RagDocs MCP Server

一个使用Qdrant向量数据库和Ollama/OpenAI嵌入模型提供检索增强生成(RAG)能力的模型上下文协议(MCP)服务器。此服务器通过向量相似性实现文档的语义搜索和管理。

功能

• 添加带有元数据的文档
• 通过文档进行语义搜索
• 列出并组织文档
• 删除文档
• 支持Ollama(免费)和OpenAI(付费)嵌入模型
• 自动文本分块和嵌入生成
• 使用Qdrant存储向量

预备条件

• Node.js 16或更高版本
• 下列Qdrant设置之一：
  • 使用Docker的本地实例(免费)
  • 带有API密钥的Qdrant云账户(托管服务)
• 下列嵌入模型之一：
  • 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 (必需)：文档URL/标识符
• content (必需)：文档内容
• metadata (可选)：文档元数据
  • title：文档标题
  • contentType：内容类型(例如："text/markdown")

2. search_documents

使用语义相似性搜索存储的文档。

参数：

• query (必需)：自然语言搜索查询
• options (可选)：
  • limit：结果的最大数量(1-20，默认值：5)
  • scoreThreshold：最小相似度分数(0-1，默认值：0.7)
  • filters：
    • domain：按领域过滤
    • hasCode：过滤包含代码的文档
    • after：过滤日期之后的文档(ISO格式)
    • before：过滤日期之前的文档(ISO格式)

3. list_documents

列出所有存储的文档，并支持分页和分组选项。

参数(全部可选)：

• page：页码(默认值：1)
• pageSize：每页的文档数量(1-100，默认值：20)
• groupByDomain：按领域分组文档(默认值：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 (必需)：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云：

{
  "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"
      }
    }
  }
}

使用Docker的本地Qdrant

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

环境变量

• QDRANT_URL：您的Qdrant实例的URL
  • 对于本地："http://127.0.0.1:6333"(默认)
  • 对于云："https://your-cluster-url.qdrant.tech"
• QDRANT_API_KEY：Qdrant云的API密钥(使用云实例时需要)
• EMBEDDING_PROVIDER：嵌入模型提供商的选择("ollama"或"openai"，默认值："ollama")
• OPENAI_API_KEY：OpenAI API密钥(使用OpenAI时需要)
• EMBEDDING_MODEL：用于嵌入的模型
  • 对于Ollama：默认为"nomic-embed-text"
  • 对于OpenAI：默认为"text-embedding-3-small"

许可证

Apache许可证2.0