MCP Tool Rag Query V2

MCP搜索检索

提供方 taixingbi

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

基于Chroma Cloud和LangChain的RAG管道,通过MCP协议提供文档检索与生成功能,适用于知识库问答和内容增强场景。

一句话选型结论

按资料字段整理

MCP Tool Rag Query V2 属于搜索检索类 MCP 服务器,stdio · 本地进程,Token,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Token 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 2 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2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

知识检索Python本地部署问答系统内容生成LangChainChromaCloud

安装与配置

stdio · 本地进程 Token
客户端在本机拉起子进程,数据不出本机
pip install --upgrade pip

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

    连接成功后客户端会列出约 2 个工具,随便调一个只读工具确认能返回结果。

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

  • 资料标注 2 个工具,职责相对集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。

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。
  • 使用前要准备好Token对应的凭据,并按最小权限配置。
  • 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。
  • 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
MCP Tool Rag Query V2当前 2 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taixingbi上游标注的维护方 taixingbi
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Token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

4.3 KB
来自项目仓库与上游目录的原文,未做删改

RAG管道

RAG使用 铬云 (密集搜索)和 LangChain.通过以下方式显示工具 主控程序 (模型上下文协议),以便客户端可以调用 rag_query 和 rag_query_with_chunks 通过HTTP。


设置

创建virtualenv并安装依赖项:```bash
python3.11 -m venv venv
source venv/bin/activate # or: venv\Scripts\activate on Windows
pip install --upgrade pip
pip install -r requirements.txt


创建一个 `.env` 项目根目录中的文件:```
APP_VERSION=v:1.01
OPENAI_API_KEY=your-openai-key
CHROMA_API_KEY=...
CHROMA_TENANT=...
CHROMA_DATABASE=rag_dev

本地开发

运行MCP HTTP服务器```bash

uvicorn main:app --reload --port 8000


### 测试终点

**健康检查:**```bash
curl http://127.0.0.1:8000/health

调用MCP工具 (使用尾随斜线 /mcp/ 为了避免307重定向):

rag_query_with_chunks --以JSON格式返回answer+排名块:```bash
curl -s --max-time 60 -X POST \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-d '{
"jsonrpc": "2.0",
"id": "call-001",
"method": "tools/call",
"params": {
"name": "rag_query_with_chunks",
"arguments": {
"question": "what is Taixing visa?",
"request_id": "12345678",
"session_id": "123456"
}
}
}' \
http://localhost:8000/mcp/


响应为JSON-RPC;工具结果是一个JSON字符串,其中包含: `answer`, `chunks` (每个与 `rank`, `chunk_id`, `source`, `preview`, `text`, `scores` (例如。 `bm25_raw`, `bm25_norm`, `dense_raw`, `dense_norm`, `distance`, `hybrid`), `metadata`), `used_chunk_ids` (用于答案的唯一块ID), `retrieval` (`k`, `alpha`, `filters`, `warnings`).

______________________________________________________________________

## 码头工人

构建并运行:```bash
docker build -t rag-mcp .
docker run -p 8000:8000 --env-file .env rag-mcp

> 注: 如果你看到 “必须设置api_key客户端选项”,确保 --env-file .env 指向包含以下内容的文件 OPENAI_API_KEY.


Fly.io部署

每个环境使用一个应用程序: mcp-tool-rag-query-v2-{env} 哪里 {env} = dev, qa,或 prod每个应用程序都有自己的秘密;相同的 fly.toml 适用于所有人。

一次性设置```bash

brew install flyctl
fly auth login
fly auth token # Use output as GitHub Actions secret FLY_API_TOKEN if using CI


### 创建应用程序

每个环境运行一次:```bash
fly launch --name mcp-tool-rag-query-v2-dev
fly launch --name mcp-tool-rag-query-v2-qa
fly launch --name mcp-tool-rag-query-v2-prod

设置秘密```bash

fly deploy --no-cache --app mcp-tool-rag-query-v2-dev
fly deploy --no-cache --app mcp-tool-rag-query-v2-qa
fly deploy --no-cache --app mcp-tool-rag-query-v2-prod


**问答** (从 `.env.qa`):```bash
curl https://mcp-tool-rag-query-v2-dev.fly.dev/health

生产环境 (从 .env.prod):

> 提示: 如果 grep/cut 损坏密钥(例如401错误),直接粘贴密钥: `fly secrets set -a mcp-tool-rag-query-v2-dev OPENAI_API_KEY="sk-proj-YOUR_KEY"````bash
curl -s --max-time 60 -X POST \
-H "Content-Type: application/json" \
-H "Accept: application/json, text/event-stream" \
-d '{
"jsonrpc": "2.0",
"id": "call-001",
"method": "tools/call",
"params": {
"name": "rag_query_with_chunks",
"arguments": {
"question": "what is Taixing expected compensation?",
"request_id": "12345678",
"session_id": "123456"
}
}
}' \
https://mcp-tool-rag-query-v2-dev.fly.dev/mcp/


### 测试部署的应用程序

替换 `{env}` 随着 `dev`, `qa`,或 `prod`:

**健康检查:**```bash
curl https://mcp-tool-rag-query-v2-dev.fly.dev/health

调用MCP工具:

rag_query_with_chunks --答案加上以JSON形式排列的块:bash curl -s -X POST \ -H "Content-Type: application/json" \ -H "Accept: application/json, text/event-stream" \ -d '{"jsonrpc":"2.0","id":"call-001","method":"tools/call","params":{"name":"rag_query_with_chunks","arguments":{"question":"what is Taixing visa?","request_id":"12345678","session_id":"123456"}}}' \ https://mcp-tool-rag-query-v2-dev.fly.dev/mcp/

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
MCP Tool Rag Query V2 怎么安装?

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

MCP Tool Rag Query V2 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。

MCP Tool Rag Query V2 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。

MCP Tool Rag Query V2 需要 API Key 吗?

资料标注需要Token认证,使用前准备好对应凭据,并按最小权限配置。

MCP Tool Rag Query V2 能提供哪些能力?

资料显示约 2 个工具;能力标签包括 内容生成、Python、问答系统。具体工具清单以官方文档为准。

MCP Tool Rag Query V2 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。

MCP Tool Rag Query V2 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。