# 现代检索增强生成服务器
## 基本信息
- Slug: `apatoliya-mcp-rag`
- Source: modelscope
- Publisher: @apatoliya/mcp-rag
- Categories: rag-systems / search / vector-databases
- Hosted: No
- License: Unknown
- Source URL: https://www.modelscope.cn/mcp/servers/@apatoliya/mcp-rag
## 简介
一个使用 GroundX 和 OpenAI 实现检索增强生成（Retrieval-Augmented Generation）的服务器，支持语义搜索和文档检索，并通过现代上下文处理技术提升上下文处理能力。
## MCP Server 详情

# MCP-RAG: 基于RAG的模型上下文协议 🚀

使用GroundX和OpenAI实现的强大且高效的RAG（检索增强生成）方案，构建于现代上下文处理（MCP）之上。

## 🌟 特性

- **高级RAG实现**：利用GroundX进行高精度文档检索
- **模型上下文协议**：与MCP无缝集成以增强上下文处理能力
- **类型安全**：使用Pydantic构建，提供强大的类型检查和验证
- **灵活配置**：通过环境变量轻松自定义设置
- **文档摄入**：支持PDF文档的摄入和处理
- **智能搜索**：具备评分功能的语义搜索能力

## 🛠️ 先决条件

- Python 3.12或更高版本
- OpenAI API密钥
- GroundX API密钥
- MCP CLI工具

## 📦 安装

1. 克隆仓库：
bash
git clone <repository-url>
cd mcp-rag


2. 创建并激活虚拟环境：
bash
uv sync
source .venv/bin/activate  # 在Windows上，请使用`.venvScriptsactivate`


## ⚙️ 配置

1. 复制示例环境文件：
bash
cp .env.example .env


2. 在`.env`中配置您的环境变量：
env
GROUNDX_API_KEY="your-groundx-api-key"
OPENAI_API_KEY="your-openai-api-key"
BUCKET_ID="your-bucket-id"


## 🚀 使用方法

### 启动服务器

运行inspect服务器：
bash
mcp dev server.py


### 文档摄入

要摄入新文档：
python
from server import ingest_documents

result = ingest_documents("path/to/your/document.pdf")
print(result)


### 执行搜索

基本搜索查询：
python
from server import process_search_query

response = process_search_query("在这里输入你的搜索查询")
print(f"查询: {response.query}")
print(f"得分: {response.score}")
print(f"结果: {response.result}")


使用自定义配置：
python
from server import process_search_query, SearchConfig

config = SearchConfig(
    completion_model="gpt-4",
    bucket_id="custom-bucket-id"
)
response = process_search_query("你的查询", config)


## 📚 依赖项

- `groundx` (≥2.3.0)：核心RAG功能
- `openai` (≥1.75.0)：OpenAI API集成
- `mcp[cli]` (≥1.6.0)：现代上下文处理工具
- `ipykernel` (≥6.29.5)：Jupyter笔记本支持

## 🔒 安全性

- 永远不要提交包含API密钥的`.env`文件
- 对所有敏感信息使用环境变量
- 定期轮换您的API密钥
- 监控API使用情况，防止未经授权的访问

## 🤝 贡献

1. 叉分仓库
2. 创建你的特性分支 (`git checkout -b feature/amazing-feature`)
3. 提交你的更改 (`git commit -m '添加一些惊人的特性'`)
4. 推送到该分支 (`git push origin feature/amazing-feature`)
5. 打开一个拉取请求