Embedding MCP Server

基本能力

产品定位

kb-mcp-server 是一个基于 txtai 的 MCP 服务器实现，旨在提供语义搜索、知识图谱构建和 AI 驱动的文本处理功能。

核心功能

• 语义搜索：基于含义而非关键词进行信息检索
• 知识图谱集成：自动从数据中构建和查询知识图谱
• 便携式知识库：支持将知识库保存为压缩存档，便于共享和加载
• 可扩展的管道系统：通过统一 API 处理文本、文档、音频、图像和视频
• 本地优先架构：所有操作在本地运行，无需发送数据到外部服务

适用场景

• 构建和管理知识库
• 语义搜索和信息检索
• 知识图谱构建和查询
• AI 驱动的文本处理（如摘要、提取等）

工具列表

• kb_builder：命令行工具，用于创建和管理知识库
• 处理来自不同来源的文档
• 提取文本并创建嵌入
• 自动构建知识图谱
• 导出便携式知识库
• kb-mcp-server：提供标准化接口访问知识库
• 语义搜索功能
• 知识图谱查询和可视化
• 文本处理管道

常见问题解答

• 依赖问题：建议使用 Python 3.10 或更高版本，并安装 uv 以获得最佳体验
• 配置问题：MCP 服务器通过环境变量或命令行参数配置，而非 YAML 文件
• 虚拟环境问题：使用虚拟环境时，需确保 LLM 客户端能访问到正确的 Python 可执行文件

使用教程

使用依赖

# 安装 uv（推荐）
pip install -U uv

# 创建 Python 3.10+ 虚拟环境
uv venv --python=3.10

# 激活虚拟环境（bash/zsh）
source .venv/bin/activate

安装教程

# 从 PyPI 安装
uv pip install kb-mcp-server

# 或使用 conda
conda create -n embedding-mcp python=3.10
conda activate embedding-mcp
pip install kb-mcp-server

# 或从源码安装
git clone https://github.com/Geeksfino/kb-mcp-server.git
cd kb-mcp-server
pip install -e .

调试方式

# 启动 MCP 服务器
kb-mcp-server --embeddings /path/to/knowledge_base

# 构建知识库
kb-build --input /path/to/documents --config config.yml

# 搜索知识库
kb-search /path/to/knowledge_base "Your search query"

许可证

该项目遵循 MIT 开源许可条款。