RAG MCP Server（RAGDB)

RAG MCP Server（RAGDB）

这是一个 MCP，可通过支持 MCP 的聊天工具管理/搜索 RAGDB。

🤖 关于支持 MCP 的聊天工具和 MCP

• 安装此系统后，即可通过支持 MCP 的聊天工具将文档保存到 RAGDB 并进行向量搜索。
• 只需输入命令，即可通过支持 MCP 的聊天工具管理文档。
• 将 Markdown 格式的文档向量化后保存。

✨ 功能

📚 文档的保存与搜索

• 保存文档：使用 embedding 将 Markdown 文件向量化并保存到 RAGDB
• 通过问题搜索：使用“这项技术该如何使用？”之类的问题进行搜索
• 批量注册 Markdown 文件：可以将脚本 Markdown 文件批量注册到 RAGDB。

💾 3 种数据库选项

• LibSQL：使用本地文件运行，无需 DB 服务。
• Qdrant：支持云端，适用于大量数据。
• PostgreSQL：适用于大量数据（仍在测试中，但已确认可以运行）

🚀 开始使用

前提条件

• 使用 libsql 时，会自动创建 libsql 数据库文件。
• 使用 Pgvector 或 Qdrant 时，需要 DB 服务。（建议使用 Docker 环境。）
• 嵌入提供商的 API 密钥（OpenAI 或 Google）

在 VS Code 和 Claude Desktop 中使用

如果手动安装，请将以下 JSON 代码块添加到 VS Code 的 User Settings (JSON) 文件中。按下 Ctrl + Shift + P，输入 Preferences: Open User Settings (JSON)，即可打开设置文件。

其他 DB 的示例请参阅 json 文件夹中的示例。 INDEX 默认设置为 documents，可根据需要添加。

{
    "mcpServers": {
        "rag-server": {
            "command": "node",
            "args": ["your-ragdb-mcp-path/rag-mcp/dist/index.js"],
            "env": {
                "RAG_DATABASE_TYPE": "libsql",
                "RAG_CONNECTION_URL": "file:your-ragdb-mcp-path/rag-mcp/libsql/rag.db",
                "EMBEDDING_PROVIDER": "google",
                "EMBEDDING_MODEL": "text-embedding-004",
                "EMBEDDING_API_KEY": "your-google-api-key",
                "EMBEDDING_DIMENSIONS": "768",
                "RAG_CHUNK_SIZE": "512",
                "RAG_CHUNK_OVERLAP": "50",
                "RAG_TOP_K": "5",
                "RAG_STRATEGY": "markdown",
                "AUTO_CREATE_INDEXES": "documents,technical", 
                "LOG_LEVEL": "info"
            }
        }
    }
}

设置环境变量

环境变量	说明	示例
RAG_DATABASE_TYPE	数据库类型	libsql, pgvector, qdrant
RAG_CONNECTION_URL	数据库连接 URL	./database.db (LibSQL), postgresql://... (PostgreSQL)
RAG_QDRANT_URL	Qdrant 连接 URL（使用 Qdrant 时）	http://localhost:6333
EMBEDDING_PROVIDER	嵌入提供商	openai, google
EMBEDDING_MODEL	嵌入模型	text-embedding-3-small, text-embedding-gecko@003
EMBEDDING_API_KEY	API 密钥	OpenAI 或 Google 的 API 密钥
RAG_CHUNK_SIZE	块大小（可选）	512
RAG_CHUNK_OVERLAP	块重叠（可选）	50
RAG_TOP_K	搜索结果数（可选）	5

利用可能なツール

ツール名	説明	パラメータ
create_index	インデックスを作成	indexName: インデックス名, dimension?: ベクター次元数
delete_index	インデックスを削除	indexName: インデックス名
list_indexes	インデックス一覧を表示	なし
add_document	Markdownドキュメントを追加	content: 文書内容, metadata?: メタデータ, chunkingOptions?: チャンキング設定
update_document	ドキュメントを更新	documentId: ドキュメントID, content?: 新しい内容, metadata?: メタデータ
delete_document	ドキュメントを削除	documentId: ドキュメントID, indexName?: インデックス名
search_documents	基本的なドキュメント検索	query: 検索クエリ, indexName?: インデックス名, options?: 検索オプション
rag_search	質問応答形式のRAG検索	question: 質問, indexName?: インデックス名, options?: 検索オプション
advanced_rag_search	フィルター機能付き高度検索	query: 検索クエリ, filters?: メタデータフィルター, searchOptions?: 検索設定
semantic_similarity_search	セマンティック類似検索	referenceText: 参照テキスト, indexName?: インデックス名, options?: 検索オプション
list_documents	ドキュメント一覧を表示	indexName?: インデックス名, limit?: 取得数, offset?: 開始位置, filter?: フィルター
get_rag_info	RAGシステム情報を表示	なし

基本的な使用例

1. インデックス作成：

   create_index indexName="my-docs"
   

2. ドキュメント追加：

   add_document content="# プロジェクト概要\n\nこのプロジェクトは..." metadata={"title": "プロジェクト概要", "category": "技術文書"}
   

3. 質問で検索：

   rag_search question="このプロジェクトの目的は何ですか？"
   

4. ドキュメント一覧表示：

   list_documents limit=10
   

📄 ライセンス

自由に使用・改変・商用利用可能です。 MCPを通常使用する場合、商用利用は可能ですが

ただしRAGDBとのやり取りや処理は、mastraのライブラリを利用して実装しています。

mastraはElastic License 2.0のため、例えばMastraのPlayground部分をそのままSaasサービスとして 提供したりすることできないので注意してください。

詳しくは以下もご覧ください。 https://mastra.ai/ja/docs/faq#elastic-license-20-elv2

🤝 改善提案・バグ報告

不具合を見つけた方、改善アイデアをお持ちの方は、GitHubのIssuesまでお知らせください。

---

🎉 MCP対応チャットでがあなた専用の文書検索アシスタントになります！