MCP RAG 项目

基于 MCP 协议的 RAG（检索增强生成）应用，提供向量检索和网络搜索工具。

🚀 快速开始

# 1. 创建虚拟环境并安装依赖
python -m venv .venv
.venv\Scripts\activate  # Windows
pip install -r requirements.txt

# 2. 配置环境变量（可选）
copy .env.example .env
# 编辑 .env 添加 SERPER_API_KEY

📦 项目结构

├── server.py                      # MCP 服务器
├── rag_app/                       # RAG 核心模块
│   ├── data.py                   # 数据和 Embedding
│   ├── vdb.py                    # Qdrant 向量数据库
│   └── retriever.py              # 检索器
├── test_llamaindex.py            # 交互式测试
└── Cherry_Studio_配置指南.md     # Cherry Studio 集成教程

🧪 本地测试

交互式对比测试

需安装ollama并使用ollam pull 模型名称 来下载对应模型。 注意修改文件中自己下载的模型名称

.venv\Scripts\python test_llamaindex.py

特点：

• 🎯 交互式输入：你输入问题，实时看结果
• 📊 三种对比：每个问题展示3种回答方式
  • 纯 LlamaIndex LLM（不使用工具）
  • RAG 工具增强（使用知识库）
  • 网络搜索增强（使用最新信息）
• ✅ 清楚展示工具调用效果
• ❌ 不需要启动 server.py

🔧 集成到 AI 应用

Cherry Studio（推荐）

完整配置教程请查看：Cherry_Studio_配置指南.md

快速配置：

1. 打开 Cherry Studio 配置文件：%APPDATA%\cherry-studio\mcp_servers.json
2. 添加配置：

{
  "mcpServers": {
    "rag-ml-assistant": {
      "command": "项目路径\\.venv\\Scripts\\python.exe",
      "args": ["项目路径\\server.py"]
    }
  }
}

Cursor / Claude Desktop

在对应的配置文件中添加相同的 MCP 配置即可。

🛠️ 核心功能

1. 机器学习知识库检索（RAG 工具）

• 📚 向量数据库存储 FAQ
• 🔍 语义相似度搜索
• 💡 提供专业领域知识
• ✅ 两个测试都支持

2. Web 搜索工具

• 🌐 使用 Serper.dev API 搜索网络
• 📰 获取最新信息和新闻
• 🔑 需要配置 SERPER_API_KEY（在 .env 文件中）
• ✅ 两个测试都支持

配置方法：

# 复制示例文件
cp .env.example .env

# 编辑 .env 文件，添加你的 API Key
SERPER_API_KEY=your_api_key_here

获取 API Key： 访问 serper.dev 注册并获取免费 API Key

💡 使用场景

场景	是否需要 server.py	方式	说明
本地测试验证	❌	test_llamaindex.py	交互式三种对比
Cherry Studio	✅	MCP 配置	推荐方式
Cursor	✅	MCP 配置	自动工具调用
Claude Desktop	✅	MCP 配置	自动工具调用

📚 扩展开发

添加自定义数据

编辑 rag_app/data.py 中的 ML_FAQ 列表：

ML_FAQ = [
    {"id": 1, "q": "你的问题", "a": "你的答案"},
    # 添加更多...
]

在自己的应用中使用

from rag_app import Retriever, QdrantVDB, EmbedData

embed = EmbedData()
vdb = QdrantVDB(collection="my_collection", vector_size=embed.dim)
retriever = Retriever(vdb, embed)

result = retriever.search("你的问题", k=3)
print(result)

📖 依赖说明

• 核心依赖：mcp, qdrant-client, sentence-transformers
• LlamaIndex：可选，仅 test_llamaindex.py 需要
• Ollama：可选，用于本地 LLM 推理

⚙️ 环境要求

• Python 3.10+
• Ollama（可选，用于测试）
• Node.js（可选，用于 MCP Inspector）