# mcp_agentic_rag
## 基本信息
- Slug: `sandovalmedeiros-mcp_agentic_rag`
- Source: modelscope
- Publisher: @sandovalmedeiros/mcp_agentic_rag
- Categories: rag-systems / vector-databases / web-scraping
- Hosted: No
- License: Unknown
- Source URL: https://www.modelscope.cn/mcp/servers/@sandovalmedeiros/mcp_agentic_rag
## 简介
暂无描述。
## 安装提示

```bash
git clone https://seurepo.com/mcp_agentic_rag.git cd mcp_agentic_rag python -m venv .venv .venv\Scripts\activate pip install -r requirements.txt
```

## MCP Server 详情

#  MCP Agentic RAG com Qdrant e Bright Data

Este projeto implementa um servidor MCP (Model Context Protocol) com ferramentas inteligentes para:

-  Buscar respostas em uma base vetorial de perguntas frequentes sobre **machine learning**
-  Realizar pesquisas web usando proxy premium da **Bright Data**
-  Usar agentes via **Claude Desktop** com prompts estruturados

---

##  Tecnologias

- [ LlamaIndex](https://github.com/jerryjliu/llama_index) com modelo `nomic-embed-text-v1.5`
- [ Qdrant](https://qdrant.tech/) como banco vetorial local (via Docker)
- [ Bright Data](https://brightdata.com) para scraping com proxy
- [ Claude Desktop](https://www.anthropic.com/index/claude) como cliente LLM
- [ FastMCP](https://github.com/openai/mcp) como servidor MCP
- Python 3.11+

---

##  Configurao rpida

### 1. Clone o projeto e crie o ambiente

```bash
git clone https://seurepo.com/mcp_agentic_rag.git
cd mcp_agentic_rag
python -m venv .venv
.venv\Scripts\activate
pip install -r requirements.txt
```

### 2. Configure seu arquivo `.env`

Crie o arquivo `.env` com suas credenciais Bright Data:

```env
BRIGHT_DATA_USERNAME=brd-customer-usuario-zone-nomezona
BRIGHT_DATA_PASSWORD=sua_senha
```

---

### 3. Suba o Qdrant via Docker

```bash
docker run -p 6333:6333 -p 6334:6334 ^
-v ${PWD}/qdrant_storage:/qdrant/storage ^
qdrant/qdrant
```

---

### 4. Ingesto de FAQ no banco vetorial

```bash
python ingest_faq.py
```

Voc ver mensagens como:
```
 Coleo 'ml_faq_collection' populada com sucesso no Qdrant.
```

---

### 5. Inicie o servidor MCP

```bash
python server.py
```

---

### 6. Configure o Claude Desktop

Adicione este contedo ao seu `config.json` em:
```
Claude Desktop > Settings > MCP Servers
```

```json
{
  "mcpServers": {
    "mcp-rag-app": {
      "command": "python",
      "args": ["C:\\Seu_Path\\mcp_agentic_rag\\server.py"],
      "host": "127.0.0.1",
      "port": 8080,
      "timeout": 30000
    }
  }
}
```

---

##  Como usar

###  Prompt 1  Buscar em base FAQ:

```yaml
Voc  um assistente especializado em aprendizado de mquina.
Use a ferramenta "machine_learning_faq_retrieval_tool" para responder perguntas como:

"Como evitar overfitting em modelos de machine learning?"
```

###  Prompt 2  Pesquisa via Bright Data:

```yaml
Voc  um assistente de conhecimento geral.
Use "bright_data_web_search_tool" para perguntas como:

"Qual o impacto atual da inteligncia artificial no setor bancrio brasileiro?"
```

---

##  Scripts teis

- `ingest_faq.py`  Gera embeddings e popula Qdrant com FAQ
- `server.py`  Inicia o servidor MCP com as ferramentas
- `teste.py`  Faz busca manual na coleo FAQ para debug
- `prompt_1.yml`, `prompt_2.yml`  Exemplos para Claude Desktop
- `rag_code.py`  Lgica de vetorizao e busca
- `.env`  Armazena credenciais do Bright Data
- `config.json`  Registro local de servidor MCP no Claude

---

##  Informao - Este projeto foi adaptado do projeto mcp_agentic_rag
Para mais projetos de IA, veja o [Daily Dose of Data Science](https://join.dailydoseofds.com)

---

##  Contribuies

Contribuies so bem-vindas! Faa um fork, crie um branch, adicione melhorias e envie um PR