RagDocs MCP Server

概述

RagDocs 是一个基于检索增强生成 (RAG) 的 MCP 服务器，使用 Qdrant 向量数据库实现文档的语义搜索和管理。

快速安装

npm install -g @mcpservers/ragdocs

前提条件

• Node.js 16+
• Qdrant 向量数据库（本地 Docker 或 Qdrant Cloud）
• 嵌入模型：Ollama（免费，默认）或 OpenAI（付费）

设置步骤

1. 启动 Qdrant（本地选项）

docker run -d --name qdrant -p 6333:6333 -p 6334:6334 qdrant/qdrant

2. 配置 MCP 服务器

基本配置（使用本地 Qdrant 和 Ollama）：

{
  "mcpServers": {
    "ragdocs": {
      "command": "node",
      "args": ["@mcpservers/ragdocs"],
      "env": {
        "QDRANT_URL": "http://127.0.0.1:6333",
        "EMBEDDING_PROVIDER": "ollama"
      }
    }
  }
}

主要功能

RagDocs 提供四个核心工具：

1. 添加文档 (add_document)：

   {"url": "https://example.com/doc1", "content": "文档内容", "metadata": {"title": "示例文档"}}
   

2. 搜索文档 (search_documents):

   {"query": "如何使用API", "options": {"limit": 5, "scoreThreshold": 0.7}}
   

3. 列出文档 (list_documents):

   {"page": 1, "pageSize": 20, "groupByDomain": false, "sortBy": "timestamp"}
   

4. 删除文档 (delete_document):

   {"url": "https://example.com/doc1"}
   

高级配置选项

使用 Qdrant Cloud：

"env": {
  "QDRANT_URL": "https://your-cluster-url.qdrant.tech",
  "QDRANT_API_KEY": "your-qdrant-api-key",
  "EMBEDDING_PROVIDER": "ollama"
}

使用 OpenAI 嵌入：

"env": {
  "QDRANT_URL": "http://127.0.0.1:6333",
  "EMBEDDING_PROVIDER": "openai",
  "OPENAI_API_KEY": "your-api-key"
}

环境变量

• QDRANT_URL：Qdrant 实例 URL（默认：http://127.0.0.1:6333）
• EMBEDDING_PROVIDER：嵌入提供商（ollama 或 openai）
• EMBEDDING_MODEL：嵌入模型（默认：Ollama的nomic-embed-text或OpenAI的text-embedding-3-small）
• QDRANT_API_KEY：Qdrant Cloud API密钥（仅云实例）
• OPENAI_API_KEY：OpenAI API密钥（仅使用OpenAI时）

许可证

Apache License 2.0