Embedding MCP Server

基本能力

产品定位

Geeksfino_kb-mcp-server 是一个基于 txtai 的 MCP 服务器，主要用于构建和管理知识库，提供语义搜索和知识图谱功能。

核心功能

• 语义搜索：基于含义而非关键词进行信息检索
• 知识图谱构建：自动从数据中构建和查询知识图谱
• 文本处理：支持摘要、提取等文本处理流程
• 便携知识库：可将知识库保存为压缩档案，便于共享和加载
• 本地优先架构：所有操作在本地完成，无需依赖外部服务

适用场景

• 技术文档管理和搜索
• 学术研究资料整理和查询
• 企业内部知识库构建
• AI 辅助研究和开发

工具列表

• kb_builder：命令行工具，用于创建和管理知识库
• 处理各种来源的文档
• 提取文本并创建嵌入
• 自动构建知识图谱
• 导出便携知识库
• kb-mcp-server：MCP 服务器，提供标准化接口访问知识库
• 语义搜索能力
• 知识图谱查询和可视化
• 文本处理流程

常见问题解答

• 如何配置 MCP 服务器？
• 通过环境变量或命令行参数配置
• 如何构建知识库？
• 可以使用 kb_builder 工具或直接使用 txtai 的编程接口
• 如何共享知识库？
• 可以将知识库导出为 .tar.gz 文件进行共享

使用教程

使用依赖

需要安装 Python 3.10 和 conda 或 uv 环境管理工具。

安装教程

使用 conda

# 创建新的 conda 环境
conda create -n embedding-mcp python=3.10
conda activate embedding-mcp

# 从 PyPI 安装
pip install kb-mcp-server

从源码安装

# 创建新的 conda 环境
conda create -n embedding-mcp python=3.10
conda activate embedding-mcp

# 克隆仓库
git clone https://github.com/Geeksfino/kb-mcp-server.git.git
cd kb-mcp-server

# 安装依赖
pip install -e .

使用 uv

# 安装 uv
pip install uv

# 创建虚拟环境
uv venv
source .venv/bin/activate

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

调试方式

启动 MCP 服务器

# 使用特定知识库文件夹启动
kb-mcp-server --embeddings /path/to/knowledge_base_folder

# 使用知识库存档启动
kb-mcp-server --embeddings /path/to/knowledge_base.tar.gz

构建知识库

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

# 更新现有知识库
kb-build --input /path/to/new_documents --update

# 导出知识库
kb-build --input /path/to/documents --export my_knowledge_base.tar.gz

搜索知识库

# 基本搜索
kb-search /path/to/knowledge_base "What is machine learning?"

# 带图增强的搜索
kb-search /path/to/knowledge_base "What is machine learning?" --graph --limit 10

许可证

该项目遵循 MIT 开源许可条款。