Mayankbisht Tech MCP

MCP搜索检索

提供方 mayankbisht-tech

搜索检索 stdio · 本地进程 无需鉴权 社区 / 第三方
查看接入方式

基于RAG技术的聊天机器人,通过语义搜索和Groq托管的LLM从PDF文档中提取信息并回答问题。

一句话选型结论

按资料字段整理

Mayankbisht Tech MCP 属于搜索检索类 MCP 服务器,stdio · 本地进程,无需鉴权,有可直接执行的安装命令。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 鉴权无需鉴权 部署方式本地部署
GitHub 星标 0 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

适用场景

RAGPython本地部署语义搜索PDF处理问答系统LLM集成

安装与配置

stdio · 本地进程 无需鉴权
客户端在本机拉起子进程,数据不出本机
python -m venv .venv

这条命令只是入口,具体启动参数请按官方文档补齐,不要直接照搬到别的服务器。

  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

  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 资料标注无需鉴权,装好就能连。

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。
  • 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
Mayankbisht Tech MCP当前 未标注 stdio · 本地进程 本地部署 有 2026-05-17
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mayankbisht-tech上游标注的维护方 mayankbisht-tech
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
鉴权方式无需鉴权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2026-05-17上游最后核验时间

详细介绍

1.4 KB
来自项目仓库与上游目录的原文,未做删改

# RAG-Based Chatbot

A minimal RAG (Retrieval-Augmented Generation) chatbot that answers questions based on PDF documents using semantic search and a Groq-hosted LLM.

Setup

  1. Clone the repository

  2. Create virtual environment and install dependencies:```bash
    python -m venv .venv
    .venv\Scripts\activate # Windows
    pip install -r requirements.txt


3. Add your API key to `.env`:```env
GROQ_API_KEY="your-groq-api-key"
  1. Add your PDF files to rag/books/ folder

  2. Index the documents:```bash
    cd rag
    python vector_store.py
    cd ..


6. Run the chatbot:```bash
python rag/reteriver.py

Usage

Type your questions and the bot will answer based on the indexed PDF documents. Type exit or quit to stop.

Project Structure```text

├── rag/
│ ├── books/ # Place your PDF files here
│ ├── loader.py # PDF loading
│ ├── chunker.py # Text chunking
│ ├── embedder.py # Embedding utilities
│ ├── vector_store.py # Document indexing
│ ├── model_config.py # LLM provider/model settings
│ └── reteriver.py # Chatbot interface
├── requirements.txt
└── README.md
```

Notes

  • The qdrant_data/ folder is created automatically when you run vector_store.py
  • You need to re-run vector_store.py whenever you add new PDFs
  • On a new device, add your PDFs to rag/books/ and run the indexing step

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
Mayankbisht Tech MCP 怎么安装?

在客户端按下面的安装命令接入:python -m venv .venv。装完在客户端配置里引用同一个包或端点。

Mayankbisht Tech MCP 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。

Mayankbisht Tech MCP 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。

Mayankbisht Tech MCP 需要 API Key 吗?

资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Mayankbisht Tech MCP 能提供哪些能力?

资料显示能力标签包括 RAG、搜索、Python、问答系统、PDF处理。具体工具清单以官方文档为准。

Mayankbisht Tech MCP 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。

Mayankbisht Tech MCP 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 2026-05-17。