mcpField
L
LLM RAG

LLM RAG

github.com/binarybanaその他287 週間前に更新
リポジトリ

LLM RAG について

LLM RAGは、コード、URL、PDFから検索可能なナレッジストアを作る、ローカルで組み込み型のRAGプロジェクトです。LlamaIndexで文書を処理し、Geminiで埋め込みを生成、LanceDBにベクトルを保存します。

主な機能

  1. 01コード、URL、PDFの取り込み
  2. 02LlamaIndexによる文書処理
  3. 03Geminiによる埋め込み生成
  4. 04LanceDBへのベクトル保存
  5. 05検索サーバーの実行

活用シーン

  1. 01コードからローカル検索ストアを作成
  2. 02検索用にURLをインデックス化
  3. 03PDF文書を検索

MCP 対応

ナレッジストアはMCP対応と説明されていますが、提示されたREADMEにはMCPインターフェースやサーバーの動作に関する詳細がありません。

詳細

LLM RAG

LlamaIndex を使用したドキュメント処理、Gemini を使用した埋め込み、LanceDB を使用したベクトルストレージを備えた RAG (Retrieval Augmented Generation) 実装です。

Setup

このプロジェクトは依存関係管理に uv を、環境管理に direnv を使用しています。始めるには:

  1. 依存関係をインストール:
# Create and activate a new virtual environment
uv venv
source .venv/bin/activate

# Install dependencies
uv pip install -e .
  1. 環境をセットアップ:
# Create .env file with your Google API key
echo "GOOGLE_API_KEY=your_key_here" > .env

# Allow direnv to load the environment
direnv allow

Usage

Data Ingestion
python -m llm_rag.ingest --source /path/to/source --type [code|url|pdf]
Search Server
python -m llm_rag.search --db /path/to/lancedb

コメント

Markdown 対応

MCP は初めてですか？

プロトコルの概要から最初のサーバーの導入まで、よくある疑問にまとめて答えます。

AI アプリケーションが外部のツールやデータソースに統一的な方法で接続するためのオープンなプロトコルです。クライアントはモデルとの対話を担い、MCP サーバーはツール・リソース・プロンプトテンプレートを提供します。標準メッセージでやり取りするため、1 つのサーバーを複数のクライアントで再利用できます。