluster-url.qdrant.tech",
        "QDRANT_API_KEY": "your-qdrant-api-key",
        "EMBEDDING_PROVIDER": "ollama"
      }
    }
  }
}

使用 OpenAI：

{
  "mcpServers": {
    "ragdocs": {
      "command": "node",
      "args": ["@mcpservers/ragdocs"],
      "env": {
        "QDRANT_URL": "http://127.0.0.1:6333",
        "EMBEDDING_PROVIDER": "openai",
        "OPENAI_API_KEY": "your-api-key"
      }
    }
  }
}

本地 Qdrant 使用 Docker

docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant

环境变量

• QDRANT_URL：你的 Qdrant 实例 URL
  • 本地："http://127.0.0.1:6333"（默认）
  • 云端："https://your-cluster-url.qdrant.tech"
• QDRANT_API_KEY：Qdrant Cloud 的 API 密钥（使用云实例时必需）
• EMBEDDING_PROVIDER：嵌入技术提供商选择（"ollama" 或 "openai"，默认："ollama"）
• OPENAI_API_KEY：OpenAI API 密钥（使用 OpenAI 时必需）
• EMBEDDING_MODEL：用于嵌入技术的模型
  • Ollama：默认为 "nomic-embed-text"
  • OpenAI：默认为 "text-embedding-3-small"

许可证

Apache License 2.0