RAG 文档 MCP 服务器

这是一个通过向量搜索检索和处理文档的 MCP 服务器实现，使 AI 助手能够通过相关文档上下文增强其响应。

<a href="https://glama.ai/mcp/servers/54hsrjhmq9"><img width="380" height="200" src="https://gips3.baidu.com/it/u=2419195424,4275020815&fm=3081&app=3081&f=PNG?w=760&h=400" alt="mcp-ragdocs MCP 服务器" /></a>

特性

• 基于向量的文档搜索和检索
• 支持多种文档来源
• 语义搜索能力
• 自动化文档处理
• 实时上下文增强以供大语言模型使用

工具

search_documentation

使用自然语言查询在存储的文档中进行搜索。返回按相关性排序的匹配段落及其上下文。

输入：

• query (字符串)：要在文档中搜索的文本。可以是自然语言查询、特定术语或代码片段。
• limit (数字，可选)：要返回的最大结果数（1-20，默认值：5）。较高的限制会提供更全面的结果，但可能需要更长时间来处理。

list_sources

列出系统中当前存储的所有文档来源。返回一个包含所有已索引文档的综合列表，包括源 URL、标题和最后更新时间。使用此工具了解可用于搜索的文档或验证特定来源是否已被索引。

extract_urls

从给定的网页中提取并分析所有 URL。该工具爬取指定的网页，识别所有超链接，并根据需要将其添加到处理队列中。

输入：

• url (字符串)：要分析的网页的完整 URL（必须包含协议，例如 https://）。页面必须公开访问。
• add_to_queue (布尔值，可选)：如果为真，则自动将提取的 URL 添加到处理队列中以供后续索引。谨慎使用大型网站，以免造成过多排队。

remove_documentation

通过其 URL 从系统中删除特定文档来源。删除是永久性的，并会影响未来的搜索结果。

输入：

• urls (字符串数组)：要从数据库中移除的 URL 数组。每个 URL 必须与添加文档时使用的 URL 完全匹配。

list_queue

列出当前等待在文档处理队列中的所有 URL。显示待处理的文档来源，当调用 run_queue 时将被处理。使用此工具监控队列状态，验证 URL 是否正确添加，或检查处理积压情况。

run_queue

处理并索引文档队列中的所有 URL。每个 URL 将依次处理，并具有适当的错误处理和重试逻辑。在处理过程中提供进度更新。长时间运行的操作将持续处理直到队列为空或发生无法恢复的错误。

clear_queue

从文档处理队列中移除所有待处理的 URL。当您希望重新开始、移除不需要的 URL 或取消待处理的处理时使用此操作。此操作立即且永久生效——如果您希望稍后处理这些 URL，则需要重新添加它们。

使用场景

RAG 文档工具旨在用于：

• 通过相关文档增强 AI 响应
• 构建具备文档意识的 AI 助手
• 创建面向开发者的上下文感知工具
• 实现语义文档搜索
• 增强现有知识库

配置

与 Claude Desktop 的使用

将以下内容添加到您的 claude_desktop_config.json 中：

{
  "mcpServers": {
    "rag-docs": {
      "command": "npx",
      "args": [
        "-y",
        "@hannesrudolph/mcp-ragdocs"
      ],
      "env": {
        "OPENAI_API_KEY": "",
        "QDRANT_URL": "",
        "QDRANT_API_KEY": ""
      }
    }
  }
}

您需要为以下环境变量提供值：

• OPENAI_API_KEY：用于生成嵌入的 OpenAI API 密钥
• QDRANT_URL：您的 Qdrant 向量数据库实例的 URL
• QDRANT_API_KEY：用于与 Qdrant 认证的 API 密钥

许可证

此 MCP 服务器采用 MIT 许可证。这意味着您可以自由地使用、修改和分发软件，但需遵守 MIT 许可证的条款和条件。如需更多详情，请参阅项目仓库中的 LICENSE 文件。

致谢

本项目是从 qpd-v/mcp-ragdocs 分叉而来，最初由 qpd-v 开发。原始项目为此实现提供了基础。