mcpField
M
MedXpert 图书馆连接器(通用版)

MedXpert 图书馆连接器(通用版)

本地服务
medxpert.cn记忆与知识13 周前更新

关于 MedXpert 图书馆连接器(通用版)

MedXpert 图书馆连接器将用户的 Markdown wiki 转为本地可搜索知识库,并支持 RAG 问答。它使用本地 Ollama,在设备上处理文档和查询,不访问外部网络。

主要功能

  1. 01为个人 Markdown 文档建立索引
  2. 02结合 BM25 和嵌入检索片段
  3. 03读取 wiki 页全文
  4. 04基于检索结果回答并附引用
  5. 05使用 Ollama 在本地处理数据

适用场景

  1. 01检索个人 Markdown wiki
  2. 02围绕本地文档提问
  3. 03在不向外部发送查询的情况下使用知识库

MCP 相关

MCP 服务提供知识库检索、读取页面、列出来源和 RAG 问答工具。它通过 stdio 使用 JSON-RPC 2.0 通信。

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

来自项目 README

MedXpert 图书馆(通用版)连接器

把**你自己的 wiki(.md 文档)**做成可语义检索、可 RAG 问答的本地知识库 MCP 连接器。

  • 纯 Python 标准库实现(stdio JSON-RPC 2.0),零第三方依赖
  • 仅依赖本地 Ollama 做嵌入/生成,零积分、断网可用
  • 知识库为你自有文档,连接器不绑定任何预置私有数据
  • 全部计算在本机完成,不访问任何外部网络,不上传任何数据

工具

工具说明
search_knowledge(query, top_k?)语义检索知识库,返回相关片段 + 相似度
get_page(title)读取单个 wiki 页全文
list_sources()库范围:页数 / 分类 / 索引状态
ask_knowledge(question, top_k?)RAG 问答:检索 + 本地生成模型,附引用

快速开始

# 1. 安装并启动 Ollama,拉取模型
ollama pull bge-m3            # 检索必备(嵌入)
ollama pull qwen2.5:7b        # 问答可选(生成)

# 2. 用你自己的文档替换 wiki/(本包自带 3 个示例页)
#    把 .md 放进 wiki/ 即可,可建子目录分类

# 3. 构建向量索引
python rag_engine.py build

# 4. 启动 MCP server(stdio)
python medxpert_library_server.py

接入 WorkBuddy

包内 mcp.json 已提供标准配置;在开放平台或客户端中引用本包目录即可。 也可用环境变量覆盖默认行为:

变量默认值说明
LIBRARY_WIKI_DIR本包 wiki/知识库目录(指向你的文档)
OLLAMA_BASE_URLhttp://127.0.0.1:11434Ollama 地址
LIBRARY_EMBED_MODELbge-m3嵌入模型
LIBRARY_GEN_MODELqwen2.5:7b生成模型(问答)

包结构

medxpert-library-connector/
├── medxpert_library_server.py   # MCP server(stdio,纯标准库)
├── rag_engine.py                # 嵌入 / 余弦 / 构建 / 检索引擎
├── wiki/                        # 示例知识库(替换成你自己的 .md)
├── connector-meta.json          # 开放平台元数据
├── mcp.json                     # MCP 启动配置
├── icon.svg                     # 头像
├── LICENSE                  # Apache-2.0
├── requirements.txt             # 依赖说明(仅 Ollama)
└── README.md

合规与隐私

  • 不内嵌受版权保护的标准正文,仅索引标准号与公开要点。
  • 所有内容在本机处理,文档与查询均不上传外部服务。
  • 知识库为使用者自有内容,发布者不对其内容负责。

许可说明 · License Notice

  • 代码许可:本仓库源代码以 Apache-2.0 许可发布(见根目录 LICENSE),版权归「赵兴华 / Steven Zhao·China(ORCID 0009-0001-0512-1237)」。
  • 内容权属:本仓库不捆绑专有知识库;随附示例内容仅供演示,归其原始所有者所有。代码以 Apache-2.0 许可发布。
  • 品牌状态限定:MedXpert、SynomosAI、LGD 等为相关项目标识,均未申请实体注册、未申请商标注册;出现仅作来源标识,不构成对法人实体或商标权的任何主张。
  • 免责:本仓库内容不构成法规意见、法律意见或注册代理服务;关键数据以监管机构最新发布为准。
  • 联系:[email protected] | ORCID 0009-0001-0512-1237

mcp-name: io.github.zhaoxinghua09-cell/medxpert-library-connector

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。