知识库AI-MCP服务器

Name: 知识库AI-MCP服务器
Author: KxSystems

作者：KxSystems2 星标更新：2025-10-15

安装使用来源：spider==github.com

项目介绍

KDB.AI MCP Server

一个基于模型上下文协议（Model Context Protocol）的KDB.AI MCP服务器，通过自然语言与KDB.AI进行交互，实现无缝的向量数据库操作、向量相似性搜索、混合搜索操作以及高级数据分析。

构建于可扩展框架之上，并具有可配置模板，允许通过自定义集成来直观地扩展，以满足特定的向量搜索和AI驱动的数据需求。该服务器利用精心策划的资源、智能提示和强大的工具，为与KDB.AI交互的AI模型提供适当的指导。

支持的环境

下表显示了支持的操作系统安装选项：

主要操作系统	KDB.AI	MCP服务器	UV/NPX	Claude Desktop	替代MCP客户端
Mac	✅ Docker	✅ 本地	✅ 本地	✅ 本地 (streamable-http/stdio)	✅ 其他客户端
Linux	✅ Docker	✅ 本地	✅ 本地	❌ 不支持	✅ 其他客户端
WSL	✅ Docker	✅ 本地	✅ 本地	❌ 不支持	✅ 其他客户端
Windows	✅ Docker	✅ 本地	✅ 本地	✅ 本地 (仅streamable-http)	✅ 其他客户端
Windows	✅ Docker	⚠️ WSL	✅ 本地	✅ 本地 (仅streamable-http)	✅ 其他客户端

前提条件

在安装和运行KDB.AI MCP服务器之前，请确保您已经：

克隆此仓库
安装了一个合适的容器运行时——我们推荐Docker Desktop或Rancher-Desktop
- 对于Windows用户，我们建议使用WSL2集成安装Docker桌面如这里所述
注册KDB.AI
- 遵循服务器设置指南，快速启动并运行。
- 查看支持的KDB.AI文档获取更多信息
安装UV用于运行KDB.AI MCP服务器——适用于Windows/Mac/Linux/WSL
安装Claude Desktop或其他兼容MCP的客户端，这些客户端将连接到KDB.AI MCP服务器——适用于Windows/Mac
安装NPX——需要使用streamable-http传输与Claude Desktop通信
- 如果您使用的是不同的MCP客户端，则可能不需要npx——请参阅所选MCP客户端的文档
- npx随nodejs安装程序捆绑在一起——适用于Windows/Mac/Linux/WSL
- 查看使用streamable-http的示例配置

为了简化开始，我们建议在同一内部网络中运行您的MCP客户端、KDB.AI MCP服务器和KDB.AI数据库。有关更多信息，请参阅安全注意事项。

快速入门

为了演示KDB.AI MCP服务器的基本用法，使用空的KDB.AI数据库，请按照以下快速入门步骤操作。

注意：确保您已遵循必要的前提条件步骤

启动您的KDB.AI服务器——请按照KDB.AI服务器设置指南中的入门步骤操作。
测试与KDB.AI服务器的连接

如果您按照第1步设置了KDB.AI服务器，您的端点将是http://localhost:8082，否则更新为您配置的端点。
```
uv run --with kdbai-client --python=3.12 python -c "import kdbai_client as kx; session = kx.Session(endpoint='http://localhost:8082'); print(session.version())"
```
如果您看到如下响应，说明您的KDB.AI服务器配置正确——请继续下一步。如果看到不同的版本号也是可以的。
```
{'serverVersion': 'latest', 'clientMinVersion': '1.7.0', 'clientMaxVersion': 'latest'}
```
如果您收到类似于“创建连接时出错...”的消息，这通常表示：
- KDB.AI服务器未运行
- KDB.AI服务器不接受连接
请参阅故障排除部分获取更多详细信息
配置Claude Desktop以选择您所需的传输方式。
配置嵌入以选择您所需的嵌入提供商和模型。
启动您的MCP服务器。

如果您已使用stdio传输配置了Claude Desktop，则无需执行此步骤。请进入下一步（Claude Desktop将为您管理启动MCP服务器）。
```
uv run mcp-server
```
启动Claude Desktop并验证验证Claude Desktop配置部分中概述的工具和提示是否可见。
按照KDB.AI快速入门指南创建一些表并添加一些数据。
加载kdbai_operations_guidance资源。这将为您提供MCP客户端如何与您的KDB.AI数据库交互的一些指导。
尝试kdbai_table_analysis提示并生成您表之一的分析提示。
使用自然语言提问：使用简单的英语与您的KDB.AI数据库进行交互。您的MCP客户端将使用可用工具中的一个或多个来回答您的问题。

功能

相似性搜索：基于在KDBAI服务器上建立的索引，在嵌入文本内的向量数据库中进行相似性搜索。
混合搜索：在KDBAI服务器上建立的稀疏和密集索引上进行混合搜索。
可定制查询和搜索结果优化：可定制查询和搜索包括结果截断（仅查询）、过滤、分组、聚合、排序。
LLM查询指导：全面的LLM准备型MCP资源（文件：//kdbai_operations_guidance），带有语法示例和最佳实践。
数据库模式发现：使用包含的MCP资源探索和理解您的数据库表和结构，以获得快速、智能的见解。
自动发现系统：从各自目录自动发现和注册工具、资源和提示。
现成扩展模板：带有最佳实践和文档的现成使用的工具、资源和提示模板，用于扩展功能。
统一智能：提示、工具及MCP资源协同工作：智能提示、专用工具和精选MCP资源的强大组合——所有这些都协同工作，提供快速、优化且上下文感知的结果。
支持HTTP流协议：支持最新的MCP流式HTTP协议，以实现高效的数据流，同时自动阻止已弃用的SSE协议。

MCP服务器安装

克隆仓库

git clone https://github.com/KxSystems/kdbai-mcp-server.git
cd kdbai-mcp-server

运行MCP服务器

安装依赖项

uv sync

此步骤是可选的，但在首次启动MCP服务器或添加新依赖项后可能会很有用。

如果您没有先运行uv sync，MCP客户端可能会超时等待依赖项被安装。

这可能是由于像sentence-transformers这样的大型依赖项包引起的。

运行服务器

uv run mcp-server

传输选项

有关支持的传输的更多信息，请参阅官方文档

注意：我们不支持sse传输（服务器发送事件），因为它自协议版本2024-11-05起已被弃用。

安全注意事项

为了简化开始，我们建议在同一内部网络中运行您的MCP客户端、KDB.AI MCP服务器和KDB.AI数据库。

加密数据库连接

如果您需要在KDB.AI MCP服务器和KDB.AI数据库之间加密连接，您可以启用以下选项：

QIPC带TLS：使用标志--db.qipc-tls=true
REST带HTTPS：使用标志--db.rest-protocol=https

两者都需要在KDB.AI前面设置一个TLS/HTTPS代理（envoy，nginx）作为前提条件：

由于代理将终止TLS连接，我们建议代理运行在与您的KDB.AI服务器相同的主机上
代理需要自己的证书——如果您没有自己的证书，可以创建自签名证书供内部使用。查看创建自签名证书的示例，这些证书可用于您的代理
对于使用自签名证书的QIPC连接：
- 您需要指定自签名CA证书的位置
- 设置KX_SSL_CA_CERT_FILE环境变量指向代理正在使用的CA证书文件
- 或者，您可以通过设置KX_SSL_VERIFY_SERVER=NO来绕过证书验证，用于开发和测试
对于Kubernetes：考虑使用服务网格如istio来简化证书管理

加密MCP客户端连接

如果您需要在MCP客户端和KDB.AI MCP服务器之间加密连接：

KDB.AI MCP服务器默认使用streamable-http传输，并在127.0.0.1:7000启动一个本地服务器。我们不建议将其暴露在外。
您可以选择在KDB.AI MCP服务器前面设置一个HTTPS代理，例如envoy或nginx，以终止HTTPS
FastMCP v2已评估其身份验证功能，但暂时仍停留在v1以保持广泛的模型兼容性，直到客户端/模型赶上，届时我们将过渡。
当使用stdio传输时，由于通信是通过同一主机上的标准输入/输出流进行的，因此不需要此操作

命令行工具

KDB.AI MCP服务器提供了详细的帮助文本，解释了所有配置选项。

uv run mcp-server -h
usage: mcp-server [-h] [--mcp.server-name str] [--mcp.log-level {DEBUG,INFO,WARNING,ERROR,CRITICAL}]
                  [--mcp.transport {stdio,streamable-http}] [--mcp.port int] [--mcp.host str] [--db.host str]
                  [--db.port int] [--db.username str] [--db.password SecretStr] [--db.mode {rest,qipc}]
                  [--db.rest-protocol {http,https}] [--db.qipc-tls bool] [--db.database-name str] [--db.retry int]
                  [--db.k int] [--db.vector-weight float] [--db.sparse-weight float] [--db.embedding-csv-path str]

KDB.AI MCP Server that enables interaction with KDB.AI

options:
  -h, --help            显示此帮助消息并退出

mcp选项：
  MCP服务器配置和传输设置

  --mcp.server-name str
                        MCP服务器实例的名称标识符 [env: KDBAI_MCP_SERVER_NAME] (默认值：KDBAI_MCP_Server)
  --mcp.log-level {DEBUG,INFO,WARNING,ERROR,CRITICAL}
                        日志记录详细级别 [env: KDBAI_MCP_LOG_LEVEL] (默认值：INFO)
  --mcp.transport {stdio,streamable-http}
                        通信协议：'stdio'（管道）或'streamable-http'（HTTP服务器） [env: K-DBAI_MCP_TRANSPORT] (默认值：streamable-http)
  --mcp.port int        HTTP服务器端口 - 在使用stdio传输时忽略 [env: KDBAI_MCP_PORT] (默认值：7000)
  --mcp.host str        HTTP服务器绑定地址 - 在使用stdio传输时忽略 [env: KDBAI_MCP_HOST] (默认值：127.0.0.1)

数据库选项：
  KDB.AI数据库连接和搜索配置

  --db.host str         KDB.AI服务器主机名或IP地址 [env: KDBAI_DB_HOST] (默认值：127.0.0.1)
  --db.port int         KDB.AI服务器端口号 [env: KDBAI_DB_PORT] (默认值：8082)
  --db.username str     KDB.AI认证用户名 [env: KDBAI_DB_USERNAME] (默认值：)
  --db.password SecretStr
                        KDB.AI认证密码 [env: KDBAI_DB_PASSWORD] (默认值：)
  --db.mode {rest,qipc}
                        API模式：'qipc'（快速二进制协议）或'rest'（HTTP API） [env: KDBAI_DB_MODE] (默认值：qipc)
  --db.rest-protocol {http,https}
                        选择REST模式的协议，不考虑QIPC模式 [env: KDBAI_DB_REST_PROTOCOL] (默认值：http)
  --db.qipc-tls bool    启用QIPC模式的TLS，不考虑REST模式。当使用QIPC的TLS时，您需要设置环境变量`KX_SSL_CA_CERT_FILE`，指向您的TLS代理正在使用的本地文件系统上的证书。对于本地开发和测试，您可以设置`KX_SSL_VERIFY_SERVER=NO`以绕过此要求 [env: KDBAI_DB_QIPC_TLS] (默认值：False)
  --db.database-name str
                        操作使用的默认数据库名称 [env: KDBAI_DB_DATABASE_NAME] (默认值：default)
  --db.retry int        失败时的连接重试次数 [env: KDBAI_DB_RETRY] (默认值：2)
  --db.k int            向量搜索返回的结果数量 [env: KDBAI_DB_K] (默认值：5)
  --db.vector-weight float
                        混合搜索中的向量相似性权重（0.0-1.0） [env: KDBAI_DB_VECTOR_WEIGHT] (默认值：0.7)
  --db.sparse-weight float
                        混合搜索中的文本相似性权重（0.0-1.0） [env: KDBAI_DB_SPARSE_WEIGHT] (默认值：0.3)
  --db.embedding-csv-path str
                        嵌入csv路径 [env: KDBAI_DB_EMBEDDING_CSV_PATH] (默认值：src/mcp_server/utils/embeddings.csv)

CLI配置选项

命令行选项分为两个主要类别：

MCP选项 - 控制MCP服务器行为和传输设置
数据库选项 - 配置KDB.AI数据库连接和搜索行为

有关每个选项的详细信息，请参阅帮助文本

配置方法

配置值按以下优先级顺序解析：

命令行参数 - 最高优先级
环境变量 - 第二优先级
.env文件 - 第三优先级
默认值 - 在settings.py中定义的默认值

环境变量

每个命令行选项都有一个对应的环境变量。例如：

--mcp.port 8000 ↔ KDBAI_MCP_PORT=8000
--db.host localhost ↔ KDBAI_DB_HOST=localhost

示例用法

# 使用默认值
uv run mcp-server

# 使用.env文件
echo "KDBAI_MCP_PORT=8080" >> .env
echo "KDBAI_DB_RETRY=4" >> .env
uv run mcp-server

# 使用环境变量
export KDBAI_MCP_PORT=8080
export KDBAI_DB_RETRY=4
uv run mcp-server

# 使用命令行参数
uv run mcp-server \
    --mcp.port 8080 \
    --db.retry 4

配置嵌入

在启动KDB.AI MCP服务器之前，如果您希望使用相似性搜索，必须为您的表配置嵌入模型。该仓库包括两个现成可用的嵌入提供商：OpenAI和SentenceTransformers。您可以根据需要自定义这些实现，或者