mcpField
R
ragflow-mcp

ragflow-mcp

本地服务
github.com/oraichain记忆与知识1681 周前更新
代码仓库

关于 ragflow-mcp

ragflow-mcp 是面向 RAGFlow 的轻量 MCP 服务，定位为 RAGFlow 官方 MCP 服务发布前的临时方案。README 介绍了 conda 或 uv 安装，以及使用 MCP Inspector 调试。

主要功能

  1. 01面向 RAGFlow 的 MCP 服务
  2. 02支持 conda 或 uv 安装
  3. 03支持 MCP Inspector 调试

适用场景

  1. 01让 MCP 客户端连接 RAGFlow
  2. 02使用 MCP Inspector 调试服务

MCP 相关

该项目为 RAGFlow 实现 MCP 服务。README 介绍了使用 MCP Inspector 调试服务的步骤。

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

ragflow-mcp

简单的 RAGFlow MCP。只有在 RAGFlow 团队发布官方 MCP 服务之前才有用。

安装

我们提供两种安装方法。推荐使用方法 2（使用 uv），安装速度更快，依赖管理也更好。

方法 1：使用 conda
  1. 创建新的 conda 环境：
conda create -n ragflow_mcp python=3.12
conda activate ragflow_mcp
  1. 克隆仓库：
git clone https://github.com/oraichain/ragflow-mcp.git
cd ragflow-mcp
  1. 安装依赖：
pip install -r requirements.txt
方法 2：使用 uv（推荐）
  1. 安装 uv（快速的 Python 包安装器和解析器）：
curl -LsSf https://astral.sh/uv/install.sh | sh
  1. 克隆仓库：
git clone https://github.com/oraichain/ragflow-mcp.git
cd ragflow-mcp
  1. 创建并激活新的虚拟环境：
uv venv --python 3.12
source .venv/bin/activate  # On Unix/macOS
# Or on Windows:
# .venv\Scripts\activate
  1. 安装依赖：
uv pip install -r pyproject.toml

运行 MCP Server Inspector 进行调试

  1. 启动 MCP 服务

  2. 使用以下命令启动 Inspector：

# you can choose a different server
SERVER_PORT=9000 npx @modelcontextprotocol/inspector

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。