mcpField
M
mcp-agentic-rag

mcp-agentic-rag

本地服务
github.com/rukshannetAI 与智能体479 周前更新
代码仓库

关于 mcp-agentic-rag

mcp-agentic-rag 提供用于 Agentic RAG 应用的 MCP 服务和示例客户端。其工具支持实体提取、查询优化和相关性检查，以辅助检索工作流。

主要功能

  1. 01从查询中提取实体
  2. 02优化文本查询
  3. 03检查文本块相关性
  4. 04附带 MCP 客户端示例

适用场景

  1. 01在检索文档前识别查询实体
  2. 02改进用于检索的查询
  3. 03从结果中过滤无关文本块

MCP 相关

MCP 服务提供时间、实体提取、查询优化和相关性检查工具。附带的客户端示例演示连接、列出工具及调用工具。

配置

本地服务的配置在各客户端中通用，复制后粘贴到客户端的 MCP 配置文件即可。

暂未收录安装方式

我们还没有获取到这个服务的安装包或远程地址，请按项目 README 中的说明安装。

代码仓库

工具

还没有获取到工具列表

本地服务需要在你的电脑上运行后才能读取工具，维护者暂未提供工具列表。

详细介绍

mcp-agentic-rag

概述

此项目实现了一个 MCP（Model Context Protocol）服务和客户端，用于构建 Agentic RAG（检索增强生成）应用。服务提供了一组可用于提升 RAG 系统性能的工具，例如实体提取、查询优化和相关性检查。客户端演示了如何连接到该服务并使用其工具。

服务（server.py）

该服务使用 mcp 库中的 FastMCP 类实现，并提供以下工具：

  • get_time_with_prefix： 返回当前日期和时间。
  • extract_entities_tool： 使用 OpenAI 从给定的文本查询中提取实体。此工具可用于识别用户查询中的关键实体，进而帮助改进相关文档的检索效果。
  • refine_query_tool： 使用 OpenAI 优化给定的文本查询。此工具可用于提升用户查询的质量，进而帮助改进相关文档的检索效果。
  • check_relevance： 使用大模型检查文本块与给定问题的相关性。此工具可用于从检索结果中过滤掉不相关的文档。

客户端（mcp-client.py）

客户端演示了如何连接到 MCP 服务并使用其工具。它使用 mcp 库中的 ClientSession 类与服务建立连接。客户端提供了以下示例：

  • 连接到服务
  • 列出可用工具
  • 使用参数调用特定工具
  • 使用 OpenAI 和可用的 MCP 工具处理查询

要求

  • Python 3.7+
  • openai
  • mcp
  • dotenv

安装

  1. 克隆代码仓库：

    git clone https://github.com/rukshanet/mcp-agentic-rag.git

  2. 安装依赖项：

    pip install -r requirements.txt

  3. 配置环境变量：

    • 根据 .env.sample 文件创建 .env 文件。
    • 将 OPENAI_MODEL_NAME 环境变量设置为要使用的 OpenAI 模型名称。

用法

  1. 启动 MCP 服务：

    python server.py

  2. 运行 MCP 客户端：

    python mcp-client.py

许可证

MIT

评论

支持 Markdown

第一次接触 MCP？

从协议是什么，到在客户端里装上第一个服务，这几条回答覆盖了大多数入门问题。

一个开放协议，规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话，MCP 服务负责提供工具、资源和提示模板，两者通过标准消息通信，同一个服务可以被不同客户端复用。