{"$schema":"https://wellknown.network/schemas/agent-record-v1.json","schemaVersion":"1","id":"ag_jr4abbx89zp8","handle":"iflow-mcp-karaage0703-mcp-rag-server","url":"https://wellknown.network/agents/iflow-mcp-karaage0703-mcp-rag-server","links":{"self":"https://wellknown.network/agents/iflow-mcp-karaage0703-mcp-rag-server/record.json","html":"https://wellknown.network/agents/iflow-mcp-karaage0703-mcp-rag-server","markdown":"https://wellknown.network/agents/iflow-mcp-karaage0703-mcp-rag-server/record.md","api":"https://wellknown.network/api/v1/agents/iflow-mcp-karaage0703-mcp-rag-server","status":"https://wellknown.network/api/v1/agents/iflow-mcp-karaage0703-mcp-rag-server/status","claim":"https://wellknown.network/agents/iflow-mcp-karaage0703-mcp-rag-server/claim","claimApi":"https://wellknown.network/api/v1/claims","claimDescriptor":"https://wellknown.network/agents/iflow-mcp-karaage0703-mcp-rag-server/claim.json","badge":"https://wellknown.network/agents/iflow-mcp-karaage0703-mcp-rag-server/badge.svg","openapi":"https://wellknown.network/openapi.json","history":"https://wellknown.network/api/v1/agents/iflow-mcp-karaage0703-mcp-rag-server/history","tools":"https://wellknown.network/api/v1/agents/iflow-mcp-karaage0703-mcp-rag-server/tools"},"ard":{"identifier":"urn:air::server:iflow-mcp-karaage0703-mcp-rag-server","type":"application/mcp-server-card+json"},"kind":"mcp_server","declared":{"name":"iflow-mcp_karaage0703-mcp-rag-server","summary":"MCP RAG Server - Model Context Protocol (MCP)に準拠したRAG機能を持つPythonサーバー","description":"# MCP RAG Server\n\nMCP 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。\n\n## 概要\n\n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。\n\n## 機能\n\n- **MCPサーバーの基本実装**\n  - JSON-RPC over stdioベースで動作\n  - ツールの登録と実行のためのメカニズム\n  - エラーハンドリングとロギング\n\n- **RAG機能**\n  - 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\n  - 階層構造を持つソースディレクトリに対応\n  - 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\n  - 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\n  - PostgreSQLのpgvectorを使用したベクトルデータベース\n  - ベクトル検索による関連情報の取得\n  - 前後のチャンク取得機能（コンテキストの連続性を確保）\n  - ドキュメント全文取得機能（完全なコンテキストを提供）\n  - 差分インデックス化機能（新規・変更ファイルのみを処理）\n\n- **ツール**\n  - ベクトル検索ツール（MCP）\n  - ドキュメント数取得ツール（MCP）\n  - インデックス管理ツール（CLI）\n\n## 前提条件\n\n- Python 3.10以上\n- PostgreSQL 14以上（pgvectorエクステンション付き）\n\n## インストール\n\n### 依存関係のインストール\n\n```bash\n# 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\n# pip install uv\n\n# 依存関係のインストール\nuv sync\n```\n\n### PostgreSQLとpgvectorのセットアップ\n\n#### Dockerを使用する場合\n\n```bash\n# pgvectorを含むPostgreSQLコンテナを起動\ndocker run --name postgres-pgvector -e POSTGRES_PASSWORD=password -p 5432:5432 -d pgvector/pgvector:pg17\n```\n\n#### データベースの作成\n\nPostgreSQL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：\n\n```bash\n# ragdbデータベースの作成\ndocker exec -it postgres-pgvector psql -U postgres -c \"CREATE DATABASE ragdb;\"\n```\n\n#### 既存のPostgreSQLにpgvectorをインストールする場合\n\n```sql\n-- pgvectorエクステンションをインストール\nCREATE EXTENSION vector;\n```\n\n### 環境変数の設定\n\n`.env`ファイルを作成し、以下の環境変数を設定します：\n\n```\n# PostgreSQL接続情報\nPOSTGRES_HOST=localhost\nPOSTGRES_PORT=5432\nPOSTGRES_USER=postgres\nPOSTGRES_PASSWORD=password\nPOSTGRES_DB=ragdb\n\n# ドキュメントディレクトリ\nSOURCE_DIR=./data/source\nPROCESSED_DIR=./data/processed\n\n# エンベディングモデル設定\nEMBEDDING_MODEL=intfloat/multilingual-e5-large\nEMBEDDING_DIM=1024\nEMBEDDING_PREFIX_QUERY=\"query: \"\nEMBEDDING_PREFIX_EMBEDDING=\"passage: \"\n```\n\n## エンベディングモデルの設定\n\n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。\n\n### サポートされているモデル\n\n#### multilingu…","publisher":{"name":"MCP Server Team","url":null},"homepage":null,"repository":null,"version":"0.1.0","license":null,"protocols":["mcp"],"tags":["mcp"],"pricing":null,"endpoints":[{"url":"pypi:iflow-mcp_karaage0703-mcp-rag-server","type":"package_pypi","auth":null,"probeable":false}],"skills":null,"tools":null,"extra":null,"attribution":{"kind":"pypi","name":"pypi","summary":"pypi","version":"pypi","description":"pypi","publisherName":"pypi"}},"derived":{"capabilities":[{"slug":"data.database","name":"Databases","confidence":1,"provenance":"derived"},{"slug":"data.vector-search","name":"Vector Search","confidence":1,"provenance":"derived"}],"categories":["data"],"language":"fr"},"observed":{"status":"unknown","statusReason":"Distributed as a package to run locally; no network endpoint to check.","lastOkAt":null,"lastProbedAt":null,"statusComputedAt":null,"reliability30d":null,"latestObservations":[],"tools":null,"package":{"name":"iflow-mcp_karaage0703-mcp-rag-server","registry":"pypi","observedAt":"2026-11-09T09:28:50.093Z","publishedAt":"2026-02-13T01:17:24.255325Z","latestVersion":"0.1.0"},"toolSurface":null,"endpointFacts":[]},"verification":{"claimed":false,"claimedAt":null,"proofs":[]},"provenance":{"sources":[{"source":"pypi","key":"iflow-mcp_karaage0703-mcp-rag-server","url":"https://pypi.org/project/iflow-mcp_karaage0703-mcp-rag-server/","firstSeenAt":"2026-09-09T19:24:27.370Z","fetchedAt":"2026-11-09T09:27:29.932Z","normalizedAt":"2026-11-09T09:27:29.932Z"}]},"firstSeenAt":"2026-09-09T19:24:27.370Z","updatedAt":"2026-11-09T09:28:50.093Z"}