mcpField
R
RAGFlow MCP Server

RAGFlow MCP Server

ローカル
github.com/wang-junjianメモリ・ナレッジ381 週間前に更新

RAGFlow MCP Server について

RAGFlow MCP Serverは、RAGFlowのデータセット検索とチャット機能をMCPクライアントに提供します。データセットに紐づくチャットアシスタントを作成し、セッション経由で質問する用途に向いています。

主な機能

  1. 01データセットの名前とIDを一覧表示
  2. 02データセット用チャットアシスタントの作成
  3. 03セッションで質問し回答を取得

活用シーン

  1. 01利用可能なRAGFlowデータセットの確認
  2. 02選択したデータセット用アシスタントの作成
  3. 03既存セッションでアシスタントに質問

MCP 対応

データセットの一覧表示、チャットアシスタントの作成、チャット用ツールをMCPクライアントに公開します。

設定

ローカルサーバーの設定はどのクライアントでも共通です。コピーしてクライアントの MCP 設定ファイルに貼り付けてください。

インストール方法は未掲載です

このサーバーのパッケージやリモートエンドポイントはまだ取得できていません。プロジェクトの README の手順に従ってください。

リポジトリ

ツール

ツール一覧はまだ取得されていません

ローカルサーバーのツールはマシン上で起動して初めて取得できます。メンテナーはまだツール一覧を提供していません。

詳細

RAGFlow MCP Server

RAGFlow API MCP サーバーでは、ナレッジベースとチャットを検索できます。

MCP 開発ドキュメントと RAGFlow API リファレンスをダウンロードしてください:

wget https://modelcontextprotocol.io/llms-full.txt -O docs/mcp-llms-full.txt
wget https://github.com/infiniflow/ragflow/raw/refs/heads/main/docs/references/python_api_reference.md -O docs/ragflow-python_api_reference.md

コンポーネント

ツール
  1. list_datasets

    • すべてのデータセットを一覧表示します
    • データセットの ID と名前を返します
  2. create_chat

    • 新しいチャットアシスタントを作成します
    • 入力:
      • name: チャットアシスタントの名前
      • dataset_id: データセットの ID
    • 作成したチャットアシスタントの ID、名前、セッション ID を返します
  3. chat

    • チャットアシスタントと対話します
    • 入力:
      • session_id: チャットアシスタントのセッション ID
      • question: 質問内容
    • チャットアシスタントの回答を返します

設定

[TODO: 実装に固有の設定の詳細を追加してください]

クイックスタート

インストール
GitHub Copilot

.vscode/mcp.json

{
    "servers": {
        "ragflow-mcp-server": {
            "command": "uvx",
            "args": [
                "ragflow-mcp-server",
                "--api-key=ragflow-dhMzViYzJlMTM1NjExZjBiNWU5MDI0Mm",
                "--base-url=http://172.16.33.66:8060"
            ]
        }
    }
}
Continue

config.yaml

mcpServers:
  - name: RAGFlow Server
    command: uvx
    args:
      - ragflow-mcp-server
      - --api-key
      - ragflow-dhMzViYzJlMTM1NjExZjBiNWU5MDI0Mm
      - --base-url
      - http://172.16.33.66:8060
Claude Desktop

MacOS の場合:~/Library/Application\ Support/Claude/claude_desktop_config.json Windows の場合:%APPDATA%/Claude/claude_desktop_config.json

開発版/未公開サーバーの設定 ``` "mcpServers": { "ragflow-mcp-server": { "command": "uv", "args": [ "--directory", "/Users/junjian/GitHub/wang-junjian/ragflow-mcp-server", "run", "ragflow-mcp-server" ] } } ```
公開済みサーバーの設定 ``` "mcpServers": { "ragflow-mcp-server": { "command": "uvx", "args": [ "ragflow-mcp-server" ] } } ```

開発

ビルドと公開

パッケージを配布できる状態にするには、次の手順を実行します。

  1. 依存関係を同期し、ロックファイルを更新します:
uv sync
  1. パッケージの配布物をビルドします:
uv build

これにより、dist/ ディレクトリにソース配布物とホイール配布物が作成されます。

  1. PyPI に公開します:
uv publish

注:環境変数またはコマンドフラグを使用して、PyPI の認証情報を設定する必要があります:

  • トークン:--token または UV_PUBLISH_TOKEN
  • またはユーザー名/パスワード:--username/UV_PUBLISH_USERNAME および --password/UV_PUBLISH_PASSWORD
デバッグ

MCP サーバーは標準入出力経由で実行されるため、デバッグが難しい場合があります。最適なデバッグ体験を得るために、MCP Inspector の使用を強くおすすめします。

次のコマンドを使用して、npm 経由で MCP Inspector を起動できます:

npx @modelcontextprotocol/inspector \
  uv --directory /Users/junjian/GitHub/wang-junjian/ragflow-mcp-server \
  run ragflow-mcp-server \
  --api-key ragflow-dhMzViYzJlMTM1NjExZjBiNWU5MDI0Mm \
  --base-url http://172.16.33.66:8060

起動すると、Inspector に URL が表示されます。その URL にブラウザーからアクセスして、デバッグを開始できます。

コメント

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。