iflow-mcp_karaage0703-mcp-rag-server

# MCP RAG Server MCP RAG Serverは、Model Context Protocol (MCP)に準拠したRAG（Retrieval-Augmented Generation）機能を持つPythonサーバーです。マークダウン、テキスト、パワーポイント、PDFなど複数の形式のドキュメントをデータソースとして、multilingual-e5-largeモデルを使用してインデックス化し、ベクトル検索によって関連情報を取得する機能を提供します。 ## 概要 このプロジェクトは、MCPサーバーの基本的な実装に加えて、RAG機能を提供します。複数形式のドキュメントをインデックス化し、自然言語クエリに基づいて関連情報を検索することができます。 ## 機能 - **MCPサーバーの基本実装** - JSON-RPC over stdioベースで動作 - ツールの登録と実行のためのメカニズム - エラーハンドリングとロギング - **RAG機能** - 複数形式のドキュメント（マークダウン、テキスト、パワーポイント、PDF）の読み込みと解析 - 階層構造を持つソースディレクトリに対応 - markitdownライブラリを使用したパワーポイントやPDFからのマークダウン変換 - 選択可能なエンベディングモデル（multilingual-e5-large、ruriなど）を使用したエンベディング生成 - PostgreSQLのpgvectorを使用したベクトルデータベース - ベクトル検索による関連情報の取得 - 前後のチャンク取得機能（コンテキストの連続性を確保） - ドキュメント全文取得機能（完全なコンテキストを提供） - 差分インデックス化機能（新規・変更ファイルのみを処理） - **ツール** - ベクトル検索ツール（MCP） - ドキュメント数取得ツール（MCP） - インデックス管理ツール（CLI） ## 前提条件 - Python 3.10以上 - PostgreSQL 14以上（pgvectorエクステンション付き） ## インストール ### 依存関係のインストール ```bash # uvがインストールされていない場合は先にインストール # pip install uv # 依存関係のインストール uv sync ``` ### PostgreSQLとpgvectorのセットアップ #### Dockerを使用する場合 ```bash # pgvectorを含むPostgreSQLコンテナを起動 docker run --name postgres-pgvector -e POSTGRES_PASSWORD=password -p 5432:5432 -d pgvector/pgvector:pg17 ``` #### データベースの作成 PostgreSQLコンテナを起動した後、以下のコマンドでデータベースを作成します： ```bash # ragdbデータベースの作成 docker exec -it postgres-pgvector psql -U postgres -c "CREATE DATABASE ragdb;" ``` #### 既存のPostgreSQLにpgvectorをインストールする場合 ```sql -- pgvectorエクステンションをインストール CREATE EXTENSION vector; ``` ### 環境変数の設定 `.env`ファイルを作成し、以下の環境変数を設定します： ``` # PostgreSQL接続情報 POSTGRES_HOST=localhost POSTGRES_PORT=5432 POSTGRES_USER=postgres POSTGRES_PASSWORD=password POSTGRES_DB=ragdb # ドキュメントディレクトリ SOURCE_DIR=./data/source PROCESSED_DIR=./data/processed # エンベディングモデル設定 EMBEDDING_MODEL=intfloat/multilingual-e5-large EMBEDDING_DIM=1024 EMBEDDING_PREFIX_QUERY="query: " EMBEDDING_PREFIX_EMBEDDING="passage: " ``` ## エンベディングモデルの設定 このサーバーでは、環境変数でエンベディングモデルを選択できます。 ### サポートされているモデル #### multilingu…