项目简介

该项目是LangChain.js学习资源的一部分，其中包含了一个完整的智能检索MCP服务端实现。这个服务端能够托管和管理一个内存中的文档知识库，并通过Model Context Protocol (MCP) 标准协议，向外部LLM（大型语言模型）客户端暴露文档搜索和添加工具。它旨在演示如何构建一个可供AI代理调用的、功能独立的上下文服务。

主要功能点

托管和管理文档资源：在内存中维护一个文档知识库，支持动态添加新文档。
提供数据访问能力：LLM客户端可以通过标准化的MCP工具调用，对知识库进行语义搜索，获取相关文档内容。
注册和执行工具：向MCP客户端声明并提供 'searchDocuments' （搜索文档）和 'addDocument' （添加文档）两个核心工具。
遵循JSON-RPC协议：与MCP客户端通过JSON-RPC协议进行通信，确保交互的标准性和互操作性。
支持Stdio传输协议：默认通过标准输入/输出（Stdio）进行通信，方便作为子进程由MCP客户端启动和管理。

安装步骤

克隆仓库：

git clone https://github.com/DanWahlin/LangChainJS-for-Beginners.git
cd LangChainJS-for-Beginners

安装依赖：
```
npm install
```

配置环境变量：在项目根目录创建 '.env' 文件，并根据你的AI服务提供商（如GitHub Models或Azure AI Foundry）填写以下信息：

AI_API_KEY="你的AI服务API密钥"
AI_ENDPOINT="你的AI服务API地址" # 例如：https://api.github.com/copilot_model_inference/v1/deployments
AI_MODEL="你的AI模型名称" # 例如：gpt-5-mini
AI_EMBEDDING_MODEL="你的嵌入模型名称" # 例如：text-embedding-3-small

注意：'AI_MODEL' 和 'AI_EMBEDDING_MODEL' 的具体值需根据你的AI服务提供商实际支持的模型而定。

服务器配置（供MCP客户端使用）

MCP服务器通常由MCP客户端以子进程形式启动和管理。以下是MCP客户端连接此RAG服务所需的配置信息（JSON格式的配置示例，你需要在客户端配置中填写）：

{
  "serverName": "智能检索服务",
  "command": "npx",
  "args": [
    "tsx",
    "07-agentic-rag-systems/samples/mcp-rag-server/mcp-rag-server.ts"
  ],
  "description": "提供知识库文档的检索和管理功能"
}

配置说明：

'serverName': 服务器的名称，用于客户端标识。
'command': 启动MCP服务器进程的命令。在此项目中，是使用'npx'运行TypeScript脚本。
'args': 传递给'command'的参数，指定要运行的服务器脚本路径。

基本使用方法

MCP服务器的设计理念是作为后端服务由客户端调用。通常，你不需要手动启动它，而是由配置好的MCP客户端自动启动。

作为客户端的后端服务：假设你有一个兼容MCP协议的LLM客户端（例如，另一个基于'@modelcontextprotocol/sdk/client'的项目或框架），你只需将上述“服务器配置”添加到客户端的配置文件中。当客户端需要调用检索功能时，它会自动启动此RAG服务端。
（可选）手动启动服务器（仅用于测试或调试）：在项目根目录，打开一个终端并运行：
```
npx tsx 07-agentic-rag-systems/samples/mcp-rag-server/mcp-rag-server.ts
```
服务器会显示“MCP Server initialized and ready for connections”信息，等待客户端连接。

启动后，LLM客户端即可通过JSON-RPC调用该服务器暴露的工具：

'searchDocuments'：根据语义相似度在知识库中检索文档。
'addDocument'：向知识库中添加新的文档内容。

关键词

项目简介

主要功能点

安装步骤

服务器配置（供MCP客户端使用）

基本使用方法

信息