MCP RAG Server

Name: MCP RAG Server
Author: sylphlab

本地服务

github.com/sylphlab记忆与知识2116 周前更新

代码仓库

关于 MCP RAG Server

MCP RAG Server 是已归档的 RAG 项目，README 明确标记为弃用且不再提供功能开发、修复或支持。项目指向继任项目 CodeRAG；其新功能不属于此仓库。

主要功能

01已归档并弃用
02不再提供功能开发与修复
03README 指向 CodeRAG

适用场景

01查看旧项目的弃用状态
02寻找 README 指向的后续项目

MCP 相关

该项目曾是 MCP 服务；README 未说明旧服务暴露的具体工具。

#mathgpt #math-solver #math-assistant

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。

mcp.json · 通用配置

{
  "mcpServers": {
    "rag-server-mcp-sylphlab": {
      "command": "docker",
      "args": [
        "run",
        "-i",
        "--rm",
        "exec"
      ]
    }
  }
}

启动命令docker run -i --rm exec

本地服务需要在你的电脑上安装运行环境（如 Node.js 18+）。各客户端的配置文件位置不同，请参考客户端文档。

安装包

ociexecstdio

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

⚠️ 已弃用 - 请改用 CodeRAG ⚠️

🚀 此项目已发展为更出色的产品！

👉 github.com/SylphxAI/coderag 👈

SOTA 系列路线图：docs/roadmap/sota-family-roadmap.md。

🎉 CodeRAG 为何好上 10 倍

我们从头彻底重写了这个项目。你将获得：

⚡ 快如闪电

功能	旧版（rag-server-mcp）	新版（CodeRAG）
启动	10-30s（ChromaDB + Ollama）	<1s（无外部依赖）
索引	数分钟（嵌入 API 调用）	数秒（TF-IDF + 可选向量）
搜索	~500ms（仅向量）	<50ms（混合搜索）
内存	500MB+（ChromaDB）	<100MB（SQLite）

🧠 更智能的搜索

功能	旧版	新版
TF-IDF	❌	✅ StarCoder2 分词器
向量搜索	✅ 基础版	✅ 混合（TF-IDF + 向量）
代码理解	❌ 通用	✅ 感知代码的分词
增量更新	❌ 全量重建	✅ 智能差异检测

🔧 零依赖

# Old way (painful)
docker-compose up -d      # Start ChromaDB
ollama pull nomic-embed   # Download model
# Wait 30 seconds...

# New way (instant)
npx @sylphx/coderag-mcp
# Done. That's it. 🎉

🏆 久经考验的准确性

平滑 IDF - 不会忽略任何词项（即使是 function 这类常见词）
对数增强 - 排名稳定，不会出现分数爆炸
StarCoder2 分词器 - 4.7MB 的代码训练模型
预计算模长 - 内存高效的余弦相似度计算

🚀 30 秒完成迁移

步骤 1：卸载旧版

// Remove from your MCP config
{
  "mcpServers": {
    "rag-server": { ... }  // DELETE THIS
  }
}

步骤 2：安装新版

{
  "mcpServers": {
    "coderag": {
      "command": "npx",
      "args": ["-y", "@sylphx/coderag-mcp"]
    }
  }
}

步骤 3：开始使用 🎉

不需要 Docker，不需要 Ollama，也不需要 ChromaDB。开箱即用。

📊 功能对比

功能	rag-server-mcp	CodeRAG
外部服务	ChromaDB + Ollama	无
需要 Docker	是	否
启动时间	10-30s	<1s
搜索算法	仅向量	混合（TF-IDF + 向量）
代码分词	通用	StarCoder2（感知代码）
增量索引	否	是
内存使用	500MB+	<100MB
低内存模式	否	是（基于 SQL）
离线支持	否（需要 Ollama）	是（TF-IDF）
向量搜索	必需	可选
积极维护	❌ 否	✅ 是