Verse Rag

MCP搜索检索

提供方 berry-13

搜索检索 未标注 无需鉴权 社区 / 第三方 Claude

verse-rag是一个本地优先的RAG MCP服务器,专为Verse/UEFN文档设计,支持完全离线运行,使用Ollama嵌入和pgvector存储。

一句话选型结论

按资料字段整理

Verse Rag 属于搜索检索类 MCP 服务器,传输方式未标注,无需鉴权,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 鉴权无需鉴权 部署方式未标注
GitHub 星标 1 仓库热度,无公开仓库时显示未标注
工具数 5 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5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混合部署本地优先文档索引语义搜索AI辅助编程

安装与配置

未标注 无需鉴权
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

    连接成功后客户端会列出约 5 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 5 个工具,职责相对集中,接入后不容易误操作。
  • 已适配 Claude,换客户端不用重新研究配置。
  • 资料标注无需鉴权,装好就能连。

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。
  • 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

  • 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
Verse Rag当前 5 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berry-13上游标注的维护方 berry-13
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

8.1 KB
来自项目仓库与上游目录的原文,未做删改

verse-rag

Local-first RAG MCP Server for Verse / UEFN Documentation
Fully air-gapped · Ollama embeddings · pgvector · Model Context Protocol


概述

诗歌抹布 生产准备好了吗 模型上下文协议(MCP) 服务器,使AI编码助手能够抓取、索引和语义搜索文档——完全在本地基础设施上。

最初分叉自 coleam00/mcp-crawl4ai-rag,这个fork是对存储层和嵌入层的彻底重写:

上游 这个叉子
OpenAI嵌入 Ollama(qwen3-embedding:8b,4096调光)
Supabase云 自托管pgvector+PostgREST
supabase-py 客户端 直接 httpx 调用PostgREST
阻止嵌入+存储 即发即弃后台任务

结果是一个完全离线运行的堆栈,没有外部API调用,没有云依赖,也没有API成本。


建筑```

Claude Code / AI Client
│ SSE (port 8051)
▼
┌─────────────┐
│ MCP Server │ crawl4ai_mcp.py — FastMCP + Crawl4AI
└──────┬──────┘
│ httpx
▼
┌──────────────┐ ┌─────────────────┐
│ PostgREST │──────▶│ PostgreSQL 16 │
│ (REST API) │ │ + pgvector │
└──────────────┘ └─────────────────┘
│
│ /api/embed
▼
┌─────────────┐
│ Ollama │ qwen3-embedding:8b (4096 dims)
└─────────────┘


**服务(Docker Compose):**

|容器|图像|角色|
|---|---|---|
| `verse-rag-db` | `pgvector/pgvector:pg16` |矢量存储|
| `verse-rag-postgrest` | `postgrest/postgrest:v12.2.0` |PostgreSQL上的REST API|
| `verse-rag-mcp` | `verse-rag:latest` (本地构建)|MCP服务器|

Ollama在主机上(或在另一个容器中)作为单独的服务运行——这个堆栈通过 `ollama` Docker网络。

______________________________________________________________________

## MCP工具

|工具|说明|
|---|---|
| `crawl_single_page` |抓取一个URL并将其排队以进行索引|
| `smart_crawl_url` |根据内部链接递归抓取网站|
| `crawl_verse_docs` |抓取Verse/UEFN官方文档的快捷方式|
| `perform_rag_query` |语义(或混合)搜索,可选源过滤|
| `get_available_sources` |列出数据库中的所有索引源|

所有抓取工具都会立即返回——嵌入和存储在后台任务中运行,因此MCP调用永远不会阻止等待Ollama。

______________________________________________________________________

## 先决条件

- **码头工人** 和 **Docker Compose**
- **奥拉玛** 跑步与 `qwen3-embedding:8b` 拉:```bash
ollama pull qwen3-embedding:8b
  • 三个外部Docker网络: mcps, nginx, `ollama````bash
    docker network create mcps
    docker network create nginx
    docker network create ollama

______________________________________________________________________

## 快速开始

### 1.克隆```bash
git clone https://github.com/berry-13/verse-rag.git
cd verse-rag

2.构建MCP镜像```bash

docker build -f docker/Dockerfile -t verse-rag:latest .


### 3.启动堆栈```bash
docker compose -f docker/compose.yml up -d

这将开始:

  • PostgreSQL与pgvector(verse-rag-db)
  • PostgREST自动REST层(verse-rag-postgrest)
  • 端口上的MCP服务器 8051 (verse-rag-mcp)

4.连接您的MCP客户端

克劳德代码:```bash
claude mcp add-json verse-rag '{"type":"sse","url":"http://localhost:8051/sse"}' --scope user


**任何SSE兼容客户端:**```json
{
"mcpServers": {
"verse-rag": {
"transport": "sse",
"url": "http://localhost:8051/sse"
}
}
}

配置

所有配置都是通过环境变量进行的。中的默认值 docker/compose.yml 已准备好用于标准本地设置。

变量 默认值 描述
OLLAMA_BASE_URL http://ollama:11434 奥拉马终点
EMBEDDING_MODEL qwen3-embedding:8b Ollama嵌入模型
SUPABASE_URL http://postgrest:3000 PostgREST端点
SUPABASE_SERVICE_KEY (JWT在composity.yml中) PostgREST JWT令牌
USE_HYBRID_SEARCH true 结合矢量+全文搜索
USE_RERANKING true 交叉编码器对结果进行重新排序
HOST 0.0.0.0 MCP服务器绑定地址
PORT 8051 MCP服务器端口
TRANSPORT sse MCP传输(sse 或 stdio)
MAX_CRAWL_DEPTH 3 最大递归爬行深度
MAX_CONCURRENT_CRAWLS 5 并行爬行工人

RAG战略

混合搜索(USE_HYBRID_SEARCH=true)

将pgvector余弦相似度与PostgreSQL全文搜索相结合(tsvector).结果以加权组合的形式评分(0.7 矢量+ 0.3 文本)使用a FULL OUTER JOIN 在 hybrid_search_crawled_pages SQL函数。

最适合技术文档,其中精确的术语匹配(函数名、关键字)与语义相似性都很重要。

重新排名(USE_RERANKING=true)

初始检索后,应用交叉编码器模型(cross-encoder/ms-marco-MiniLM-L-6-v2)根据原始查询对结果进行重新评分和排序。在CPU上本地运行,无需API成本。增加约100-200毫秒的查询延迟,以换取更好的结果排序。


数据库模式

这 init.sql 创建:

  • crawled_pages --主桌 vector(4096) 嵌入(匹配 qwen3-embedding:8b)、来源标签和a UNIQUE(url, chunk_number) 幂等扰动的约束
  • match_crawled_pages() --向量相似性搜索函数
  • hybrid_search_crawled_pages() --组合式矢量+全文搜索功能
  • GIN指数 content 用于全文搜索
  • B-树指数 source_id 用于源过滤

> 注: ivfflat/hnsw 索引限制为2000个维度。在4096个dims时,查询使用顺序扫描——这对于文档规模的数据集来说是可以接受的。


业绩说明

  • 批量嵌入: 页面中的所有块都嵌入在一个单独的块中 /api/embed 打电话给Ollama
  • 批量追加销售: 所有记录都写在一个单独的 POST 使用以下方式发布gREST Prefer: resolution=merge-duplicates
  • 信号量: 嵌入请求通过以下方式序列化 asyncio.Semaphore(1) 因为Ollama一次处理一个嵌入作业
  • 即发即弃: 爬行工具立即返回;背景 asyncio.Task 处理嵌入+存储。通过以下方式监控进度:```bash
    docker logs verse-rag-mcp -f

______________________________________________________________________

## 发展

### 代码更改后重建

只有最后一个Docker层(`COPY src/`)在源代码更改时无效,因此重建很快:```bash
docker build -f docker/Dockerfile -t verse-rag:latest . && \
docker compose -f docker/compose.yml up -d mcp

项目结构```

verse-rag/
├── src/
│ ├── crawl4ai_mcp.py # MCP server, tool definitions, lifespan
│ └── utils.py # Embeddings, chunking, PostgREST client
├── docker/
│ ├── Dockerfile # Build definition
│ ├── compose.yml # Full stack definition
│ └── init.sql # PostgreSQL schema + functions
├── knowledge_graphs/ # Optional Neo4j hallucination detection
└── pyproject.toml


______________________________________________________________________

## 故障排除

**CUDA不可用/Olama SIGABRT**

GPU可能在 `Exclusive_Process` 模式。重置它:```bash
sudo nvidia-smi -c 0

此操作在重新启动时重置,必须在驱动程序重新加载后重新应用。

容器重启后MCP工具挂起

Claude Code缓存SSE会话ID。重新启动MCP容器后,在使用任何工具之前,重新启动Claude Code以清除过时的会话。

嵌入无声地失败

检查后台任务输出:bash docker logs verse-rag-mcp -f | grep -E "✅|❌"


许可证

麻省理工学院

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
Verse 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。

Verse Rag 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。

Verse 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。

Verse Rag 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。

Verse Rag 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。

Verse Rag 能提供哪些能力?

资料显示约 5 个工具;能力标签包括 RAG、本地优先、Python、Claude、搜索。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。