mcpField
A
A MCP server for Godot RAG

A MCP server for Godot RAG

本地服务
github.com/weekitmo记忆与知识2771 周前更新
代码仓库

关于 A MCP server for Godot RAG

一个 MCP 服务，用于将 Godot 文档提供给 Godot RAG 模型。项目包含文档下载、RST 转 Markdown、分块及向量数据库构建的初始化脚本，面向 Godot 开发者和 RAG 实验场景。

主要功能

  1. 01提供 Godot 文档内容
  2. 02RST 转换为 Markdown
  3. 03文档分块与向量化脚本
  4. 04支持更换嵌入模型
  5. 05可用 MCP Inspector 调试

适用场景

  1. 01为 Godot 相关问题提供文档检索
  2. 02构建本地 Godot 文档向量数据库
  3. 03比较不同嵌入模型的效果

MCP 相关

该项目作为 MCP 服务运行，通过配置文件由 MCP 客户端启动，将 Godot 文档内容提供给 RAG 模型使用。

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

Godot RAG 的 MCP 服务

此 MCP 服务用于向 Godot RAG 模型提供 Godot 文档。

截图

使用前

使用前

使用后

使用后

MCP 服务配置

{
  "mcpServers": {
    "godot-rag": {
      "command": "python",
      "args": [
        "<path to the server script 'main.py'>",
        "-d",
        "<path to the chroma_db on your computer>",
        "-c",
        "<name of the collection in the chroma_db>"
      ]
    }
  }
}

设置

uv venv --python 3.12
source ./.venv/bin/activate
uv sync
cp .env.example .env.local

初始化步骤

# clone godot docs
python download_godot_docs.py
# convert rst to markdown
python convert_rst2md.py
# chunk markdown files
python chunker.py -i artifacts
# create vector database
python vectorizer.py -i artifacts/chunks/artifacts_chunks_SZ_400_O_20.jsonl
# python vectorizer_api.py -i artifacts/chunks/artifacts_chunks_SZ_400_O_20.jsonl -m BAAI/bge-m3
# start mcp server
python main.py -d artifacts/vector_stores/chroma_db -c artifacts_chunks_SZ_400_O_20_all-MiniLM-L6-v2
# python main_with_api.py -d artifacts/vector_stores/chroma_db -c artifacts_chunks_SZ_400_O_20_BAAI-bge-m3 -k <your openai api key>

调试

npx @modelcontextprotocol/inspector \
  uv \
  --directory . \
  run \
  main.py \
  --chromadb-path artifacts/vector_stores/chroma_db \
  --collection-name artifacts_chunks_SZ_400_O_20_all-MiniLM-L6-v2

使用其他模型

其他

mcp_godot_rag 已由 MCP Review 编入索引并通过认证

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。