RAG MCP Server for Grounding

使用说明（Markdown 格式）

• 项目简介

  • 本仓库实现了一个基于 MCP 协议的后端服务器，用于将 Grounding RAG（检索-嵌入- rerank- 上下文扩展）功能通过 MCP 向 LLM 客户端提供上下文信息与工具调用能力。服务器通过标准的 MCP 连接方式与客户端通信，支持查看、执行检索工具等。

• 主要功能点

  • rag_search：对查询进行全量检索，包含嵌入检索、混合检索、reranking 与上下文扩展，输出证据包形式的结果。
  • rag_search_quick：快速检索，不执行 reranking，适用于对延迟敏感的场景。
  • 通过 FastMCP 提供 MCP 服务器能力，支持 stdio 与 http 传输。
  • 与 Grounding 配置和外部服务（Qdrant、Voyage、SPLADE 等）对接，用于完整的向量检索与证据生成流程。
  • 提供服务器配置、健康检查与结果转换等辅助能力，便于集成到现有工作流。

• 安装步骤

  • 前提：需要安装 uv 包管理器，以及相关 API keys（Voyage、Qdrant）。
  • 克隆并安装：
    • git clone https://github.com/MattMagg/agentic-rag-sdk.git
    • cd agentic-rag-sdk
    • uv pip install -e .
  • 配置环境变量（示例中需提供以下键值：QDRANT_URL、QDRANT_API_KEY、VOYAGE_API_KEY）。
  • 启动 MCP 服务器（示例命令，实际路径请替换为本地路径）：
    • uv run rag-mcp-server
  • 服务器运行后，客户端即可通过 MCP 配置连接并调用 rag_search 等工具。

• 服务器配置（MCP 客户端配置示例，JSON 格式） { "mcpServers": { "rag": { "command": "uv", "args": ["run", "--directory", "/path/to/agentic-rag-sdk", "rag-mcp-server"], "env": { "QDRANT_URL": "https://your-cluster.qdrant.io", "QDRANT_API_KEY": "your-qdrant-key", "VOYAGE_API_KEY": "your-voyage-key" } } } } 说明：

  • rag：服务器在 MCP 客户端中的名称标识。
  • command、args：启动服务器的命令及参数，且指定工作目录为仓库内 rag-mcp-server 的入口点。
  • env：绑定访问外部服务所需的密钥与地址，请替换为实际值。
  • 该配置用于与 MCP 客户端建立连接并启动 rag-mcp-server 提供的工具。

• 基本使用方法

  • 启动后，客户端可以通过 MCP 调用 rag_search、rag_search_quick 等工具，传入查询字符串、过滤条件、拓展选项等，服务器将返回 Johnny-风格的证据包形式结果以及辅助信息。
  • 典型工作流：
    • 客户端发送一个检索请求（query）给 rag_search，期望得到包含文本、元数据、分数等信息的结果集合。
    • 如需要加速速度，可使用 rag_search_quick；若需要更高质量排序，使用 rag_search。
    • 结果可由客户端进一步解析、展示给用户或用于后续推理。

• 运行注意事项

  • 需要正确配置 Qdrant、Voyage 的连接信息以及相关环境变量（API Key/URL 等）。
  • MCP 服务端实现了核心检索工具暴露，客户端可以通过 MCP 进行请求与接收响应。

• 其他说明

  • 该实现基于 Grounding RAG 的检索管线，涉及向量检索、稀疏向量、跨模型嵌入与 rerank 等步骤，适合需要在对话中提供代码/docs 证据的 AI 助手场景。