Semiconductor Component RAG Search

MCP搜索检索

提供方 chakradharkalle03-arch

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MCP协议、ChromaDB和HuggingFace模型的检索增强生成系统,用于半导体组件的搜索和问答。

一句话选型结论

按资料字段整理

Semiconductor Component RAG Search 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

半导体搜索Python本地部署检索增强生成向量数据库问答系统MCP协议

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
pip install -r requirements.txt

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 Node.js 等运行时,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
Semiconductor Component RAG Search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chakradharkalle03-arch上游标注的维护方 chakradharkalle03-arch
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 · 未标注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

3.2 KB
来自项目仓库与上游目录的原文,未做删改

基于MCP的半导体元件搜索RAG系统

该项目展示了 MCP(模型上下文协议) 与ChromaDB和HuggingFace模型集成,用于检索增强生成(RAG)。

项目概述

该系统显示了如何 MCP工作 及其 目的:

  • 主控程序 为上下文检索提供了一个标准化的协议
  • ChromaDB 存储和检索语义嵌入
  • RAG管道 将检索与LLM生成相结合
  • 后端API 允许文档上传和问答

建筑```

User Question → API Endpoint → RAG Pipeline
↓
Retrieval from ChromaDB (via embeddings)
↓
LLM generates answer with context
↓
Response to user


### 关键组件

1. **MCP服务器** (`mcp_server.py`):演示用于结构化上下文检索的MCP协议
1. **RAG管道** (`rag_pipeline.py`):处理嵌入(编码)和LLM(解码)
1. **FastAPI后端** (`main.py`):用于文档上传和问答的REST API
1. **ChromaDB**:用于语义搜索的矢量数据库

## 安装

1. **安装依赖项:**```bash
pip install -r requirements.txt
  1. 设置环境变量:
    创建一个 .env 文件或在中使用提供的HF API密钥 config.py

  2. 创建示例Excel文件:```bash
    python create_example_excel.py


## 用法

### 1.启动API服务器```bash
python main.py

API将于 http://localhost:8000

2.上传Excel文档```bash

curl -X POST "http://localhost:8000/upload" \
-H "accept: application/json" \
-F "file=@examples/semiconductor_components.xlsx"


或者使用FastAPI文档 `http://localhost:8000/docs`

### 3.提问```bash
curl -X POST "http://localhost:8000/ask" \
-H "Content-Type: application/json" \
-d '{"question": "What MOSFET components are available?", "n_results": 3}'

API终点

  • GET / -API信息
  • GET /health -健康检查
  • POST /upload -上传Excel文档
  • POST /ask -问一个问题
  • GET /info -获取收藏信息

MCP的工作原理

MCP(模型上下文协议) 作为以下内容的标准化接口:

  • 上下文检索:查询和检索相关信息的结构化方式
  • 工具定义:明确可用操作规范
  • 协议通信:组件之间的标准化通信

在本项目中:

  1. MCP服务器定义了查询ChromaDB的工具
  2. RAG管道使用MCP原理进行上下文检索
  3. 后端集成了MCP概念用于文档处理

模型使用

  • 编码(嵌入): sentence-transformers/all-MiniLM-L6-v2
  • 解码(LLM):HuggingFace的Llama模型(或回退到GPT-2)

示例问题

  • “有哪些MOSFET元件可用?”
  • “给我看看德州仪器的电压调节器”
  • “哪些组件适用于5V?”
  • “列出所有温度传感器”

项目结构```

MCP2/
├── main.py # FastAPI backend
├── rag_pipeline.py # RAG pipeline with embeddings & LLM
├── mcp_server.py # MCP server for ChromaDB
├── config.py # Configuration
├── create_example_excel.py # Generate example data
├── requirements.txt # Dependencies
├── examples/ # Example Excel files
└── chroma_db/ # ChromaDB storage (created automatically)
```

备注

  • 首次运行将从HuggingFace下载模型(需要API密钥)
  • ChromaDB数据保存在 ./chroma_db/ 目录
  • 上传的文件存储在 ./uploads/ 目录

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
Semiconductor Component RAG Search 怎么安装?

在客户端按下面的安装命令接入:pip install -r requirements.txt。装完在客户端配置里引用同一个包或端点。

Semiconductor Component RAG Search 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。

Semiconductor Component RAG Search 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。

Semiconductor Component RAG Search 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。

Semiconductor Component RAG Search 能提供哪些能力?

资料显示能力标签包括 检索增强生成、Python、问答系统、向量数据库。具体工具清单以官方文档为准。

Semiconductor Component RAG Search 需要什么运行环境?

属于本地进程,需要在本机装好运行环境。

Semiconductor Component RAG Search 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。