MCP Server with RAG and Multi-Search

RAG とマルチ検索に対応した MCP サーバー

LlamaIndex を使用した RAG（検索拡張生成）機能と、Google の Gemini 2.0 API および Linkup による複数のウェブ検索オプションを提供する、カスタム MCP（Model Calling Protocol）サーバーです。

特長

• ローカルドキュメントを使用した RAG ワークフロー
• 複数のウェブ検索機能：
  • 高度な AI 搭載検索を実現する Google の Gemini 2.0
  • 従来型のウェブ検索を実現する Linkup
• FastMCP で構築

セットアップ

前提条件

• Python 3.8 以降
• DeepSeek モデルを使用できるよう、ローカルに Ollama をインストールしていること（または、使用するモデルに合わせて変更してください）
• Gemini API キー（https://ai.google.dev/ で取得してください）
• Linkup API キー（任意）

インストール

1. このリポジトリをクローンします：

   git clone <repository-url>
   cd own-mcp-server
   

2. 必要な依存関係をインストールします：

   pip install -r requirements.txt
   

3. 環境変数を設定します（.env ファイルを作成してください）：

   # Required API keys
   GEMINI_API_KEY=your_gemini_api_key_here
   LINKUP_API_KEY=your_linkup_api_key_here
   
   # Optional configurations
   OLLAMA_HOST=http://localhost:11434
   

4. ドキュメントを data ディレクトリに追加します（存在しない場合は自動的に作成されます）

サーバーの起動

次のコマンドでサーバーを起動します：

python server.py

使用方法

サーバーでは、次のツールを利用できます：

1. web_search：利用可能な最適な検索方法を使用します（Gemini 2.0 を優先し、利用できない場合は Linkup にフォールバックします）
2. gemini_search：Google の Gemini 2.0 を使用して検索します
3. linkup_search：Linkup を使用して検索します
4. rag：RAG を使用してローカルドキュメントに問い合わせます

必要なライブラリ

このプロジェクトでは、次のライブラリを使用します：

• llama-index - RAG の中核機能
• ollama - ローカル LLM との連携
• Google Generative AI SDK - Gemini 2.0 との連携
• Linkup SDK - ウェブ検索機能
• FastMCP - MCP サーバーの実装
• Python-dotenv - 環境管理
• nest-asyncio - 非同期処理のサポート

トラブルシューティング

問題が発生した場合：

1. Ollama が正しくインストールされ、実行中であることを確認してください
2. DeepSeek モデルを取得します：ollama pull deepseek-r1:1.5b
3. Python 3.13 との互換性の問題が発生した場合は、Python 3.11 または 3.10 へのダウングレードを検討してください
4. API キーが正しく、必要な権限を持っていることを確認してください
5. Gemini 2.0 の問題については、API キーで最新モデルを利用できることを確認してください