minima (Dmayboroda)

MCP搜索检索

提供方 dmayboroda

搜索检索 未标注 API Key 社区 / 第三方 Claude

Minima是一个开源的本地RAG容器,支持与ChatGPT和MCP集成,也可作为完全本地的RAG或与自定义部署的LLM一起使用。

一句话选型结论

按资料字段整理

minima (Dmayboroda) 属于搜索检索类 MCP 服务器,传输方式未标注,API Key,可直接接入 Claude,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 传输方式未标注 鉴权API Key 部署方式未标注
GitHub 星标 1,048 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

支持客户端

适用场景

RAGPython本地部署LLM集成文档检索容器化

安装与配置

未标注 API Key
上游未给出传输方式
  1. 1
    准备运行环境

    按官方文档确认运行环境(常见为 Node.js 或 Python),装好后再执行安装命令。

  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

  • 已适配 Claude,换客户端不用重新研究配置。
  • 仓库有一定关注度(星标 1,048),遇到问题更容易搜到资料。

先想清楚的地方

  • 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。
  • 使用前要准备好API Key对应的凭据,并按最小权限配置。
  • 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。
  • 已经在用 Claude 的用户,接入路径最短。
  • 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

  • 不方便管理密钥或第三方授权的人。
  • 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
minima (Dmayboroda)当前 未标注 未标注 未标注 无 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dmayboroda上游标注的维护方 dmayboroda
分类搜索检索本站按上游分类展示
连接方式未标注上游未给出传输方式
鉴权方式API Key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
部署类型未标注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

8.7 KB
来自项目仓库与上游目录的原文,未做删改

最小 是一个开源的RAG本地容器,能够与ChatGPT和MCP集成。
Minima也可以用作完全本地的RAG或与您自己部署的LLM一起使用。

Minima目前支持四种模式:

  1. 独立安装(Ollama) –使用容器完全在本地运行,不受ChatGPT或Claude等外部依赖。所有神经网络(LLM、重新登录、嵌入)都在您的云或PC上运行,确保您的数据保持安全。

  2. 自定义LLM(与OpenAI兼容的API) –将您自己部署的LLM与OpenAI兼容的API(vLLM、Ollama服务器、TGI等)一起使用。索引器在本地运行,而LLM可以在您的服务器、云或本地计算机上运行。无需Ollama部署,资源使用量更低,完全控制LLM基础设施。

  3. 自定义GPT –使用ChatGPT应用程序或带有自定义GPT的web查询您的本地文档。索引器在您的云或本地PC上运行,而主LLM仍然是ChatGPT。

  4. 安thropic克劳德 –使用Anthropic Claude应用程序查询您的本地文档。索引器在您的本地PC上运行,而Anthropic Claude担任主要的LLM。


作为容器运行

run.sh快速入门

启动Minima最简单的方法是使用 run.sh 脚本:```bash
./run.sh


您将看到以下选项:```
Select an option:
1) Fully Local Setup (Ollama)
2) Custom LLM (OpenAI-compatible API)
3) ChatGPT Integration
4) MCP usage
5) Quit

手动Docker编写命令

  1. 在项目的根目录中创建一个.env文件(您可以在其中找到.env.sample)。将.env放在同一个文件夹中,并将所有环境变量从.env.sample复制到.env。

  2. 确保.env文件包含以下变量:

  • LOCAL_FILES_PATH

  • EMBEDDING_MODEL_ID

  • EMBEDDING_SIZE

  • OLLAMA_MODEL (only for Ollama mode)

  • RERANKER_MODEL (only for Ollama mode)

  • LLM_BASE_URL (only for Custom LLM mode)

  • LLM_MODEL (only for Custom LLM mode)

  • LLM_API_KEY (optional for Custom LLM mode)

  • USER_ID

  • required for ChatGPT integration, just use your email

  • PASSWORD

  • required for ChatGPT integration, just use any password
  1. 对于完全本地安装使用: docker compose-f docker-compose-ollama.yml--环境文件.env up--构建.

  2. 对于自定义LLM部署(与OpenAI兼容的API),请使用: docker-compose-f docker-compose-custom-llm.yml--环境文件.env-up--构建.

  3. 对于启用ChatGPT的安装,请使用: docker compose-f docker-compose-chatgpt.yml-env文件.env-up-build.

  4. 对于MCP集成(Anthropic Desktop应用程序使用): docker compose-f docker-compose-mcp.yml--env文件.env up--build.

  5. 如果启用了ChatGPT安装,请从启动docker的终端复制OTP并使用 GPT最小值

  6. 如果你使用Anthropic Claude,只需添加以下内容 /库/应用程序\支持/Claude/Claude_desktop_config json```
    {
    "mcpServers": {
    "minima": {
    "command": "uv",
    "args": [
    "--directory",
    "/path_to_cloned_minima_project/mcp-server",
    "run",
    "minima"
    ]
    }
    }
    }


8. 要使用完全本地安装,请转到 `cd electron`,然后运行 `npm install` 和 `npm start` 将推出Minima电子应用程序。

1. 问任何问题,你都会得到基于{local_files_PATH}文件夹中本地文件的答案。

______________________________________________________________________

## 变量解释

**本地文件路径**:指定用于索引的根文件夹(在您的云端或本地电脑上)。索引是一个递归过程,这意味着此根文件夹的子文件夹中的所有文档也将被索引。支持的文件类型:.pdf、.xls、.docx、.txt、.md、.csv。

**嵌入模型ID**:指定要使用的嵌入模型。目前,仅支持句子转换器模型。已经使用句子转换器/all-mpnet-base-v2进行了测试,但也可以使用其他句子转换器模型。

**嵌入大小**:定义模型提供的嵌入维度,这是配置Qdrant向量存储所必需的。确保此值与指定embedding_MODEL_ID的实际嵌入大小匹配。

**OLLAMA_模型**:设置Ollama模型,使用Ollama上提供的ID 站点。请在此处使用LLM模型,而不是嵌入。这仅在使用Ollama时需要(在使用自定义LLM时不需要)。

**LLM_BASE_URL**:(可选)自定义OpenAI兼容LLM API终结点的基本URL。设置此选项后,将不会使用Ollama,您也不需要部署它。

**LLM模型**:(可选)自定义LLM的型号名称。设置LLM_BASE_URL时需要。

**LLM_API_KEY(LLM_API_密钥)**:(可选)自定义LLM的API密钥。如果LLM不需要身份验证,则可以省略此项或将其设置为任何值。

**重新链接模型**:指定Ollama模式的重新定位模型。目前,我们已经使用BAAI重新登录器进行了测试。您可以使用此功能探索所有可用的重新登录者 链接. **注:** 对于自定义LLM模式,这不是必需的-如果您使用LLM_BASE_URL,则不会下载重新链接器模型。

**USER_ID**:只需在此处使用您的电子邮件,这是验证自定义GPT以搜索您的数据所必需的。

**密码**:在此处输入任何密码,这用于为上面指定的电子邮件创建一个firebase帐户。

______________________________________________________________________

## 例子

**Ollama本地/本地使用的.env文件示例:**```
LOCAL_FILES_PATH=/Users/davidmayboroda/Downloads/PDFs/
EMBEDDING_MODEL_ID=sentence-transformers/all-mpnet-base-v2
EMBEDDING_SIZE=768
OLLAMA_MODEL=qwen2:0.5b # must be LLM model id from Ollama models page
RERANKER_MODEL=BAAI/bge-reranker-base # please, choose any BAAI reranker model

自定义LLM部署的.env文件示例(与OpenAI兼容的API):```
LOCAL_FILES_PATH=/Users/davidmayboroda/Downloads/PDFs/
EMBEDDING_MODEL_ID=sentence-transformers/all-mpnet-base-v2
EMBEDDING_SIZE=768
LLM_BASE_URL=http://your-llm-address:port/v1 # Your custom LLM endpoint
LLM_MODEL=Qwen/Qwen-1.7B # Your model name
LLM_API_KEY=not-needed # Optional: API key if required

NOTE: OLLAMA_MODEL and RERANKER_MODEL are NOT needed for custom LLM mode

The Docker build will skip reranker download automatically


**重要提示:** 使用自定义LLM模式时,您不需要设置 `OLLAMA_MODEL` 或 `RERANKER_MODEL` 变量。自定义LLM工作流使用直接检索而无需重新排序,以获得更好的性能。在构建过程中,Dockerfile将自动跳过下载重新链接器模型。

要使用聊天用户界面,请导航到 **http://localhost:3000**

与Ollama相比,自定义LLM模式使用不同的工作流程:

**Ollama工作流程:**

1. 用户查询→ 查询增强(LLM调用)
1. 通过重新排序进行文档检索(HuggingFace CrossEncoder)
1. 应答生成(LLM呼叫)

**自定义LLM工作流:**

1. 用户查询→ LLM决定是否需要文档搜索(函数调用)
1. 如果需要:直接矢量搜索(无需重新排序)
1. LLM在有或没有检索到的上下文的情况下生成答案

**兼容的LLM服务器:**

- **vLLM** -高性能推理服务器(`http://your-server:8000/v1`)
- **文本生成推理(TGI)** -Hugging Face的推理服务器
- **Ollama服务器** -Ollama在API模式下运行
- **文学硕士** -多个LLM提供商的代理
- **LocalAI** -OpenAI兼容的局部推理
- **OpenAI API** -直接使用OpenAI的API
- **任何与OpenAI兼容的端点**

这将自动使用 `docker-compose-custom-llm.yml` 其仅部署必要的服务(没有Ollama容器)。

**Claude应用程序的.env文件示例:**```
LOCAL_FILES_PATH=/Users/davidmayboroda/Downloads/PDFs/
EMBEDDING_MODEL_ID=sentence-transformers/all-mpnet-base-v2
EMBEDDING_SIZE=768

对于Claude应用程序,请按照上述说明将更改应用于Claude_desktop_config.json文件。

要将MCP与GitHub Copilot一起使用:

  1. 在项目的根目录中创建一个.env文件(您可以在其中找到env.sample)。将.env放在同一个文件夹中,并将所有环境变量从env.sample复制到.env。

  2. 确保.env文件包含以下变量:

  • 本地文件路径
  • 嵌入模型ID
  • 嵌入大小
  1. 创建或更新 .vscode/mcp.json 具有以下配置:```json
    {
    "servers": {
    "minima": {
    "type": "stdio",
    "command": "path_to_cloned_minima_project/run_in_copilot.sh",
    "args": [
    "path_to_cloned_minima_project"
    ]
    }
    }
    }

**ChatGPT自定义GPT使用的.env文件示例:**```
LOCAL_FILES_PATH=/Users/davidmayboroda/Downloads/PDFs/
EMBEDDING_MODEL_ID=sentence-transformers/all-mpnet-base-v2
EMBEDDING_SIZE=768
USER_ID=user@gmail.com # your real email
PASSWORD=password # you can create here password that you want

此外,您还可以使用以下命令运行最小值 run.sh.


对于MCP的使用,请确保您的本地计算机python>=3.10并且安装了“uv”。

迷你马(https://github.com/dmayboroda/minima)根据Mozilla公共许可证v2.0(MPLv2)获得许可。

常见问题

6 问
答案由本站依据条目字段整理,不引用上游原文
minima (Dmayboroda) 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。

minima (Dmayboroda) 怎么在 Claude 里配置?

它的传输方式未标注,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,配置才会生效。

minima (Dmayboroda) 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。

minima (Dmayboroda) 需要 API Key 吗?

资料标注需要API Key认证,使用前准备好对应凭据,并按最小权限配置。

minima (Dmayboroda) 支持哪些客户端?

资料标注支持 Claude;其他客户端只要能配置 MCP Server,也能用同样的命令或地址接入。

minima (Dmayboroda) 能提供哪些能力?

资料显示能力标签包括 RAG、容器化、Python、Claude、文档检索。具体工具清单以官方文档为准。

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。