Multi-Tool-Agent-MCP-RAG

MCP搜索检索

提供方 cherryGQR

搜索检索 stdio · 本地进程 未标注 社区 / 第三方

An intelligent agent system based on MCP protocol and RAG technology that dynamically selects and executes tools through semantic retrieval, suitable for multi-server tool management scenarios.

一句话选型结论

按资料字段整理

Multi-Tool-Agent-MCP-RAG 属于搜索检索类 MCP 服务器,stdio · 本地进程,鉴权方式未标注,没有现成安装命令,需按官方文档接入。接入前先确认权限范围;涉及写入、删除或付款的操作,建议先在测试环境验证。

分类搜索检索 传输方式stdio · 本地进程 鉴权未标注 部署方式本地部署
GitHub 星标 2 仓库热度,无公开仓库时显示未标注
工具数 未标注 暴露给模型的工具数量
资源 / 提示词 0 / 0 资源与提示词模板数量
维护方 社区 / 第三方 核验等级 仅资料核对

工具与能力

搜索检索
数量来自来源目录的标注,具体工具清单以官方文档为准
工具数量未标注暴露给模型可调用的工具个数
资源数量0可读取的资源条目
提示词数量0内置提示词模板数量

能力标签

Local Deployment MCP Protocol RAG Python Tool Calling Semantic Search Vector Database Multi-server Management ReAct Pattern Asynchronous Processing

适用场景

Local DeploymentMCP ProtocolRAG

安装与配置

stdio · 本地进程 未标注
客户端在本机拉起子进程,数据不出本机
  1. 1
    准备运行环境

    stdio 服务在本地起进程,需要先装好 python,再按安装命令拉取依赖。

  2. 2
    安装服务

    复制上面的安装命令执行;命令里带占位符的位置,换成自己的密钥或路径。

  3. 3
    写入客户端配置

    在客户端的 MCP 配置里填好启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4
    验证是否可用

    连接成功后随便调一个只读工具,确认能返回结果,再接入正式流程。

典型使用场景

3 类
按分类与标签整理的常见用法,具体以官方文档为准
联网搜索取证

让模型查最新资料并给出出处。

资料聚合

把一个主题的网页、文档集中抓回来整理。

情报与竞品检索

按关键词持续检索行业动态和竞品信息。

选择建议

选之前先看这几条
按条目字段给出的判断,不替你决定用不用

值得选的地方

  • 基础信息齐全,可以先按官方文档接入试跑。

先想清楚的地方

  • stdio 方式要求本地装好运行时(如 Node.js),换机器要重新装一遍。
  • 没有现成安装命令,需要按官方文档自己填启动命令和参数。
  • 资料没标注工具数量,实际能力要装好后确认。
  • 版本更新与行为细节以官方仓库为准。

更适合

  • 需要在搜索检索场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地或自有环境跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

6 个同类
同分类里挑最接近的几条,字段以各自详情页为准
MCP 服务器工具数传输方式部署方式安装命令最后核验
Multi-Tool-Agent-MCP-RAG当前 未标注 stdio · 本地进程 本地部署 无 2025-12-27
Brave Search 433812ff 2 未标注 未标注 无 2026-05-17
Sequentialthinking 1 SSE · 服务端推送 远程部署 有 2026-05-18
Baidu Netdisk 未标注 未标注 未标注 无 2026-05-17
ragflow 未标注 stdio · 本地进程 本地部署 有 2026-04-11
mindsdb (430e18) 未标注 未标注 未标注 有 2026-05-17

服务器档案

搜索检索
字段来自项目仓库与公开索引,中文说明由本站标注
提供方cherryGQR上游标注的维护方 cherryGQR
分类搜索检索本站按上游分类展示
连接方式stdio · 本地进程客户端在本机拉起子进程,数据不出本机
鉴权方式未标注远程服务建议用最小权限凭据
维护方社区 / 第三方核验等级 仅资料核对
包名 / 运行时未标注 · python本地安装时用到的包标识与运行时
部署类型本地部署上游给出的部署形态
最近核验2025-12-27上游最后核验时间

详细介绍

0.9 KB
来自项目仓库与上游目录的原文,未做删改

MCP RAG Agent
一个基于MCP(Model Context Protocol)协议和RAG(Retrieval-Augmented Generation)技术的智能代理系统,通过语义检索动态选择和执行工具。

🌟 特性
MCP协议支持: 标准化工具调用接口

RAG检索: 基于语义的工具智能选择

多服务器管理: 支持多个MCP服务器并行运行

向量化存储: 使用Milvus向量数据库存储工具信息

异步处理: 全异步架构,高性能处理

可扩展性: 轻松添加新的工具和服务器

🏗️ 系统架构

用户查询 → RAG语义检索 → 筛选相关工具 → ReAct智能体 → 工具执行 → 结果返回

组件说明
MCP服务器: 提供标准化工具接口(数学、天气等)

向量数据库: 存储工具语义信息,支持相似度检索

工具管理器: 基于RAG技术筛选相关工具

智能代理: 使用ReAct模式进行推理和工具调用

常见问题

7 问
答案由本站依据条目字段整理,不引用上游原文
Multi-Tool-Agent-MCP-RAG 怎么安装?

资料没有给出安装命令,请到官方仓库或文档按说明接入;这类条目多数是生态应用,或尚未发布可安装包。

Multi-Tool-Agent-MCP-RAG 怎么在客户端里配置?

它的传输方式未标注,在客户端 MCP 配置里按官方文档填写启动命令和参数,保存后重启客户端生效。

Multi-Tool-Agent-MCP-RAG 收费吗?

本站不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Multi-Tool-Agent-MCP-RAG 需要 API Key 吗?

资料没有标注鉴权方式,是否需要密钥取决于服务本身,接入前按官方文档确认。

Multi-Tool-Agent-MCP-RAG 能提供哪些能力?

资料显示能力标签包括 Local Deployment、MCP Protocol、RAG、Python、Tool Calling、Semantic Search。具体工具清单以官方文档为准。

Multi-Tool-Agent-MCP-RAG 需要什么运行环境?

运行时为 python;属于本地进程,需要在本机装好运行环境。

Multi-Tool-Agent-MCP-RAG 是本地还是远程?

它是本地进程(stdio),由客户端在本机拉起。传输方式为stdio · 本地进程。

热门专题

按标签挑服务器
全部专题 →

服务器信息以作者仓库与官方文档为准;分类、传输方式与鉴权方式的中文说明为中文整理,最近核验 2025-12-27。