MCP-Ragdocs

基本能力

产品定位

MCP-Ragdocs 是一个文档语义搜索和检索服务，旨在帮助开发者快速查找和理解文档内容。

核心功能

• 从 URL 或本地文件添加文档
• 将文档存储在向量数据库中以进行语义搜索
• 使用自然语言查询搜索文档
• 列出所有文档来源

适用场景

• 开发者文档的快速检索
• 技术文档的语义搜索
• 知识库管理

工具列表

1. add_documentation：将文档从 URL 添加到 RAG 数据库
2. search_documentation：搜索存储的文档
3. list_sources：列出所有当前存储的文档来源

常见问题解答

1. Qdrant 连接错误：检查 Docker 是否运行，确认 Qdrant 容器是否运行
2. Ollama 模型缺失：运行 ollama pull nomic-embed-text 并验证模型是否安装
3. 配置路径问题：确保路径正确，替换 YOUR_USERNAME 为实际用户名
4. npm 全局安装问题：尝试使用管理员权限安装，检查 npm 是否在 PATH 中

使用教程

使用依赖

• Node.js 16 或更高版本
• Qdrant（本地或云端）
• 嵌入模型（Ollama 本地运行或 OpenAI API 密钥）

安装教程

1. 全局安装包： bash npm install -g @qpd-v/mcp-server-ragdocs
2. 启动 Qdrant（使用 Docker）： bash docker run -p 6333:6333 -p 6334:6334 qdrant/qdrant
3. 确保 Ollama 运行默认嵌入模型： bash ollama pull nomic-embed-text
4. 添加到配置文件（具体路径见 README）

调试方式

1. 检查 Qdrant 是否运行： bash curl http://localhost:6333/collections
2. 检查 Ollama 是否有模型： bash ollama list | grep nomic-embed-text

许可证

该项目遵循 Apache-2.0 开源许可条款，请参阅 Apache-2.0 了解完整条款。